Mistral Large 4 vs GPT-6.1 Sol: Einen kann man herunterladen, den anderen nur mieten

Nahezu jeder Vergleich von Mistral Large 4 und GPT-6.1 Sol im offenen Web zitiert Zahlen, die am 27. Oktober nicht mehr existierten. Die Seiten nennen 38 und 52. Artificial Analysis hat seinen Intelligence Index an jenem Tag auf die v5-Serie umgestellt, die Modelle neu durchlaufen lassen und veröffentlicht jetzt 26 für Mistral Large 4 gegenüber 55 für GPT-6.1 Sol. Das ist keine Veränderung an einem der beiden Modelle – es ist ein anderes Messinstrument, mit neun Evaluierungen statt des alten Sets und einer deutlich schwierigeren Mischung – doch es bedeutet, dass die Lücke, von der du möglicherweise gelesen hast, vierzehn Punkte, jetzt auf dem Papier neunundzwanzig beträgt und nicht mit irgendetwas von vor dem Umbau vergleichbar ist. Vergleiche über verschiedene Index-Läufe hinweg sind der häufigste Fehler in dieser Nische, und es lohnt sich, das aktuelle Paar richtigzustellen, bevor man über irgendetwas anderes streitet.

Was diesen Vergleich interessanter macht als einen Punktunterschied, ist, dass die beiden Produkte heute Morgen aufgehört haben, dieselbe Art von Sache zu sein. GPT-6.1 Sol ist ein gemietetes Modell, seit OpenAI es am 29. September 2026 für 2,00 $ und 10,00 $ pro Million Tokens auf den Markt gebracht hat; man ruft es auf, man kann es nicht behalten. Mistral Large 4, am 6. Oktober 2026 als Vorschau vorgestellt, veröffentlichte seine Gewichte am 29. Oktober 2026 um 14:51 UTC — 1.060,6 GB in FP8 und 610,1 GB in NVFP4, offen zum Download, unter einer modifizierten MIT-Lizenz. Eines dieser Modelle hat einen Zähler, der nie stoppt. Der Zähler des anderen endet an dem Tag, an dem man die Hardware kauft. Das ist die Entscheidung, und die Benchmark-Tabelle ist nur die Folge davon.

Zwei Produkte, zwei Termine, eines davon fertiggestellt

Die Asymmetrie ist keine Haarspalterei über den Reifegrad – sie verändert, welche Fragen es wert sind, gestellt zu werden. GPT-6.1 Sol ist ein ausgeliefertes, dokumentiertes, unabhängig gemessenes Modell, für das zehn API-Anbieter gelistet sind. Seine Preisliste steht fest, sein 1M-Kontext ist dokumentiert, und seine Position in OpenAIs Produktpalette liegt unter dem Flaggschiff Astra und nicht an der Spitze. Mistral Large 4 war dreiundzwanzig Tage lang eine API-Vorschau, und heute ist daraus eine Datei geworden. Seine gehostete Preisliste steht fest bei 0,70 $ Eingabe und 2,10 $ Ausgabe pro Million Tokens, und seine Zukunft liegt nun teilweise in den Händen derjenigen, die es betreiben, statt in Mistrals Roadmap.

Die sechs Zeilen, die zählen

Gleiche Dimensionen auf beiden Seiten, aktuelle Messgröße, entnommen den beiden Modellseiten von Artificial Analysis und der eigenen Dokumentation der Anbieter am 29. Oktober 2026:

• Intelligenz-Index — GPT-6.1 Sol 55 (v5-Serie, Platz sieben von 54 in ihrer Vergleichsklasse); Mistral Large 4 26 (Platz acht von 19 in einer anderen Klasse — die beiden Platzierungen sind nicht auf derselben Skala).

• Kosten pro Index-Aufgabe — GPT-6.1 Sol 1,27 $; Mistral Large 4 2,06 $.

• Token-Preis — GPT-6.1 Sol: 2,00 $ Eingabe / 10,00 $ Ausgabe pro Million, mit einer Staffel von 4,00 $ / 15,00 $ über 272.000 Eingabe-Tokens; Mistral Large 4: 0,70 $ Eingabe / 0,07 $ Cache / 2,10 $ Ausgabe.

• Ausgabegeschwindigkeit — GPT-6.1 Sol 79,1 Token pro Sekunde; Mistral Large 4 161,3.

• Kontext — 1M Token bei beiden, bei beiden dokumentiert.

• Bereitstellung — GPT-6.1 Sol: nur gehostet, Gewichte zu keinem Preis. Mistral Large 4: gehostet oder selbst gehostet, 610,1 GB in NVFP4, acht GPUs der Blackwell-Klasse im veröffentlichten vLLM-Rezept.

Der Index ist ein Durchschnitt, und Durchschnitte verbergen die Form einer Lücke. In den einzelnen Zeilen von Artificial Analysis ist die Aufteilung ungleichmäßig statt durchgängig schlecht: HLE-Diamond 17 % gegenüber 59 %, Terminal-Bench-Science 0.1 bei 4 % gegenüber 58 %, FrontierCode 2.0 bei 15 % gegenüber 41 %, Terminal-Bench 4.0 bei 25 % gegenüber 56 % und GDPpdf bei 18 % gegenüber 31 %. Mistral Large 4 liegt nicht bei jeder Aufgabe um neunundzwanzig Punkte zurück; es liegt bei den Evaluierungen, die anhaltendes mehrstufiges Reasoning belohnen, deutlich zurück und bei kürzerer Einzeldurchlauf-Arbeit etwa gleichauf. Wenn Ihre Arbeitslast wie die zweite Art aussieht, ist der Durchschnitt die falsche Zahl, auf die man setzen sollte. Wenn sie wie die erste aussieht, schließt kein Rabatt sie.

Warum sich die Zahlen verschoben haben und warum das kein Skandal ist

Der v5-Umbau ließ das gesamte Feld erneut auf einem neuen Evaluationsset laufen, und etwa 60 % davon sind privat – Fragen, die vor dem Umbau nicht öffentlich verfügbar waren. Die Modelle bewegten sich nicht alle in dieselbe Richtung: Manche fielen stark ab, andere stiegen. Dass Mistral Large 4 von 38 auf 26 fällt und GPT-6.1 Sol von 52 auf 55 steigt, sind zwei Lesarten desselben Ereignisses, und beides bedeutet nicht, dass ein Anbieter ein schlechtes Quartal hat. Die daraus folgende Regel ist einfach und lässt sich leicht versehentlich brechen: Ziehe niemals einen Score aus einem Indexlauf von einem Score aus einem anderen ab, und zitiere niemals eine Lücke, deren beide Hälften eine Woche auseinander gemessen wurden. Die Lücke, die heute besteht, beträgt neunundzwanzig Punkte auf einem einzigen Instrument.

Neunundzwanzig Punkte sind eine Menge, und sie erzählen auch nicht die ganze Geschichte. Ein Index von 26 beschreibt ein Modell, das bei allgemeinen Arbeiten kompetent und am schwierigen Ende unauffällig ist; ein Index von 55 beschreibt eines der stärksten verfügbaren Modelle. Wenn Ihre Arbeitslast aus agentischem Coding über ein großes Repository besteht, ist die Antwort bereits entschieden, und kein Preisargument ändert daran etwas. Der Rest dieses Beitrags behandelt die Arbeitslasten, bei denen das nicht entschieden ist.

Die Rücknahme hat den Rebase überlebt.

Der einzige Befund aus der Oktober-Vorschauphase, der unter dem neuen Instrument Bestand hatte, ist die Umkehrung der Kosten pro Aufgabe – und er hielt auch mit frischen Zahlen stand. Mistral Large 4 berechnet etwa ein Drittel des Eingabepreises von GPT-6.1 Sol und ein Fünftel seines Ausgabepreises und kostet trotzdem 62 % mehr, um dieselbe Evaluierungsaufgabe abzuschließen – $2.06 gegenüber $1.27. Das ist kein Preistrick. Die Rechnung eines Reasoning-Modells wird vor allem davon bestimmt, wie viele Tokens es auszugeben beschließt, und Mistral Large 4 gibt sehr viele aus: Artificial Analysis verzeichnet in seiner Stichprobe zur Ausführlichkeit 110 Millionen Ausgabe-Tokens gegenüber einem Median von 100 Millionen, während GPT-6.1 Sol bei 64 Millionen liegt, also unter dem Median. Günstigere Tokens mal mehr Tokens sind keine Ersparnis, und die Rechnung wird das auch so ausweisen.

Die praktische Konsequenz ist enger gefasst als „das günstige Modell ist heimlich teuer“. Für Arbeit mit kurzer Ausgabe – Klassifikation, Extraktion, Routing, alles, was nach zweihundert Tokens endet und nie in eine Reasoning-Schleife eintritt – ist der Tokenpreis die Rechnung, und 0,70 $ gegenüber 2,00 $ sind das ganze Argument. Die Umkehrung schlägt beim Reasoning über lange Horizonte zu, und genau dort liegt auch die Lücke von neunundzwanzig Punkten. Zwei verschiedene Messungen, die in dieselbe Richtung zeigen, sind ein Grund, der Richtung zu vertrauen, kein Grund, sie auf jede Arbeitslast zu verallgemeinern.

Geschwindigkeit läuft in die andere Richtung, und Geduld ebenso.

Mistral Large 4 ist bei der Ausgabe mehr als doppelt so schnell: 161,3 Token pro Sekunde gegenüber 79,1. Außerdem liefert es das erste Token in 1,42 Sekunden und ist damit etwas besser als der Median von 1,68 Sekunden in seiner Vergleichsgruppe. Der veröffentlichte Wert von GPT-6.1 Sol für die Zeit bis zum ersten Antwort-Token beträgt 249,48 Sekunden, gegenüber einem Median von 3,53 Sekunden – eine Zahl, die eher erklärt als zitiert werden muss.

Diese 249 Sekunden sind fast sicher keine Latenz im Netzwerk-Sinn. Es ist die Zeit, die das Modell mit Reasoning verbringt, bevor es das erste Antwort-Token ausgibt, gemessen bei maximalem Reasoning-Aufwand, und es ist die ehrliche Art zu zeigen, was ein langes Reasoning-Budget einen wartenden Nutzer kostet. Unsere eigenen Routing-Daten machen den Unterschied konkret: Über 584,7 Millionen GPT-6.1-Sol-Tokens, die in den sieben Tagen bis zum 29. Oktober durch OrcaRouter liefen, betrug die p50-Zeit bis zum ersten gestreamten Token 1,36 Sekunden, während die p95-Zeit 10 Sekunden betrug. Das erste Token kommt schnell; es ist die erste Antwort, die Minuten dauert, und die Flags in der API entscheiden, welche Erfahrung Ihre Nutzer machen. Wenn Ihre Anwendung Reasoning-Tokens streamt, ist die Wartezeit gefüllt und erträglich. Wenn nicht – wenn ein Nutzer auf einen Spinner starrt, bis die erste Antwort eintrifft – dann ist ein erstes Token nach vier Minuten eine Produkteinschränkung, die kein Benchmark-Ergebnis ausgleicht, und ein Modell, das in 1,4 Sekunden antwortet, wird sich besser anfühlen als eines, das neunundzwanzig Index-Punkte stärker ist. Das ist die Achse, auf der das günstigere, schlechter bewertete Modell in echten Deployments am häufigsten gewinnt, und sie taucht in keiner Vergleichstabelle auf.

Was sich heute Morgen geändert hat: Der Zähler endet.

Bis heute war das Argument für Self-Hosting von Mistral Large 4 ein Versprechen, und Versprechen überstehen keine Beschaffungsprüfung. Jetzt ist es ein Repository. Zwei Checkpoints, eine Lizenzdatei und ein vom Hersteller veröffentlichtes Serving-Rezept: vLLM mit Tensor-Parallelität 8 und einem FP8-MLA-KV-Cache, SGLang mit tp-size 4, beide mit einem eingebetteten DSpark-Draft-Head für spekulative Dekodierung statt eines zweiten Modells.

Was man damit kauft, ist kein günstigerer Token – es ist das Ende des Tokens als Kosteneinheit. Auf eigener Hardware werden aus der Rechnung Abschreibung, Strom, Rackplatz und der Ingenieur, der den Cluster betreibt, und eine Workload mit hohem, gleichmäßigem Volumen wandelt sich von einem variablen in einen fixen Kostenfaktor. Das ist das Argument für eine europäische Bank mit Datenresidenz-Regel, ein Verteidigungsunternehmen, dessen Beschaffung ausländische Inferenz verbietet, oder einen Hersteller, der ein Modell fünf Jahre lang in eine Produktlinie einbettet. Es ist kein Argument für ein Start-up mit stark schwankendem Traffic und ohne Betriebsteam: 610 GB Gewichte, acht Blackwell-GPUs und ein KV-Cache mit 1 Mio. Tokens sind ein Investitionsvorhaben, und der gehostete Satz von 0,70 US-Dollar ist über einen sehr langen Zeitraum günstiger als das Kapital.

Die Lizenz ist der Teil, den viele überspringen. Sie ist eine modifizierte MIT-Lizenz mit einer einzigen entscheidenden Klausel: Wer die Gewichte als Model-as-a-Service-Angebot betreibt, benötigt eine separate kommerzielle Lizenz von Mistral. Lies die Definition jedoch sorgfältig – sie schließt eingebettete Endnutzerprodukte und die „bloße Weiterleitung von Anfragen an Modelle, die von Dritten gehostet werden“ aus. Ein Gateway, das Verkehr an von Mistral gehostete Inferenz weiterleitet, ist also ausgenommen, während ein Unternehmen, das seine eigene Inferenzfarm aufbaut und Zugriff weiterverkauft, nicht ausgenommen ist. Wenn dein Plan „herunterladen und Anbieter werden“ lautet, lies die Klausel, bevor du das Angebot für die Hardware einholst.

Wo jede einzelne tatsächlich die richtige Antwort ist

• Agentisches Coding, langfristige Tool-Nutzung, Arbeit in großen Repositories — GPT-6.1 Sol. Genau hier ist die Index-Lücke am größten, und der Preisaufschlag ist der Preis dafür, richtig zu liegen.

• Extraktion und Klassifizierung mit hohem Volumen und kurzer Ausgabe — Mistral Large 4 bei $0,70 Input. Die Reasoning-Obergrenze wird nie erreicht, daher greift die Index-Lücke nie.

• Reguliertes, an Rechtsräume gebundenes Deployment — Mistral Large 4, und zwar nicht, weil es besser ist. GPT-6.1 Sol lässt sich zu keinem Preis selbst hosten, was den Vergleich beendet.

Interaktive Assistenten, bei denen das erste Token das Produkt ist – Mistral Large 4 auf Geschwindigkeit, es sei denn, Sie streamen Reasoning und können die Wartezeit verkraften.

• Defensives Sicherheits-Tooling — Mistral Large 4, gestützt auf eine vom Anbieter gemeldete Ablehnungsquote von 96,6 % bei bösartigen Cyber-Anfragen und einen Cyber-Benchmark-Satz, um den herum Mistral seine Markteinführung organisierte. Diese Zahlen stammen von Mistral, nicht von einem unabhängigen Labor, und sollten als Behauptungen behandelt werden, bis jemand sie erneut überprüft.

• Alles, bei dem die Antwort richtig sein muss und das Latenzbudget großzügig bemessen ist — GPT-6.1 Sol. Neunundzwanzig Punkte sind kein Rundungsfehler.

Wenn Sie beide ausführen möchten

Gemischte Umgebungen sind bei einem solchen Vergleich das normale Ergebnis, und die operative Frage lautet, wie zwei sehr unterschiedliche Modelle hinter einer einzigen Abrechnung stehen. GPT-6.1 Sol ist auf OrcaRouter zu genau dem Listenpreis von OpenAI — 2,00 $ und 10,00 $ pro Million Tokens, wobei die Stufe über 272K bei 4,00 $ und 15,00 $ liegt — mit 0 % Aufschlag geroutet, sodass der Tarif, den Sie sehen, der Tarif ist, den OpenAI berechnet. Mistral Large 4 ist nicht in unserem Katalog: 214 Modelle, kein Mistral-Endpunkt, und wenn Sie es aufrufen möchten, gehen Sie zu Mistrals eigener API oder zu Ihrer eigenen vLLM-Bereitstellung. Was die Plattform für die gehostete Hälfte jedoch bietet, ist die Routing-DSL — eine Workload auf ein Modell ausrichten und sie ohne Codeänderung verschieben — sowie automatisches Failover, das es überhaupt erst tragbar macht, ein neues Modell auf einem Produktionspfad auszuprobieren. Binden Sie den selbst gehosteten Endpunkt in dasselbe Muster ein, und die beiden Hälften dieses Vergleichs sind keine Entscheidung mehr, die Sie nur einmal treffen müssen.

Zwei Fragen, nicht eine

Die Vergleichsseiten werden Ihnen sagen, dass GPT-6.1 Sol gewinnt, und bei dem einzigen unabhängigen Instrument, das beide Modelle gemeinsam haben, gewinnt es auch – 55 gegen 26, bei 62 % geringeren Kosten pro abgeschlossener Aufgabe und etwas mehr als der Hälfte der Ausgabegeschwindigkeit. Das ist die richtige Antwort auf die Frage „welches Modell besser ist“, und wenn das die einzige Frage wäre, hätte der Markt dies im September geklärt.

Die Frage, die diesen Morgen eröffnet hat, ist eine andere: Welches Modell können Sie in drei Jahren noch betreiben – auf Hardware, die Sie kontrollieren, unter einer Lizenz, die Sie gelesen haben. Für sehr viele Teams wird die Antwort weiterhin lauten: „keines von beiden, wir mieten“ – und dann ist GPT-6.1 Sol die bessere Mietoption. Für diejenigen, bei denen Eigentum statt Leistungsfähigkeit die Einschränkung ist, hat das Modell, das 26 Punkte erzielt, heute aufgehört, ein Kompromiss zu sein, und ist zur einzigen Option auf dem Tisch geworden. Beide Antworten können zugleich richtig sein, weshalb die interessante Arbeit nicht darin besteht, einen Sieger zu küren, sondern zu entscheiden, welche Frage Ihre Organisation tatsächlich stellt.