Mistral Large 4 vs. Qwen3.8 Max: Ein behaupteter Vorsprung, den die veröffentlichten Zahlen verneinen

Mistrals Launch-Post für Mistral Large 4 gibt an, dass sein kombinierter Coding Agent Index-Wert von 49,8 % es „vor DeepSeek V4 Pro 0813 und Qwen3.8 Max“ platziert. Artificial Analysis führt Qwen3.8 Max bereits in derselben Index-Familie, und sein Terminal-Bench 4.0-Wert liegt bei 38,9 %. Mistral berichtet für sein eigenes Modell 28,3 % auf diesem Harness. Beide Zahlen stammen von Artificial Analysis – eine öffentlich, eine privat vor dem Start des Harness erstellt – und sie weisen in entgegengesetzte Richtungen. Das ist kein Grund, eines der beiden Modelle abzutun. Es ist das Nützlichste an diesem Vergleich, denn es sagt dir genau, welches der beiden du heute verifizieren kannst, und es schärft die Preisfrage: Qwen3.8 Max kostet 2,00 $ pro Million Eingabe-Token und 6,00 $ pro Million Ausgabe-Token gegenüber Mistral Large 4 mit 0,68 $ und 2,09 $, also rund dreimal so viel, und bei jeder veröffentlichten Messgröße ist es das stärkere Modell.

Beide sind Versuche im Alibaba- und im Mistral-Maßstab, dasselbe zu erreichen – ein natives multimodales Flaggschiff, das rund eine Million Tokens Kontext mit Reasoning, Tools und strukturierten Ausgaben bereitstellt – veröffentlicht im Abstand von neun Wochen, einmal als öffentliche Vorschau und einmal allgemein verfügbar. Eines davon wird seit dem 3. August 2026 ausgeliefert und hat eine vollständige Spalte unabhängiger Bewertungen. Das andere kam am 6. Oktober 2026 mit einer für Ende des Monats versprochenen Veröffentlichung der Gewichte und einem Reinforcement-Learning-Lauf, der laut seinem Anbieter noch immer ansteigt.

Die veröffentlichte Kolumne und die versprochene

Qwen3.8 Max ist Alibabas leistungsfähigste Stufe bisher, und Alibaba positioniert es in seinem eigenen Migrationsleitfaden direkt gegen GPT-5.5, Claude Opus 4.7 und Gemini 3.1 Pro. Es ist nativ multimodal über Text, Bilder und Video mit Textausgabe, verfügt über ein Kontextfenster von 1.000.000 Token, und seine Fähigkeitsmatrix bestätigt Denkmodus, Funktionsaufrufe, integrierte Tools und strukturierte Ausgaben. Es wird in drei Übertragungsformaten bereitgestellt — OpenAI-kompatibel, Anthropic-kompatibel und natives DashScope — von Peking, Singapur, Tokio, Frankfurt und weiteren Regionen.

Bei Artificial Analysis erzielt es 45,4 Punkte im Intelligence Index v4.3.2, Platz 17 von 147 Modellen, und 76,2 im AA Coding Index, womit es Platz 9 von 138 belegt und gleichauf mit Kimi K3 an der Spitze des Open-Weights-Feldes liegt. Es erreicht 92,8 % bei GPQA Diamond, 80,3 % beim Langkontext-Recall, 52,1 % bei SciCode und 47,8 % bei tau-banking. Sein Ergebnis bei Terminal-Bench 2.1 beträgt 88,8 %.

Mistral Large 4 ist ein fein granuliertes Mixture-of-Experts-Modell mit 49 Milliarden aktiven Parametern bei insgesamt 1,05 Billionen Parametern und einem 1,6 Milliarden Parameter umfassenden Vision-Encoder, das von Grund auf auf 3.800 NVIDIA Grace Blackwell GPUs in Mistrals eigenen europäischen Rechenzentren mit Daten trainiert wurde, die mehr als 160 Sprachen abdecken. Es verarbeitet Text und Bilder über einen Kontext von rund einer Million Tokens. Seine Artificial-Analysis-Seite existiert unter dem Titel „Mistral Large 4 Preview" und enthält keinen Intelligence-Index-Wert; die Gewichte werden bis Ende Oktober 2026 versprochen.

• Intelligenz-Index — Qwen3.8 Max 45,4 (17. von 147) vs. Mistral Large 4 noch nicht veröffentlicht

• Coding-Index — Qwen3.8 Max 76,2 (9. von 138) vs. Mistral Large 4 kein vergleichbarer Wert

• Terminal-Bench 4.0 — Qwen3.8 Max 38,9 % vs. Mistral Large 4 28,3 %, privat evaluiert

• Kontextfenster — Qwen3.8 Max 1.000.000 Token vs. Mistral Large 4 etwa 1.000.000

• Eingabemodalität — Qwen3.8 Max Text, Bild und Video vs. Mistral Large 4 Text und Bild

• Eingabepreis — Mistral Large 4 0,68 $ pro 1 Mio. vs. Qwen3.8 Max 2,00 $ pro 1 Mio.

• Output-Preis — Mistral Large 4 $2,09 pro 1M vs. Qwen3.8 Max $6,00 pro 1M

• Zwischengespeicherte Eingabe — Mistral 4 0,07 $ pro 1 Mio. vs. Qwen3.8 Max 0,25 $ pro 1 Mio.

• Gewichte — Mistral Large 4: offene Lizenz für Ende Oktober 2026 zugesagt vs. Qwen3.8 Max geschlossen

• Veröffentlicht — Qwen3.8 Max 3. August 2026 vs. Mistral Large 4 6. Oktober 2026, Vorschau

Den Widerspruch auflösen, soweit er sich auflösen lässt

Die beiden Terminal-Bench 4.0-Werte sind wirklich inkonsistent, und die wahrscheinlichste Erklärung ist die am wenigsten dramatische: Es sind verschiedene Durchläufe. Mistrals 28,3 % wird als privat von Artificial Analysis vor der öffentlichen Veröffentlichung der Testumgebung bewertet beschrieben, was bedeutet, dass es möglicherweise auf einer Vorabversion der Testumgebung, mit einem anderen Reasoning-Aufwand oder mit anderem Sampling gemessen wurde. Qwens 38,9 % beziehen sich auf die veröffentlichte Testumgebung mit der Konfiguration, die Artificial Analysis standardisiert hat. Sie direkt zu vergleichen, bedeutet, einen Entwurf mit einer Endversion zu vergleichen, und der Entwurf ist derjenige, der schlechter aussieht.

Es lohnt sich außerdem zu beachten, in welche Richtung der Widerspruch ausschlägt. Mistral beansprucht die Führung beim kombinierten Coding Agent Index – 49,8 %, vor Qwen3.8 Max – und veröffentlicht zugleich einen Terminal-Bench-4.0-Wert, der zehn Punkte hinter dem von Qwen liegt. Ein kombinierter Index aggregiert mehrere Bewertungen, beide Aussagen können also gleichzeitig zutreffen, und ein Modell mit einem starken DeepSWE-v1.1-Ergebnis (Mistral meldet 61,7 %) und einem schwachen Terminal-Bench-Ergebnis kann im Durchschnitt dennoch gewinnen. Doch solange der Coding Agent Index nicht öffentlich ist, ist die einzige Komponente dieser Behauptung, die ein Leser überprüfen kann, diejenige, bei der Mistral zurückliegt. Genau diese Asymmetrie ist es, die zu Recht Misstrauen wecken sollte – in beide Richtungen.

Was man für den dreifachen Preis tatsächlich bekommt

Zwei Dinge, und nur eines davon ist Performance.

Video ist der konkrete Punkt. Qwen3.8 Max akzeptiert Video nativ als erstklassige Eingabe; Mistral Large 4 nicht. Mistrals multimodales Kapitel dreht sich um Bilder – das Grounding dichter Szenen, das Verifizieren mechanischer Teile in technischen Zeichnungen, das Abrufen von Belegen aus PDFs, das Scannen gigapixelgroßer Satellitenbilder – und nichts davon erfordert bewegte Bilder. Wenn Ihre Pipeline Aufzeichnungen, Demonstrationen oder Videoarchive verarbeitet, ist der Preisvergleich irrelevant, denn eines dieser Modelle kann Ihre Eingabe nicht annehmen. Das ist eine Fähigkeitsgrenze, kein Unterschied in der Preisliste, und keine Preisänderung wird daran etwas ändern.

Der zweite Punkt ist der Beweis. Der Indexwert von 45,4 für Qwen3.8 Max, sein neunter Platz im Coding-Ranking und seine 88,8 % auf Terminal-Bench 2.1 lassen sich alle auf veröffentlichten Harnessen von jedem reproduzieren, der die Tokens dafür ausgeben möchte. Mistrals ML4 bietet eine höhere behauptete Obergrenze bei agentischem Coding und Automatisierung, eine blinde menschliche Bewertung, in der es Kimi K3 und GLM-5.3 bei der wahrgenommenen Coding-Qualität knapp übertraf, und eine konkrete Cybersicherheitsaussage – 82 % beim Reproduce-and-Patch-Test von Artificial Analysis, der höchste Wert aller getesteten Modelle, mit 93 % auf Cybench. Jede dieser Angaben stammt vom Anbieter oder aus einer privaten Evaluierung. Ein Team, das die Wahl eines Modells gegenüber einer Beschaffungsprüfung rechtfertigen muss, zahlt den dreifachen Aufpreis, um die Antwort schriftlich zu haben.

Allerdings ist die Cybersicherheits-Kennzahl die einzige Behauptung in diesem Vergleich, die ein niedrigerer Preis nicht aufwiegen kann, denn sie ist eine Fähigkeit, kein Vorteil. Mistral berichtet, dass mehrere führende geschlossene Modelle, darunter Claude Opus 5.5 und GPT-6 Astra, bei demselben Reproduce-and-Patch-Test nahezu null erreichen, weil sie die Aufgabe verweigern, und dass die durchschnittliche Verweigerungsrate von ML4 bei Cyber-Prompts aus JailbreakBench, StrongREJECT und AgentHarm höher ist als die anderer Open-Weight-Modelle, während ML4 die Arbeit dennoch erledigt. Qwen3.8 Max wird in diesem Test nicht erwähnt. Wenn Ihre Arbeit die Reproduktion von Schwachstellen umfasst, geht es nicht darum, wer günstiger ist, sondern darum, wer die Aufgabe überhaupt erledigt.

Gewichte und wo sie ausgeführt werden

Hier besitzt Mistral Large 4 den einen strukturellen Vorteil, an den Qwens dreifacher Preisaufschlag nicht heranreicht. Mistral hat sich verpflichtet, die Gewichte von ML4 bis Ende Oktober 2026 unter einer offenen Lizenz zu veröffentlichen, zusammen mit Details zur Architektur und zur Post-Training-Methodik. Das verwandelt Kosten pro Token in eine Kapitalentscheidung: Wenn Sie über die GPUs verfügen, zahlen Sie nicht mehr pro Token, senden keine Daten mehr an Dritte und unterliegen nicht mehr der Moderationsrichtlinie von jemand anderem. Alibabas Max-Tarif ist ein geschlossenes, ausschließlich über API verfügbares Angebot, und nichts deutet darauf hin, dass sich daran etwas ändert.

Geografie ist dasselbe Argument in einem anderen Register. Qwen3.8 Max wird unter anderem von Peking, Singapur, Tokio und Frankfurt aus bereitgestellt – eine wahrhaft globale Präsenz, aber eine, die von Alibaba betrieben wird. Die öffentliche Vorschau von Mistral Large 4 läuft auf Mistrals eigener europäischer Infrastruktur, in einer europäischen Region, die Mistral vollständig und unabhängig von anderen digitalen Dienstanbietern betreibt, nach europäischem Recht. Für einen europäischen regulierten Käufer stützen diese beiden Sätze sehr unterschiedliche Beschaffungsergebnisse, obwohl beide Modelle in derselben Stadt verfügbar sind. Mistrals 3-Milliarden-Euro-Serie D – die größte Eigenkapitalrunde, die je von einem europäischen Technologieunternehmen aufgebracht wurde – existiert, um genau diese Unterscheidung zu finanzieren, und ML4 ist ihr erstes Ergebnis.

Routing über zwei Ausprägungen der Verfügbarkeit

Das Ungewöhnliche an dieser Paarung ist, dass sich die beiden Modelle nicht nur in Preis und Leistungsfähigkeit unterscheiden, sondern auch darin, wie man sie erreicht. Qwen3.8 Max spricht OpenAI-kompatible, Anthropic-kompatible und native DashScope-Protokolle aus einer Vielzahl von Regionen; Mistral Large 4 ist ein einzelner Preview-Endpunkt von einem einzigen Anbieter. Das aus Ihrem Anwendungscode heraus zu normalisieren, ist echte Arbeit, und es ist die Art von Arbeit, die klein anfängt und jedes Mal wächst, wenn ein Anbieter etwas ändert.

Beide stehen hinter einem einzigen OpenAI-kompatiblen Endpunkt auf OrcaRouter mit 0 % Aufschlag, und genau das macht die Preislücke in diesem Artikel stabil statt zu einer Momentaufnahme: Die Listenpreise der Anbieter werden unverändert durchgereicht, sodass sich die Zahlen, gegen die Ihre Routing-Regeln prüfen, mit ihnen verschieben, sobald Mistral seinen Vorschau-Tarif beendet oder Alibaba Qwens Tarif anpasst. Die Routing-DSL ist der Ort, an dem die unterschiedlichen Stärken der beiden Modelle zu einer einzigen Aufrufoberfläche werden — videohaltige Anfragen an Qwen3.8 Max, Bild- und Dokumentenarbeit an Mistral Large 4, und alles, was ein striktes Budget einhalten muss, zuerst an ML4, mit Qwen als Eskalation, wenn sich zeigt, dass die Behauptung zum kombinierten Index bei einer echten Aufgabe tatsächlich relevant wird. Automatisches Failover ist in dieser Paarung mehr wert als in den meisten, denn das eine Bein ist eine Vorschau-API in ihrem ersten Monat und das andere eine geschlossene Stufe, die Sie nicht kapazitätsplanen können. Wo die Coding-Frage 49,8 gegen 76,2 für Ihre Workload tatsächlich unentschieden ist, kann Modellfusion beide mit demselben Prompt laufen lassen und ein Gremium entscheiden lassen, was günstiger ist, als einen Bake-off zweimal durchzuführen.

Urteil

Qwen3.8 Max ist das bessere Modell in allem, was veröffentlicht wurde. Sein Indexwert von 45,4, sein Coding-Index von 76,2 und 38,9 % bei Terminal-Bench 4.0 basieren auf denselben Revisionen wie bei allen anderen, es verarbeitet Video, es wird seit zwei Monaten ausgeliefert, und es ist über drei Wire-Formate aus fünf Regionen erreichbar. Wenn Leistung und Verifizierbarkeit die entscheidenden Faktoren sind, dann ist der dreifache Preis das, was ein ausgeliefertes, gemessenes Flaggschiff kostet.

Mistral Large 4 gewinnt beim Preis um etwa das Dreifache, bei Cache-Lesevorgängen um mehr als das Dreifache, bei Cybersecurity-Arbeit, wo die Alternative sich weigert, und bei den beiden Argumenten, die Qwen nicht beantworten kann: versprochene offene Gewichte bis Ende Oktober und ein europäisches Deployment, das Mistral von Anfang bis Ende selbst betreibt. Die Behauptung eines Coding Agent Index von 49,8 % ist das, was die Sache entscheiden würde – wenn diese Zahl vor der von Qwen auf einer öffentlichen Testumgebung landet, wird das günstigere Modell zum besseren und der Aufpreis verschwindet. Wenn nicht, verkauft Mistral einen Vorschau-Preis für ein Modell, das einem veröffentlichten Wettbewerber hinterherhinkt, und die ehrliche Position ist, dass man die Roadmap kauft statt das Modell.

Behalte drei Termine im Auge. Ende Oktober 2026, wenn entweder die Gewichte von ML4 ausgeliefert werden oder die Open-Weights-Behauptung aufgeweicht wird. Die Veröffentlichung des Artificial Analysis Coding Agent Index, bei dem Mistrals private Evaluierungen und Qwens öffentliche Punktzahlen in einer Spalte aufeinandertreffen. Und das Ende des Vorschauzeitraums, wann immer Mistral ihn ankündigt, denn 0,68 $ und 2,09 $ sind ein Einführungspreis, und keine Prognose sollte davon ausgehen, dass er die Veröffentlichung der Gewichte übersteht.