Mistral Large 4 vs. Llama 4 Maverick: Eine Generationslücke, keine Preislücke

Mistral Large 4 und Llama 4 Maverick sind dieselbe Art von Objekt und nicht dieselbe Generation eines Objekts. Beide sind sparse Mixture-of-Experts-Modelle mit einem Kontextfenster von einer Million Tokens laut Modellkarte, beide verarbeiten sowohl Bilder als auch Text, und beide lassen sich herunterladen und auf eigener Hardware ausführen. Maverick erschien am 5. April 2025 mit insgesamt 400 Milliarden Parametern, davon 17 Milliarden aktiv. Mistral Large 4 wurde am 6. Oktober 2026 als Preview vorgestellt und veröffentlichte seine Gewichte am 29. Oktober, mit insgesamt 1,05 Billionen Parametern, davon 52 Milliarden aktiv. Neunzehn Monate liegen zwischen ihnen. Beim Medianpreis auf Mavericks Hosting-Markt liegt auch der Kostenunterschied zwischen ihnen bei nur etwa dem 1,3-Fachen – was kaum jemand über ein so altes Modell hören dürfte.

Die kurze Antwort, bevor die Einschränkungen kommen

Wenn Sie Ende 2026 ein neues Projekt starten und Reasoning, die Arbeit mit langen Dokumenten oder agentisches Coding benötigen, ist Mistral Large 4 das bessere Modell – und das teurere. Wenn Sie ein Open-Weight-Modell benötigen, das Sie fine-tunen, in einer air-gapped Umgebung betreiben oder bei einer einfachen Extraktionsaufgabe für einen Bruchteil eines Cents pro Anfrage aufrufen können, ist Llama 4 Maverick weiterhin eine vertretbare Wahl – nicht weil es bei der Leistungsfähigkeit konkurrenzfähig ist, sondern weil die Arbeitslast möglicherweise keine Leistungsfähigkeit erfordert. Der Fehler besteht darin, einen Abstand von 19 Monaten als Rivalität zu behandeln. Es ist eine Preisklasse, die zufällig dieselbe Kategorie teilt, und der Preisaspekt ist seltsamer als der Leistungsaspekt.

Die Zahlen nebeneinander

• Gesamtparameter – Mistral Large 4 hat 1,05 Billionen über 128 geroutete Experten plus einen gemeinsamen Experten, gegenüber 402 Mrd. bei Llama 4 Maverick über 128 Experten, von Meta mit 400 Mrd. angegeben.

• Aktive Parameter — 52B pro Token bei Mistral Large 4 (49B für den Sprach-Stack; zählt man Embeddings und Ausgabeschichten hinzu, kommt man auf 52B) gegenüber 17B bei Llama 4 Maverick, sodass der Unterschied beim Rechenaufwand pro Token etwa drei zu eins beträgt.

• Kontext — 1 Mio. Token werden bei beiden beworben; was ein Host tatsächlich ausliefert, ist eine andere Zahl, und ein späterer Abschnitt handelt davon.

• Modalität — Text und Bild als Eingabe, Text als Ausgabe, bei beiden. Der Vision-Encoder von Mistral Large 4 hat 1,6 Mrd. Parameter; der Early-Fusion-Encoder von Maverick wird in Metas veröffentlichten Zahlen nicht separat ausgewiesen.

• Reasoning — Mistral Large 4 bietet eine Leiter mit niedrigem, mittlerem und hohem Aufwand, wobei hoch der Standard ist. Das Spezifikationspanel von Artificial Analysis führt Llama 4 Maverick als völlig ohne Reasoning-Modus auf.

• Preis pro Million — $0,70 für Eingabe und $2,10 für Ausgabe direkt von Mistral, bei gecachter Eingabe $0,07, gegenüber gar keinem Listenpreis aus erster Hand für Maverick, weil Meta es nicht verkauft. Hosts verlangen nur $0,17 für Eingabe und $0,60 für Ausgabe; Artificial Analysis gibt den Anbieter-Median mit $0,50 und $1,68 an.

• Lizenz — die Mistral Ecosystem Open-Weight License, ein modifiziertes MIT mit einer Ausnahme für Model-as-a-Service, gegenüber der Llama 4 Community License mit ihrer Schwelle von 700 Millionen monatlich aktiven Nutzern.

• Veröffentlichung — 29. Oktober 2026 für den Mistral Large 4 Checkpoint, gegenüber 5. April 2025 für Llama 4 Maverick, mit einem Wissensstichtag im August 2024.

Der Benchmark-Kampf findet zwischen zwei verschiedenen Herrschern statt.

Suche nach diesem Duell, und du wirst Seiten finden, die behaupten, Mistral Large 4 erreiche 38,0 im Artificial Analysis Intelligence Index, während Maverick bei 14,3 liege, und andere Seiten, die behaupten, Maverick gewinne neun von elf Benchmarks. Beide Zahlenreihen sind in dem Sinne echt, dass irgendjemand sie veröffentlicht hat. Keine von beiden ist ein Vergleich.

Im aktuellen Artificial Analysis Intelligence Index v5, der am 27. Oktober 2026 neu aufgebaut wurde, erreicht Mistral Large 4 in der hohen Reasoning-Stufe 26 und in der mittleren 23. Die 38,0, die man zitiert sieht, ist sein Wert im vorherigen Build v4.3.2 aus der Oktober-Vorschau; dieser Wert lässt sich nicht von irgendetwas abziehen, das nach dem Neuaufbau gemessen wurde – der Index hat sich geändert, nicht nur das Modell. Maverick hat indes überhaupt keinen Indexwert für v5. Auf seiner Artificial Analysis-Seite steht „N/A“ dort, wo der Intelligenzwert stehen sollte, zusammen mit einer Geschwindigkeit von 62,7 Ausgabe-Tokens pro Sekunde und dem Hinweis, dass es für seine Klasse langsamer als der Durchschnitt ist. Die Zahl 14,3, die auf Vergleichsseiten kursiert, stammt aus der Zeit vor dem Neuaufbau.

Was messbar ist, ist enger und ehrlicher. Mistral meldet 41 % bei Terminal-Bench 4.0, gegenüber 28 % in der Vorschau; 61,7 % bei DeepSWE v1.1; 79 % bei CyberGym-E2E; und 51 beim Artificial Analysis Cyber Index, den dritten Platz unter den Open-Weight-Modellen. Alle diese Werte außer dem Cyber Index sind vom Anbieter gemeldet und beruhen auf Mistrals eigenem Agenten-Scaffold, und insbesondere der Terminal-Bench-Wert wurde deutlich niedriger reproduziert – 24,7 % –, wenn dieselben Gewichte auf dem neutralen mini-swe-agent-Harness von Artificial Analysis laufen. Die veröffentlichten Zahlen von Maverick stammen von April 2025 und verwenden eine gänzlich ältere Suite: 85,5 MMLU, 80,5 MMLU-Pro, 69,8 GPQA Diamond, 91,6 DocVQA, alle von Meta zum Launch gemeldet. Es gibt kein gemeinsames Harness, in dem beide ausgeführt wurden, daher ist die einzig belastbare Aussage eine tendenzielle: Das neuere, größere, auf Reasoning trainierte Modell ist bei schwierigen Aufgaben besser, und zwar um einen Wert, den niemand für beide sauber gemessen hat.

Was eine Million Tokens bei jedem tatsächlich bringt

Das Kontextfenster ist der Bereich, in dem die beiden Modelle im Produktivbetrieb am ähnlichsten erscheinen und sich am unterschiedlichsten verhalten.

Die Modellkarte von Llama 4 Maverick nennt 1.048.576 Token, und das Spezifikationspanel von Artificial Analysis wiederholt 1M. In der Praxis begrenzen die meisten Hosts dies deutlich stärker – 128K ist üblich – und fast keiner bietet dir sowohl das volle Fenster als auch ein brauchbares Ausgabebudget. Die maximale Ausgabe liegt bei Maverick je nach Anbieter typischerweise bei 8K bis 16K, und Metas eigener gehosteter Endpunkt wurde mit etwa 4K angegeben. Ein „1M-Kontext“-Build auf Maverick ist also in der Regel ein 128K-Build auf einem Drittanbieter-Host, und das erfährst du beim ersten langen Dokument.

Mistral Large 4 gibt 1M über Mistrals eigene API an, was zumindest eine einzige belastbare Zahl ist statt einer Lotterie je Host. Mistrals Dokumentation veröffentlicht keinen Maximalwert für die Ausgabe, daher gilt derselbe Rat: Messen Sie das Paar – Eingabefenster und Ausgabegrenze – an dem Endpunkt, den Sie tatsächlich aufrufen werden, nicht auf der Model Card.

Genau dafür ist ein Router da. OrcaRouter gibt den Listenpreis des Anbieters mit 0 % Aufschlag weiter und führt automatisch ein Failover zwischen Anbietern durch. Ein Host, der still und leise ein Kontextfenster kürzt, erscheint dann als Routing-Entscheidung und nicht als Produktionsvorfall. Weder Mistral Large 4 noch Llama 4 Maverick sind heute in unserem Katalog, das ist also ein Argument dafür, wie man das Open-Weight-Modell betreibt, für das man sich entscheidet, und keine Behauptung, dass wir diese beiden anbieten.

Die Rechnung, nachgerechnet — und warum die Spanne die eigentliche Geschichte ist

Nehmen Sie eine bescheidene Produktionslast an: 100 Millionen Eingabe-Tokens und 40 Millionen Ausgabe-Tokens pro Monat.

• Mistral Large 4 zum Listenpreis — 100 × 0,70 $ sind 70 $, und 40 × 2,10 $ sind 84 $, also 154 $ pro Monat.

• Llama 4 Maverick beim Anbieter-Median — 100 × 0,50 $ sind 50 $, und 40 × 1,68 $ sind 67,20 $, also 117,20 $ pro Monat.

• Llama 4 Maverick bei einem wettbewerbsfähigen Host – rund 0,25 $ und 0,92 $ bringen dieselbe Workload auf 61,80 $.

• Llama 4 Maverick bei den günstigsten Hosts – rund $0.17 und $0.60 ergeben $41.

Das Verhältnis gegenüber Mistral Large 4 reicht also von 1,3-mal beim Median bis zu etwa 3,8-mal am unteren Ende des Marktes. Diese Spanne ist keine Eigenschaft des Modells. Sie ist eine Eigenschaft davon, wo man Maverick kauft, und sie ist größer als die Lücke zwischen den beiden Modellen in der Mitte der Verteilung. Ein Team, das auf dem günstigen Host benchmarkt und seine Budgetplanung am Median ausrichtet, hat einen 3-fachen Fehler in seine eigene Prognose eingebaut.

Stellen Sie das der Fähigkeit gegenüber, die Sie derzeit nicht paarweise messen können, und die Entscheidung ist keine reine Rechenaufgabe mehr. Die sinnvolle Betrachtungsweise sind Kosten pro abgeschlossener Aufgabe, nicht Kosten pro Token: Wenn Mistral Large 4 eine Aufgabe in einem Durchgang erledigt, die bei Maverick drei Versuche und eine Reparaturschleife benötigt, verschwindet selbst der Medianunterschied von 1,3×. Das ist eine Behauptung, die Sie an Ihren eigenen Aufgaben testen müssen, und es ist das mit Abstand wertvollste Experiment, das Sie diesen Monat mit einem der beiden Modelle durchführen können.

Was niemand laut ausspricht: Maverick ist das letzte offene Llama.

Llama 4 Maverick wurde nicht eingestellt. Es ist weiterhin auf Hugging Face verfügbar, steht nach wie vor unter der Llama 4 Community License und wird noch immer breit für On-Premises- und luftisolierte Umgebungen eingesetzt. Doch es ist das Ende einer Linie. Metas Frontier-Entwicklung verlagerte sich 2026 auf die geschlossene Muse-Spark-Familie, und kein Llama 5 wurde ausgeliefert – die Seiten, die behaupten, eines sei erschienen, enthalten Spezifikationen, die einander und Metas eigenen Ankündigungen widersprechen. Die Investitionen in die offene Llama-Schiene sind faktisch eingestellt worden.

Das ändert, was „Maverick auswählen“ bedeutet. Es bedeutet nicht, ein Modell auszuwählen, das sich verbessern wird; es bedeutet, ein Modell auszuwählen, das genau so bleibt, wie es ist, während die Tooling-Umgebung um es herum langsam driftet. Für ein feinabgestimmtes, eingefrorenes, eingesetztes System ist das in Ordnung – wohl sogar ein Vorteil, weil sich unter Ihnen nichts bewegt. Für eine Plattform, auf der Sie wachsen möchten, ist es eine Sackgasse mit zwei Jahren Restlaufzeit. Beachten Sie, dass der Wissensstichtag August 2024 ist: Das Modell hat nie etwas gesehen, das danach passiert ist, und kein noch so ausgefeiltes Prompt-Engineering wird das beheben.

Mistral Large 4 hat das entgegengesetzte Risikoprofil. Das Open-Weight-Release ist erst sechs Tage alt, seine Dokumentation bezeichnet es weiterhin als Public Preview, und seine Lizenz verlangt eine kommerzielle Vereinbarung, wenn man Inferenz darauf weiterverkaufen möchte. Jung und in Bewegung, mit Bedingungen, die man lesen muss, bevor man ein Geschäft darauf aufbaut.

Wo Maverick weiterhin gewinnt

Drei Fälle, und keine kleinen.

Der erste Punkt ist die Hardware. Mavericks 400B Parameter passen bei FP8 in etwa 373 GB, was einem einzelnen Knoten mit acht H100- oder H200-GPUs entspricht. Der FP8-Checkpoint von Mistral Large 4 umfasst etwa 1,06 TB über 54 Shards, und Mistral sagt, dass der quantisierte NVFP4-Build auf vier B200- oder B300-GPUs läuft. Wenn Ihre Bereitstellung ein Knoten in einem Rack ist, das Sie bereits besitzen, wurde die Entscheidung für Sie getroffen.

Der zweite Punkt ist Feintuning. Maverick verfügt seit neunzehn Monaten über Community-LoRAs, Quantisierungsrezepte und Serving-Anleitungen. Mistral Large 4 gibt es seit sechs Tagen. Die Ökosystem-Lücke ist real, und sie wird in Debugging-Stunden gemessen, nicht in Benchmarks.

Der dritte Punkt ist die Aufgabenform. Klassifizierung, Extraktion, Routing, Zusammenfassung kurzer Dokumente, Bildbeschreibung in großem Umfang – nichts davon braucht ein Reasoning-Modell mit einer Billion Parametern, und all das wird mit einem Modell mit 17 Mrd. aktiven Parametern günstiger. Für Reasoning-Tokens, die man nie nutzt, einen Aufpreis zu zahlen, ist der häufigste Weg, wie Teams bei der Modellauswahl Geld verschwenden.

Wenn Sie ein aktuelles Open-Weight-Modell suchen, das keines von beiden ist, enthält der OrcaRouter-Katalog Kimi K3 und GLM-5.3-Flash, beide über denselben API-Schlüssel abrufbar wie der Rest der über 200 Modelle, die wir routen, zum Listenpreis des Anbieters ohne Aufschlag. Sie rahmen diesen Vergleich ein, statt mittendrin zu stehen — GLM-5.3-Flash ist mit $0.15 für Eingabe und $0.50 für Ausgabe gelistet, deutlich unter beiden Modellen hier, während Kimi K3 mit $3.00 und $15.00 gelistet ist, deutlich über beiden. Keines ist ein Ersatz für die beiden in diesem Beitrag, aber sie sind die zwei naheliegenden Anlaufstellen, wenn keines der beiden Enden passt.

Wie man sich an einem Nachmittag entscheidet

Zieh zwanzig echte Aufgaben aus deinen Logs. Lass sie mit denselben Prompts und demselben Output-Cap durch beide Modelle laufen und bewerte sie danach, ob die Ausgabe ohne menschliche Nachbearbeitung brauchbar war. Halte die Tokens fest, die jede davon verbraucht hat, multipliziere sie mit den oben genannten Preisen und teile das durch die Anzahl der brauchbaren Ergebnisse. Das ergibt die Kosten pro brauchbarem Ergebnis – die einzige Zahl, die den Kontakt mit einem Budget übersteht.

Meine Erwartung, als Erwartung und nicht als Feststellung formuliert: Mistral Large 4 gewinnt die schwierige Hälfte dieses Sets und verliert die leichte Hälfte kostenmäßig, und die Trennlinie liegt genau dort, wo Ihre Aufgaben kein mehrstufiges Schlussfolgern mehr erfordern. Maverick ist nicht das bessere Modell. Es ist das günstigere im Median, solange günstig ausreicht – und nach neunzehn Monaten ohne Nachfolger ist das eine Wette mit sichtbarem Verfallsdatum.