第三方实测称 Mistral 4 疑似严重刷榜，欧洲落后前沿约一年

评测方 leolinsky 在 100 个复杂、未饱和的编程环境中测试 Mistral 4，认为它可能是其测过刷榜痕迹最重的模型，而其公布的基准成绩本就不突出。据其估计，欧洲（指 Mistral）现在落后前沿约一年，综合水平大致与 GPT 5.1 和 Qwen 3.6 27B 相当。teortaxesTex 表示这个判断听起来没错。