Mistral Large 4 vs DeepSeek V4 Pro: Zwei offene Flaggschiffe und eine Preislücke, die nicht der Punkt ist

Auf dem Papier sind diese beiden Modelle derselbe Kauf: ein dünnbesetztes Mixture-of-Experts-Modell mit einer Billion Parametern, offene Gewichte, ein europäischer Anbieter auf der einen und ein chinesischer auf der anderen Seite, und ein Preis pro Token, der wie die entscheidende Spalte aussieht. Sie ist es nicht. Mistral Large 4 und DeepSeek V4 Pro unterscheiden sich erstens darin, was sie akzeptieren, zweitens darin, was man mit ihren Lizenzen bauen darf, und erst drittens bei den Kosten – und der Kostenvergleich selbst ist instabil, denn die eine Seite läuft eine Halbpreisaktion ohne Enddatum, während die andere an jedem Wochentag sieben Stunden lang ihre Tarife verdoppelt.

Diese Neuformulierung ist der nützliche Teil, denn der naheliegende Vergleich – 4,18 $ pro Million Output gegenüber 1,98 $ – ist zugleich wahr und irreführend. Hier steht, was hinter jeder der beiden Seiten tatsächlich steckt.

Die Spezifikationen, Seite an Seite

• Größe — Mistral Large 4 hat laut Mistrals eigener Modellkarte 1,05 Billionen Parameter mit 52 Milliarden aktiven, nach der Auswertung von Artificial Analysis 49 Milliarden, auf einem granular aufgebauten Sparse-MoE mit 128 gerouteten Experten und vier aktiven pro Token. DeepSeek V4 Pro hat 1,6 Billionen mit 49 Milliarden aktiven. Die aktiven Parameterzahlen liegen im selben Bereich; die Gesamtzahlen nicht.

• Modalität — Mistral Large 4 ist von Natur aus multimodal, mit einem Vision-Encoder mit 1,6 Milliarden Parametern, Text und Bild als Eingabe, Text als Ausgabe. DeepSeek V4 Pro ist ein reines Textmodell — in DeepSeeks eigener Preistabelle steht in der Vision-Zeile für Pro „Nicht unterstützt“. Dies ist die erste echte Weggabelung, und sie ist keine Frage des Grades: Ein reines Textmodell kann die Aufgabe überhaupt nicht erledigen.

• Kontext und Ausgabe — Mistrals Datenblatt gibt einen Kontext von 1 Mio. Tokens an; Artificial Analysis hat auf der getesteten Konfiguration 524.288 Tokens gemessen. DeepSeek V4 Pro nennt 1 Mio. Tokens Kontext und eine maximale Ausgabe von 384K. Beide Werte sind auf Mistral-Seite Hersteller-Obergrenzen und auf DeepSeek-Seite eine angegebene, tatsächlich bereitgestellte Obergrenze.

• Lizenz — DeepSeek V4 Pro steht unter MIT, mit veröffentlichten Gewichten und ohne Feld-der-Nutzung-Klausel. Die Gewichte von Mistral Large 4 wurden am 29. Oktober unter der Mistral Ecosystem Open-Weight License veröffentlicht, einem 2.632-Byte-langen abgewandelten MIT-Text, der kommerzielle Nutzung, Änderung und weiteres Training erlaubt, aber ein Geschäftsmodell ausspart: Klausel 2 verlangt, dass jeder, der ein „Model as a Service“-Geschäft betreibt, zuerst eine separate kommerzielle Lizenz unterzeichnet. Ein Gateway, das lediglich Anfragen an bei Dritten gehostete Modelle weiterleitet, fällt unter eine Ausnahme und ist unbedenklich; eine Plattform, die Kunden unmittelbaren Zugriff auf das Modell verschafft, nicht.

• Hosting-Footprint — Mistral Large 4 wird in bf16 mit 1.060,6 GB über 54 Shards ausgeliefert, zusammen mit einem 610,1 GB großen NVFP4-Gegenstück, das laut Mistral auf vier B200- oder B300-GPUs läuft. DeepSeek V4 Pro ist MIT-lizenziert mit 1,6 Billionen Parametern, was es in dieselbe Größenordnung bei der Hardware und eine größere Größenordnung beim Speicher bringt.

• Unabhängige Scores — In Mistrals Model Card werden 26 auf dem Intelligence Index v5 von Artificial Analysis angegeben, und dies wird als der höchste Wert unter westlichen Open-Weight-Modellen bezeichnet. DeepSeek veröffentlicht keine eigene vergleichbare Indexzahl. Uns liegen keine Messwerte mit demselben Instrument und zum selben Datum für beide Modelle vor, und ein Vergleich auf Basis zweier unterschiedlicher Instrumente ist genau der Fehler, den es hier zu vermeiden gilt — Mistrals eigene Vorschau wurde mit 38,4 auf dem Index vor v5 gemeldet, sodass ein naiver Vorher-nachher-Vergleich seiner eigenen Zahlen eine „Regression“ von zwölf Punkten ergibt, die es nicht gibt.

Die beiden Preisformen sind nicht dieselbe Art von Zahl.

Hier hört der Vergleich auf, Arithmetik zu sein, und wird zur Terminplanung.

Mistral Large 4 hat eine einheitliche Preisgestaltung: 1,36 $ pro Million Eingabe-Tokens, 0,14 $ für zwischengespeicherte Eingabe, 4,18 $ für Ausgabe. Derzeit läuft eine Einführungsaktion zu genau der Hälfte dieser Preise – 0,68 $, 0,07 $, 2,09 $ – ohne veröffentlichtes Enddatum. Der Listenpreis ist stabil, der effektive Preis nicht, und welchen der beiden Sie zahlen, hängt von einem Datum ab, das niemand angekündigt hat.

DeepSeek V4 Pro wird nach Uhrzeit abgerechnet: 0,66 $ für Eingaben und 1,98 $ für Ausgaben außerhalb der Stoßzeiten; in zwei Werktagsfenstern – 01:00–04:00 und 06:00–10:00 UTC, Montag bis Freitag, ausgenommen chinesische Feiertage – verdoppelt sich der Preis auf 1,32 $ und 3,96 $. Der Listenpreis entspricht dem Spitzenpreis zweimal täglich, und der Rabatt gilt für die übrige Zeit.

Stellt man ihre besten veröffentlichten Preise nebeneinander, ist Mistrals Aktionspreis für Output (2,09 $) nahezu identisch mit DeepSeeks Output-Preis außerhalb der Spitzenzeiten (1,98 $). Im schlechtesten Fall liegt Mistrals Listenpreis für Output (4,18 $) nahe an DeepSeeks Output-Preis zu Spitzenzeiten (3,96 $) — doch DeepSeeks Spitzenzeit dauert sieben Stunden am Tag, und Mistrals Listenpreis gilt, sobald die Aktion endet. Keine der beiden Zahlen ist die maßgebliche Zahl.

Eine abgedruckte Gegenüberstellung macht die Verhältnisse konkret. Auf Mistrals eigener API-Preisseite wird DeepSeek V4.1 Flash 1017 mit 0,30 US-Dollar pro Million Eingabe-Tokens und 1,20 US-Dollar pro Million Ausgabe-Tokens aufgeführt – exakt DeepSeeks Spitzenpreis, pauschal abgerechnet. Dasselbe Modell ist auf der Preisseite eines Wiederverkäufers doppelt so teuer wie DeepSeeks Nebenzeittarif und nie günstiger als dessen Spitzentarif. Das ist kein Seitenhieb gegen Mistrals Preisgestaltung; es zeigt, wie Weiterverkauf aussieht, wenn der vorgelagerte Anbieter seine eigenen Tarife zweimal täglich anpasst.

Was eine Aufgabe jeweils kostet

Eine Million Eingabe-Tokens und 100.000 Ausgabe-Tokens, die Form eines Dokumentendurchlaufs mit einer echten Antwort am Ende:

• Mistral Large 4 zum Listenpreis — 1,36 $ für Eingabe plus 0,418 $ für Ausgabe: etwa 1,78 $.

• Mistral Large 4 im Angebot — etwa 89 Cent.

• DeepSeek V4 Pro außerhalb der Stoßzeiten — 0,66 $ plus 0,198 $: etwa 86 Cent.

• DeepSeek V4 Pro in einem Spitzenzeitfenster — etwa 1,72 US-Dollar.

Dieselbe Aufgabe kostet daher je nach Anbieter und Stunde zwischen 86 Cent und 1,78 US-Dollar – eine Spanne von etwa Faktor 2, die nichts damit zu tun hat, welches Modell besser ist. Wenn sich Ihre Arbeitslast zeitlich verschieben, aber nicht das Modell wechseln lässt, ist DeepSeeks Zeitplan ein Hebel, den Sie kontrollieren; wenn sie sich nicht zeitlich verschieben lässt, ist Mistrals Sonderangebot ein Rabatt, den Sie erhalten, aber nicht einplanen können.

Wo die Entscheidung tatsächlich kippt

Drei Fragen, und zwar in der Reihenfolge, in der es geklärt wird.

Brauchen Sie Bilder? Wenn ja, ist der Vergleich entschieden: DeepSeek V4 Pro ist reiner Text, und die Mistral-Seite ist die einzige Seite, die ein Bild akzeptiert. Wenn nein, ist dies die einzige Dimension, in der die beiden wirklich austauschbar sind, und der Rest der Liste entscheidet.

Verkaufen Sie Rohzugriff weiter? Wenn Sie ein Produkt entwickeln, dessen Funktionen das Modell aufrufen, sind beide Lizenzen in Ordnung. Wenn Sie eine API bereitstellen, die Kunden das Modell selbst ausliefert, verlangt Mistrals Klausel 2 eine kommerzielle Vereinbarung, DeepSeeks MIT-Lizenz hingegen nicht. Das ist ein rechtlicher Unterschied mit einem Preisschild, das keiner der beiden Anbieter veröffentlicht.

Lässt sich Ihre Arbeitslast planen? Wenn es sich um Batch-Verarbeitung handelt, ist ein DeepSeek-Off-Peak-Tarif schlichte Arithmetik, die Sie durchrechnen können. Wenn sie interaktiv ist und sich auf die Arbeitszeiten einer Region konzentriert, zahlen Sie Spitzenpreise, ob Sie es wollten oder nicht, und ein Anbieter mit Festpreisen ist mehr wert als ein günstigerer, den Sie zur richtigen Stunde nicht erreichen können.

Das Einzige, was darüber nicht entscheiden sollte, ist ein Ranglistenplatz. Mistrals 26 auf dem Intelligence Index v5 ist ein vom Anbieter gemeldeter Messwert eines Instruments, das sich am 27. Oktober selbst neu aufgebaut hat; DeepSeek veröffentlicht keine vergleichbare Zahl. Zwei Zahlen aus zwei Instrumenten sind kein Vergleich, sondern ein Diagramm.

Was Sie heute anrufen können

DeepSeek V4 Pro ist auf OrcaRouter zu DeepSeeks eigenem veröffentlichten Tarif verfügbar — $0.66 pro Million Input-Tokens und $1.98 pro Million Output-Tokens außerhalb der Spitzenzeiten, wobei sich dies genau verdoppelt, wie in DeepSeeks Preisblatt definiert — über denselben OpenAI-kompatiblen Endpunkt und denselben Schlüssel wie für einen Katalog mit 224 Modellen, mit automatischem Failover über Anbieterpfade hinweg. Mistral Large 4 ist zum Zeitpunkt der Veröffentlichung nicht in diesem Katalog enthalten, daher ist dies keine Route, die wir dafür anbieten können; es ist über Mistrals eigene API und Drittanbieter-Hosts aufrufbar.

Für ein Team, das zwischen beiden wählt, lautet die ehrliche Reihenfolge: nach Modalität und Lizenz auswählen, dann die Token-Effizienz jedes einzelnen auf dem eigenen Traffic messen, dann den Zeitplan festlegen. Die Preisdifferenz zwischen beiden ist real, aber sie ist bei den Tarifen, die Ihnen tatsächlich berechnet werden, kleiner als bei den Tarifen auf den beiden Marketingseiten – und der Teil, der wirklich anders ist, ist das, was jede Lizenz Ihnen im Anschluss zu bauen erlaubt.