Mistral Large 4

编程56.58 项

• Vibe Code Bench v1.1做网页应用·Vals AI78.4%折算分 63.4+
• Terminal-Bench 4.0终端里干活·Vals AI27.8%折算分 62.9+
• Terminal-Bench 4.0终端里干活·Artificial Analysis23.2%折算分 61.8+
• CFrontierCode 2.0改真实仓库·Cognition19.7%折算分 61.5+
• APEX-SWE系统集成与排障·Mercor37.0%折算分 55.2+
• FrontierCode 2.0改真实仓库·Artificial Analysis13.3%折算分 55.0+
• HWeirdML v3机器学习工程·Håvard Tveit Ihle3.9%折算分 至多 49.5+
• Vibe Code Bench 1–100持续开发应用·Vals AI14.3%+

科研53.36 项

• BioMysteryBench生物数据分析·Vals AI67.0%折算分 63.4+
• CritPt研究级物理·Artificial Analysis11.1%折算分 57.0+
• Terminal-Bench Science终端里做科研·Artificial Analysis3.3%折算分 至多 55.9+
• CritPt v2 Hard研究级物理·Artificial Analysis22.5%折算分 54.7+
• MysteryMechanism做实验找规律·Vals AI12.2%折算分 51.4+
• 致知 · 逻辑月榜中文难题·llm20146.4%折算分 33.9+

专业办公60.09 项

• Harvey 法律 Agent 基准 v1.1法律交付件·Vals AI17.5%折算分 74.2+
• Excel Modeling v1.1Excel 建模·Vals AI69.0%折算分 65.3+
• TaxAgentBench税务问答·Vals AI30.4%折算分 65.1+
• Finance Agent v2.1金融分析·Vals AI61.4%折算分 64.6+
• AutomationBench-AA业务自动化·Artificial Analysis52.8%折算分 63.4+
• APEX-Agents投行咨询法律·Mercor51.6%折算分 61.2+
• Legal Research Bench法律检索·Vals AI31.7%折算分 58.0+
• AA-Briefcase办公长任务·Artificial Analysis1,187.7折算分 56.0+
• MedCode医疗编码·Vals AI40.7%折算分 49.8+

知识问答50.32 项

• AA-Omniscience v1.1知道与不乱编·Artificial Analysis3.3折算分 53.2+
• LNYT Connections 扩展版词语归类·Lech Mazur27.4%折算分 32.7+

真人盲选52.22 项

• Arena WebDev网页成品盲选·LMArena1,563.3折算分 58.6+
• Arena Text对话盲选·LMArena1,418.6折算分 38.8+

尚无成绩的评测

这些评测尚无可采用的公开成绩，缺测不补分。