Mistral Large 4 vs. GPT-6 Sol: Ein Vorschau-Preis gegen einen ausgelieferten Standard

Auf dem Papier ist das kein knappes Rennen. Mistral Large 4, Mistrals Flaggschiff mit offenen Gewichten und 1,05 Billionen Parametern, kostet 0,68 $ pro Million Eingabe-Tokens und 2,09 $ pro Million Ausgabe-Tokens. GPT-6 Sol, die kosteneffiziente High-End-Stufe, kostet 2,00 $ und 10,00 $ – etwa dreimal so viel bei der Eingabe und fast fünfmal so viel bei der Ausgabe, und sobald eine Anfrage 272.000 Tokens überschreitet, steigt der Preis auf 4,00 $ und 15,00 $. Ein Monat mit 100 Millionen Tokens bei einem Eingabe-/Ausgabe-Verhältnis von 4:1 kostet etwa 140 $ mit Mistral Large 4 und etwa 480 $ mit GPT-6 Sol. Das ist die ganze Argumentation, und sie ist stark, bis man die zweite Zeile in Mistrals eigener Dokumentation liest: Mistral Large 4 befindet sich in öffentlicher Vorschau, und es ist das einzige dieser beiden Modelle, das sich noch bewegt.

Dieser Unterschied ist der gesamte Vergleich. GPT-6 Sol wurde am 22. September 2026 veröffentlicht und ist stabil; sein Verhalten, seine Preisliste und seine unabhängigen Ergebnisse stehen fest. Mistral Large 4 kam am 6. Oktober 2026 mit einer Vorschau-API, einer versprochenen Veröffentlichung der Gewichte „bis Ende des Monats“ und einem Reinforcement-Learning-Lauf, der laut Mistral noch läuft. Die Version, die du heute aufrufst, ist nicht die Version, die du im November haben wirst. Die interessante Frage ist also nicht „Welche ist besser?“ – bei der gemessenen Intelligenz sind sie noch nicht in derselben Liga –, sondern „Welche gehört in deinen Stack, und unter welchen Bedingungen?“

Was jeder Anbieter tatsächlich ausgeliefert hat

Mistral Large 4 ist ein feinkörniges Mixture-of-Experts-Modell mit 49 Milliarden aktiven Parametern von insgesamt 1,05 Billionen, plus einem Vision-Encoder mit 1,6 Milliarden Parametern. Es verarbeitet Text und Bilder, bedient ein Kontextfenster von rund einer Million Tokens und wird von Grund auf auf 3.800 NVIDIA Grace Blackwell GPUs in Mistrals eigenen europäischen Rechenzentren trainiert. Mistral beschreibt es als sein größtes und leistungsfähigstes Modell bisher und erklärt, die Gewichte – veröffentlicht unter einer offenen Lizenz – kämen vor Ende Oktober 2026, abhängig von einer Red-Teaming-Phase, die mit Cybersicherheitspartnern und staatlichen Behörden durchgeführt wird. Bis dahin ist die Preview-API der einzige Zugang.

GPT-6 Sol ist die mittlere Stufe von OpenAI's GPT-6-Serie, unterhalb des Flaggschiffs GPT-6 Astra und oberhalb des schnellen GPT-6 Luna. Es akzeptiert Text, Bilder und Dateien, verfügt über ein Kontextfenster von etwas mehr als einer Million Token mit bis zu 128.000 Ausgabetoken und bietet konfigurierbaren Reasoning-Aufwand, Funktionsaufrufe, strukturierte Ausgaben und Seeded Sampling. Es ist eine geschlossene, moderierte API — das Gegenteil von Mistrals Verkaufsargument, nämlich dass eine Organisation ML4 irgendwann auf eigener Hardware nach eigenen Richtlinien betreiben kann.

• Gesamtparameter — Mistral Large 4 1,05T (49B aktiv) vs. GPT-6 Sol nicht offengelegt

• Kontextfenster — jeweils rund 1 Mio. Token, Mistral Large 4 mit 1 Mio. beworben, GPT-6 Sol mit ~1,05 Mio.

• Max. Ausgabe — GPT-6 Sol 128K Tokens vs. Mistral Large 4 noch nicht dokumentiert

• Eingabemodalität — Mistral Large 4 Text und Bild vs. GPT-6 Sol Text, Bild und Datei

• Eingabepreis — Mistral Large 4 0,68 $ pro 1 Mio. vs. GPT-6 Sol 2,00 $, steigend auf 4,00 $ ab 272K Tokens

• Ausgabepreis — Mistral Large 4: 2,09 $ pro 1 Mio. vs. GPT-6 Sol 10,00 $, steigt nach Überschreiten derselben Schwelle auf 15,00 $

• Zwischengespeicherte Eingabe — Mistral Large 4 0,07 $ pro 1 Mio. vs. GPT-6 Sol 0,20 $, steigend auf 0,40 $

• Gewichte — Mistral Large 4 offene Lizenz, zugesagt bis Ende Oktober 2026 vs. GPT-6 Sol geschlossen

• Veröffentlichungsstatus — Mistral Large 4 öffentliche Vorschau, 6. Oktober 2026 vs. GPT-6 Sol allgemein verfügbar, 22. September 2026

Wo GPT-6 vorne liegt

Der Launch-Post von Mistral ist in dieser Sache ungewöhnlich direkt, was allen das Rätselraten erspart. Im Artificial Analysis Intelligence Index – der v4.3.2-Revision, zehn Evaluierungen von AA-Briefcase bis CritPt – erreicht GPT-6 Sol 47,6 Punkte und liegt etwa auf Platz 14 der 147 Modelle in dieser Rangliste. Mistral Large 4 hat überhaupt keinen veröffentlichten Index-Wert. Was existiert, ist eine unvollständige Zeile bei Artificial Analysis, die das Modell als „Mistral Large 4 Preview“ aufführt und seine Position als nicht öffentlich verfügbar angibt. Bei den einzelnen sichtbaren Evaluierungen liegt GPT-6 Sol deutlich vorn: 47,9 gegenüber einer Humanity's Last Exam-Hürde, die es überschreitet, während ML4 nicht erscheint, 83,7 gegenüber 80,3 bei AA-LCR Long-Context-Recall, 43,9 gegenüber 28,3 bei Terminal-Bench 4.0.

Diese Terminal-Bench-Zahlen verdienen eine Einschränkung, die in die andere Richtung ausschlägt. Mistrals 28,3 % und die 59,4 % bei SWE-Atlas-QnA stammen aus Zahlen, die Artificial Analysis privat im Vorfeld des Starts eines Harness ausgewertet hat, und Mistral sagt ausdrücklich, dass sie im Artificial Analysis Coding Agent Index erscheinen werden, sobald dieser Harness verfügbar ist. Sie sind nicht vom Anbieter erfunden, aber sie sind heute auch nicht von Ihnen reproduzierbar. Betrachten Sie sie als vielversprechend und unbestätigt.

Wo Mistral Zahlen veröffentlicht, lohnt es sich, einige davon genauer zu lesen, denn sie sind die Art von Behauptung, die ein Anbieter aufstellt, wenn er selbstsicher ist. Mistral berichtet, dass ML4 bei einem Test des Artificial Analysis Cyber Index – eine echte Schwachstelle in Open-Source-Software reproduzieren und dann patchen – 82 % erreicht, der höchste Wert aller Modelle, und dass es 93 % der 40 Aufgaben in Cybench löst. Außerdem berichtet Mistral, dass führende geschlossene Modelle, darunter Claude Opus 5.5 und GPT-6 Astra, bei demselben Reproduzierbarkeitstest nahe null liegen, weil sie die Aufgabe verweigern. Das sind vom Anbieter gemeldete Werte, die nicht unabhängig reproduziert wurden, aber der zugrunde liegende Mechanismus ist nicht exotisch: Ein Modell, das mehr verweigert, erledigt tatsächlich weniger, und mit diesem Argument wirbt Mistral seit seiner Hinwendung zu offenen Gewichten.

Was die allgemeine Leistungsfähigkeit angeht, lautet die ehrliche Einschätzung, dass GPT-6 Sol heute das bessere Modell ist und Mistral Large 4 das günstigere. Wenn Ihr Workload eine reine Frage-Antwort- oder Programmieraufgabe ist und Sie keinen Wert auf Self-Hosting legen, dann erkaufen Ihnen die zusätzlichen fünf Dollar pro Million Output-Tokens, die GPT-6 Sol kostet, ein Modell, dessen Verhalten sich nicht unter Ihnen ändert.

Das Argument für die Vorschau, die nicht nur der Preis ist

Drei Dinge machen Mistral Large 4 zu mehr als einer Rabattoption, und keines davon ist das Preisschild.

Das erste ist Souveränität im wörtlichen Sinn. ML4 wurde in europäischen Rechenzentren auf europäischer Hardware trainiert und wird in einer europäischen Region bereitstellbar sein, die Mistral durchgängig selbst betreibt. Für einen regulierten Käufer ist das keine Marketingfloskel; es ist eine Beschaffungsanforderung, die GPT-6 Sol derzeit zu keinem Preis erfüllen kann. Mistral hat in einer Series D speziell zu diesem Zweck 3 Milliarden Euro eingesammelt, die größte Eigenkapitalrunde, die ein europäisches Technologieunternehmen je aufgebracht hat, und dieses Modell ist der erste Meilenstein auf diesem Weg.

Der zweite Punkt sind die Gewichte. Sobald sie verfügbar sind, kann eine Organisation, die über die GPUs verfügt, ML4 vor Ort betreiben, ohne dass ein Anbieter eingebunden ist, was sowohl das Ablehnungsverhalten als auch die Datenresidenz-Frage verändert. GPT-6 Sol wird dann weiterhin ein API-Aufruf sein. Wenn Ihre Roadmap eine On-Premise-Phase hat, ist ML4 der einzige der beiden, der eine solche Phase hat.

Der dritte Punkt ist die Taktung. Mistral sagt, der RL-Lauf hinter dieser Vorschau sei noch nicht gesättigt, und man erwarte „große und schnelle Verbesserungen in den kommenden Wochen und Monaten“. Wenn ein Anbieter eine Vorschau ausliefert und erklärt, dass die Kurve noch steigt, dann hängt der Preis, der Ihnen heute genannt wird, an der schlechtesten Version des Modells, für die Sie jemals abgerechnet werden. Der Preis von GPT-6 Sol hängt an einer festen Leistungsfähigkeit.

Beide laufen lassen, ohne auf eines von beiden zu setzen.

Das Unangenehme an einer Preview ist, dass man sie nicht pinnen kann. Wenn Ihr Produkt vom aktuellen Verhalten von ML4 abhängt, ist ein Update nächste Woche ein Produktionsvorfall. Wenn es von GPT-6 Sol abhängt, zahlen Sie einen festen Aufpreis für Stabilität. Die sinnvolle Form ist meistens beides, hinter einem Endpoint, sodass die Entscheidung eine Routing-Regel ist und keine Architektur.

Dafür ist OrcaRouter da. Beide Modelle stehen hinter einer einzigen OpenAI-kompatiblen API mit 0 % Aufschlag, was hier mehr als sonst zählt: Mistrals Preview-Preisgestaltung ist ein Einführungstarif und wird sich ändern — nach oben, wenn die Preview endet, möglicherweise nach unten, wenn die Gewichte veröffentlicht werden und der Wettbewerb beim offenen Modell greift — und weil die Listenpreise der Anbieter direkt durchgereicht werden, ist eine Preissenkung eines Anbieters bei uns noch am selben Tag live, statt erst dann, wenn jemand eine fest codierte Tabelle aktualisiert. Die Routing-DSL ermöglicht es Ihnen, Arbeiten an Dokumenten mit langem Kontext an das jeweils für diese Form günstigste Modell zu schicken und GPT-6 Sol als Fallback für alles zu behalten, was stabil sein muss. Automatisches Failover deckt den Fall ab, den eine Preview-API am häufigsten provoziert: dass der Endpunkt ausgelastet oder kurzzeitig nicht verfügbar ist, was für jedes Modell im ersten Monat normal ist.

Welches soll man wählen?

Wählen Sie GPT-6 Sol, wenn die Arbeitslast Produktion ist, das Verhalten wichtiger ist als der Stückpreis und Sie nicht die Anforderung haben, das Modell selbst zu betreiben. Seine 47,6 auf dem Intelligence Index, seine 128K-Ausgabegrenze und seine Cache-Lesevorgänge für 0,20 $ machen es zur sichereren Standardwahl, und die Preisänderung für langen Kontext bei 272.000 Tokens ist leicht einzuplanen, weil der Schwellenwert veröffentlicht ist.

Wählen Sie Mistral Large 4, wenn Sie etwas bauen, bei dem eines von drei Dingen zutrifft: Sie brauchen ein in Europa bereitgestelltes Modell, Sie brauchen irgendwann offene Gewichte, oder Sie sind im Sicherheitsforschungsgeschäft tätig, wo eine Ablehnung ein Fehlschlag ist — 82 % beim Reproduzieren-und-Patchen-Test gegenüber nahezu null bei den geschlossenen Alternativen ist eine echte Fähigkeitslücke, ob vom Anbieter berichtet oder nicht. Und akzeptieren Sie, dass Sie ein Modell im Flug kaufen. Rechnen Sie damit, dass sich die API-Oberfläche ändert, und codieren Sie den Vorschau-Preis nicht fest in eine Prognose für das nächste Quartal hinein.

Was man beachten sollte, bevor man sich in die eine oder andere Richtung festlegt: die tatsächliche Veröffentlichung der Gewichte Ende Oktober, der Moment, in dem die Open-Weights-Behauptung aufhört, ein Versprechen zu sein; der erste veröffentlichte Wert für ML4 im Artificial Analysis Intelligence Index, der klären wird, ob die Preisdifferenz ein Schnäppchen oder ein Abschlag für weniger ist; und der Cost/Agent Index, bei dem sich zeigt, ob Mistrals private Terminal-Bench-Zahlen entweder bestätigt werden oder stillschweigend nicht.