Mistral Small 4

MODEL PROFILE模型资料

Mistral · 2026-03-16 发布

返回厂商

Mistral Small 4 是 Mistral 于 2026 年 3 月 16 日发布的小型通用模型，支持 262.1K 上下文，官方定价为输入 0.15、输出 0.6 美元/百万 tokens；它面向预算敏感、以长文档处理和高频短输出为主的开发团队。

模型介绍

Mistral Small 4 属于 Mistral 的 Small 产品线，于 2026 年 3 月 16 日发布，与同门的 Mistral Large 4、Devstral 2 一起形成价格梯度：前者价格更高，后者价格较低。它要解决的问题很直接：在保持 262.1K 长上下文的前提下，把单次调用成本压到 Mistral 当前公开报价的最低一档，使摘要、字段抽取、分类、粗翻这类高频任务可以大规模运行。Artificial Analysis 口径下综合智能指数为 4.3，与 Mistral Large 4 的 26.1 差距明显，说明它不是用来追求智能上限的型号；购买选型时应按任务难度分流，而不应指望它替代更高一档的模型。厂商未标注能力标签，架构与训练细节公开资料较少，选型更适合以具体任务的抽样测试为准，而非只看综合分。

选型建议预算优先、任务以长文档处理和高频短输出为主时选它；需要复杂推理、代理执行或终端操作时不要用它。

Mistral小型模型长上下文低价 API通用文本

关键指标

官方输入价$0.15/M

官方输出价$0.6/M

生成速度180.0 tok/s

首字延迟 TTFT0.60s

AA 综合指数4.3

适用场景

批量处理长文档摘要与字段抽取，利用 262.1K 上下文一次读入多份材料
为客服与内部知识库搭建低价问答兜底，把难题升级给 Large 4 处理
生成格式化脚本、正则与单文件代码改动，不承担跨仓库重构类的任务
在成本敏感的测试环境里跑提示词迭代与版本回归对比
做多语言内容的第一轮粗翻与改写，再交人工校订润色

暂无：上下文窗口、最大输出、知识截止、开源权重、模型家族、许可证、参数规模、输入模态、缓存读价、缓存写价、推理、工具调用、结构化输出、附件、温度调节（上游未公开，本站不估算）。发布 240 天。

规格与能力

上面没列到的字段

Mistral 未公布 Small 4 的参数规模与层结构细节，可以确认的是它支持 262.1K 上下文，定位在 Small 这条小体量产品线上。

结构延续 Small 系列的小体量路线，官方未披露参数量、是否采用混合专家等细节，公开资料较少，难以判断其算力效率来源。
上下文标称 262.1K 上下文，与同门 Small (latest) 一致，长文档读取与多轮长会话是它相对同价位模型的主要可用场景。
披露厂商未标注能力标签，缺少架构与训练数据说明，能力边界只能借助第三方评测的单项结果反推，选型前建议自行抽样验证。

能力资料未标注

同系列其他规格

型号	厂商	参数	上下文	输入价	输出价
Mistral Small 4	Mistral	—	262.1K	$0.15/M	$0.6/M
Mistral Small 4	Mistral	—	256K	$0.165/M	$0.66/M
Mistral Small 4 (EU)	Requesty	—	256K	$0.165/M	$0.66/M

性能表现

Artificial Analysis 口径下综合智能指数 4.3，单项分化明显：知识型选择题强于复杂推理与代理执行。

强项GPQA 76.9%，在科学类选择题上相对站得住，适合承担知识问答、科普解释与常识校验这类对推理链要求不长的任务。
短板HLE 9.9%、Tau-Banking 4.9%、TerminalBench v2.1 21.0%，复杂推理、金融场景代理与终端操作三项明显吃紧。
档位差同门 Mistral Large 4 的 AA 指数为 26.1，Small 4 仅 4.3，两者不在同一档，多步任务应先做难度分流再决定用哪一档。
适合SciCode 38.8% 说明它能处理中等难度代码，脚本、正则、单文件改动可以胜任，跨仓库重构不宜交给它。

跑分与榜单

第三方评测口径

综合智能指数4.3

GPQA76.9%

HLE9.9%

SciCode38.8%

LCR49.7%

TerminalBench v2.121.0%

Tau-Banking4.9%

这些跑分分别测什么？（5 项口径说明）

基准	类别	说明	满分口径	前沿水平	状态	污染风险
综合智能指数	—	Artificial Analysis 综合智能指数：该机构用自建题库聚合出的单一分数，不是某一个公开基准；跨版本不可直接比较。	—	—	—	—
GPQA Diamond基准主页	知识	Graduate-level Google-Proof Questions, Diamond subset. 198 expert-validated PhD-hard physics, chemistry, biology questions.	0-100% accuracy	96.3% (Artificial Analysis run)	已饱和	低
Humanity's Last Exam基准主页	知识	Joint CAIS/Scale benchmark of expert-validated questions across 100+ disciplines, finalized in April 2025 at 2,500 public questions after bug-bounty and searchable items were replaced, with a private held-out set kept for overfitting checks. CAIS also maintains HLE-Rolling, a fork updated continuously from community feedback, and released a new version of it on 2026-09-17 that swapped some easier questions for harder held-out ones, so rolling snapshots do not compare with each other or with the static set. Vendors report it both with and without tools, and tool setups (search blocklists, fetch restrictions) vary, so check the configuration before comparing.	0-100% accuracy	61.4% no tools (Artificial Analysis run; previous best 59.1%, Claude Fable 5.1)	仍在维护	低
Terminal-Bench基准主页	编程	Stanford / Anthropic agentic terminal-task benchmark. Each task gives the agent a goal and a sandboxed shell; success measured by deterministic post-condition.	0-100% solved	64.5% (1.0, legacy split)	已停用	低
Tau-Bench基准主页	智能体	Sierra benchmark of customer-service agents. Tests realistic multi-turn tool-use with deterministic evaluators. Now at tau3: tau2 covers retail, airline, and telecom, while tau3 adds a banking knowledge-retrieval track and a real-time voice track, each ranked separately.	0-100% pass@1	87.9% (tau2 text, 3-domain avg pass^1); the tau3 banking text track is led by Qwen3.8 Max at 55.2% pass^1 (Claude Opus 5 second at 48.7%), and the tau3 voice track by Ava Zero at 86.0% task completion, ahead of phonic-1 at 83.2% and gpt-live-1 at 79.9%	仍在维护	低

说明文字来自公开基准注册表；「已饱和」表示前沿模型已接近上限、区分度下降，「污染风险高」表示该基准的题目可能已进入训练数据。

跑分来自第三方公开评测（Artificial Analysis 口径），榜位与用量来自 OpenRouter 公开榜单，只反映静态基准与实际调用份额，与本站的真实性、稳定性检测相互独立。

价格与性价比

结合各平台报价与同类对比

官方输入 0.15 美元/百万 tokens、输出 0.6 美元/百万 tokens，是 Mistral 当前公开报价中的最低一档。

定位按量计费的低价档，输入价与同门 Small (latest) 持平，适合高频、短输出、允许批量重试的调用形态。
横向对比Large 4 输入 0.7、输出 2.1 美元，价差 +366.7%；Devstral 2 输入 0.4 美元，价差 +166.7%，小型档的价格优势明确。
平台差价目前可查的 HowToken 报价与官方一致，输入 0.15、输出 0.6 美元，暂无其他平台价格可供横向比价。
省钱输出单价是输入的 4 倍，控制回复长度、把结果压成结构化短输出，比更换平台更能实际降低成本。

平台报价对比

1 个来源口径

Mistral Small 4 在各来源的输入 / 输出价格（美元 / 百万 tokens）
来源	输入价	输出价	缓存读	相对输入价
HowToken	$0.15/M	$0.6/M	—	0.0%

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.15/M / $0.6/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

Mistral Small 4 的同类模型对比
模型	上下文	输入价	输出价	输入价差	AA 综合
Mistral Large 4	1.05M	$0.7/M	$2.1/M	+366.7%	154.7
Mistral Medium 3.5	262.1K	$1.5/M	$7.5/M	+900.0%	141.6
Mistral Medium 3	131.1K	$0.4/M	$2/M	+166.7%	132.8
Mistral Nemo	131.1K	$0.15/M	$0.15/M	0.0%	114.1
Mistral Large 4 Preview	—	$0.7/M	$2.1/M	+366.7%	25.3

关于 Mistral Small 4 的常见问题

2 条

Mistral Small 4 的 API 价格是多少？

当前收录的官方口径价格为输入 $0.15/M、输出 $0.6/M，单位为美元 / 百万 tokens。不同网关可能有自己的加价与折扣，实际计费以调用平台为准。

Mistral Small 4 的跑分表现如何？

第三方评测口径：Artificial Analysis 综合智能指数 4.3，GPQA 76.9%，HLE 9.9%。跑分只反映静态基准，实际效果取决于具体任务。

使用注意

口径AA 指数与各项百分比只能原样引用，测试版本、题集与统计方式未在事实中说明，跨模型横向比较需保持谨慎。
边界厂商未标注能力标签，HLE 9.9%、Tau-Banking 4.9% 说明高风险代理与金融决策不宜交给它独立完成。
覆盖可查的第三方平台报价仅一家，价格与能力均缺少交叉验证，正式上线前应保留小流量灰度与回退方案。

资料说明

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并，冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。