Mistral Large 2 vs Mistral Large：基准对比
详细对比 Mistral Large 2 与 Mistral Large 的基准表现、定价、上下文窗口与合规性。
核心规格对比
| 规格 | Mistral Large 2 | Mistral Large |
|---|---|---|
| 厂商 | mistral | mistral |
| 版本 | large-2 | large |
| 发布日期 | 2024-07-24 | 2024-02-26 |
| 上下文窗口 | 128000 tokens | 32000 tokens |
| 输入模态 | text | text |
| 输出模态 | text | text |
| 许可 | Mistral Research License | Apache 2.0 |
| SOC2 | ✓ | ✓ |
| HIPAA | ✗ | ✗ |
| GDPR | ✓ | ✓ |
| ISO 27001 | ✓ | ✓ |
基准测试结果
| 基准 | Mistral Large 2 | Mistral Large | 胜出 |
|---|---|---|---|
| ARC | — | 93.3 | Mistral Large |
| BBH | 81 | 76.7 | Mistral Large 2 |
| GPQA | — | 38.1 | Mistral Large |
| GSM8K | 93 | 80.9 | Mistral Large 2 |
| HUMANEVAL | 92 | 73.4 | Mistral Large 2 |
| IFEVAL | — | 75.8 | Mistral Large |
| MATH | 71 | 49.3 | Mistral Large 2 |
| MMLU | 84 | 82 | Mistral Large 2 |
| MUSR | — | 52.1 | Mistral Large |
| WINOGRANDE | — | 83.3 | Mistral Large |
定价对比
| 项目 (每百万Token) | Mistral Large 2 | Mistral Large |
|---|---|---|
| 输入 | $2 | $4 |
| 输出 | $6 | $12 |
| 缓存读 | $0 | $0 |
| 缓存写 | $0 | $0 |
Mistral Large 2 对比 Mistral Large
模型概述
Mistral Large 2 与 Mistral Large 均为 AI 模型市场的重要选项。本页对比两者在基准、定价与合规性上的差异。
核心规格对比
| 厂商 | 发布日期 | 上下文窗口 | 许可证 |
|---|---|---|---|
| Mistral / Mistral | 2024-07-24 / 2024-02-26 | 128K / 32K | Mistral Research License / Apache 2.0 |
基准测试表现
| 基准 | Mistral Large 2 | Mistral Large | 胜出 |
|---|---|---|---|
| ARC | — | 93.3 | B |
| BBH (BIG-Bench Hard) | 81.0 | 76.7 | A |
| GPQA | — | 38.1 | B |
| GSM8K (Grade School Math 8K) | 93.0 | 80.9 | A |
| HumanEval | 92.0 | 73.4 | A |
| IFEval | — | 75.8 | B |
| MATH | 71.0 | 49.3 | A |
| MMLU (Massive Multitask Language Understanding) | 84.0 | 82.0 | A |
| MUSR | — | 52.1 | B |
| WinoGrande | — | 83.3 | B |
定价对比
| 输入 | 输出 | 缓存读取 | 缓存写入 |
|---|---|---|---|
| — / — | — / — | — / — | — / — |
每百万 token — A / B
优势 & 劣势
Mistral Large 2
- ✅ MMLU 得分 84.0，知识推理能力强。
- ✅ HumanEval 92.0，代码生成能力出色。
- ✅ GSM8K 93.0，数学推理稳健。
- ⚠️ 闭源专有模型，不支持自托管。
Mistral Large
- ✅ MMLU 得分 82.0，知识推理能力强。
- ⚠️ 闭源专有模型，不支持自托管。
编辑点评
Mistral Large 2 与 Mistral Large 各有侧重。建议根据具体场景（代码、长文本、视觉等）选择，参考上方基准与定价表。
常见问题
哪个模型在代码任务上更优？
参考 HumanEval 基准得分表，得分更高者更适合代码任务。
哪个模型价格更低？
参考上方的定价对比表，输入/输出价格更低者更具成本优势。
上下文窗口哪个更长？
参考核心规格对比表，上下文窗口更大的模型适合长文档处理。
参考文献
编辑点评
See Editor's Take section.