Mistral Large 4 vs. Claude Opus 5.5: Die einzige Zahl aus dem direkten Vergleich bezieht sich auf die falsche Version

Der einzige blinde Direktvergleich, der für Mistral Large 4 und Claude Opus 5.5 existiert, wurde gegen die vorherige Version eines der beiden gemessen. Surge AI verbarg die Modellidentitäten und ließ professionelle Annotatoren Coding-Output auf einer Skala von 1–5 bewerten; Mistral Large 4 Preview belegte mit 3,74 den zweiten Platz von fünf, hinter Claude Opus 5 mit 4,22 und vor Kimi K3 mit 3,59 und GLM-5.3 mit 3,60. Claude Opus 5.5 wurde am 22. September veröffentlicht, sodass die nächstliegende veröffentlichte menschliche Vergleichsstudie für diese Paarung drei Wochen älter ist als die aktuelle Veröffentlichung des Gegners, und niemand hat sie erneut durchgeführt. Alles andere ist vergleichbar und weist in eine Richtung: Im Intelligence Index von Artificial Analysis steht Mistral Large 4 Preview bei 38,4 und Claude Opus 5.5 steht bei 58 – Erster von 216 Modellen –, während die Kosten für die Bewältigung einer einzelnen Index-Aufgabe 1,13 $ gegenüber 5,98 $ betragen.

Diese beiden Tatsachen bestimmen die gesamte Entscheidung. Die Fähigkeitslücke ist groß und, was diese Version betrifft, größer als zuvor. Die Kostenlücke beträgt etwas mehr als das Fünfache und veränderte sich nicht, als Anthropic seine Preise senkte.

Was Claude Opus 5.5 ist, nach Anthropics eigener Darstellung

Claude Opus 5.5 ist Anthropics aktuelles Flaggschiff, veröffentlicht am 22. September 2026 und positioniert für langfristige agentische Arbeit: mehrstufige Sitzungen, intensiver Tool-Einsatz und Code. Es wird mit 4 $ pro Million Input-Tokens und 20 $ pro Million Output-Tokens gelistet, wobei Cache-Lesevorgänge 0,20 $ und Cache-Schreibvorgänge 5 $ kosten – Anthropic beschreibt diese als 20 % unter Opus 5 bei Input und Output und 60 % darunter bei Cache-Lesevorgängen. Es gibt einen Fast-Modus für 8 $ / 40 $, der laut dem Unternehmen innerhalb von Claude Code und der Claude Platform bis zu 2,5-mal schneller läuft. Es ist auf Amazon Web Services, Google Cloud und Microsoft Azure verfügbar, wobei eine Datenaufbewahrung von null angeboten wird, und Anthropic sagt, dass Claude Sonnet 5.5 und Claude Haiku 5.5 in den kommenden Wochen folgen werden.

Zwei Details auf dieser Seite sind wichtiger als der Rest. Beim ersten handelt es sich eher um eine Migrationsbeschränkung als um ein Feature: Anthropic gibt an, dass Claude Opus 5.5 nicht mehr mit ausgeschaltetem Denkmodus verfügbar ist. Wenn Ihre aktuelle Pipeline Opus 5 im Nicht-Denkmodus für kostengünstige, schnelle, deterministische Turns aufruft, hat diese Konfiguration in diesem Modell keinen direkten Nachfolger. Das zweite ist Anthropics eigener Vorbehalt, der neben seinen Bewertungen abgedruckt ist, dass Benchmark-Abstände zu einem weniger verlässlichen Leitfaden für Unterschiede in der realen Welt geworden sind – was für einen Anbieter ungewöhnlich ist, neben einer Tabelle zu schreiben, bei der er gewinnt, und es lohnt sich, dies beim Lesen der unten stehenden Zahlen für bare Münze zu nehmen.

Die vom Anbieter gemeldeten Werte aus Anthropics Ankündigung sind Terminal-Bench 4.0 bei 66,4 %, FrontierCode v1.1 bei 54,4 %, CursorBench 4.0 bei 57,8 %, GDPval-AA v2.1 bei 1.846 Elo, AutomationBench bei 40,0 %, Humanity's Last Exam bei 67,7 % mit Tools, Terminal-Bench-Science 0.1 bei 58,7 % und OSWorld 2.1 bei 81,8 % teilweise. Bei allen handelt es sich um Anthropics eigene Durchläufe, wobei die Ergebnisse der Vergleichsmodelle den eigenen Seiten der Anbieter entnommen wurden, und keiner davon wurde unabhängig reproduziert – weder für diese Paarung noch für eine andere.

Was Mistral Large 4 ist, mit Stand vom 13. Oktober

Mistral Large 4 ist eine öffentliche Vorschau, angekündigt am 6. Oktober 2026, Revision v26.10, und es ist das größte Modell, das Mistral AI bisher ausgeliefert hat. Das Unternehmen beschreibt es als einen nativ multimodalen sparse Mixture-of-Experts mit insgesamt 1,05 Billionen Parametern und 52 Milliarden aktiven, dazu einen Vision-Encoder mit 1,6 Milliarden Parametern, von Grund auf trainiert auf 3.800 NVIDIA Grace Blackwell GPUs in Mistrals eigenen europäischen Rechenzentren, auf Daten aus mehr als 160 Sprachen. Artificial Analysis verzeichnet die Zahl der aktiven Parameter mit 49 Milliarden statt 52 Milliarden — eine Lücke von drei Milliarden in einer Dimension, vermerkt statt gemittelt. Mistrals eigene Modellkarte gibt ein Kontextfenster von 1 Mio. Token an; Artificial Analysis liest 524.288 bei der Konfiguration, die es testet, und die eigene FAQ nennt 520k — das ist der Unterschied zwischen einer Obergrenze, die ein Anbieter bewirbt, und einem Fenster, das ein ausgeliefertes Deployment tatsächlich bereitstellt.

Die Preisgestaltung beträgt $1.36 pro Million Input-Token, $0.14 für zwischengespeicherte Eingabe und $4.18 pro Million Ausgabe auf der Preisliste, wobei ein Einführungsangebot dieselben drei Zeilen durchgestrichen mit $0.68, $0.07 und $2.09 zeigt. Die Statusbezeichnungen auf der Karte lauten Öffentliche Vorschau, Offen und v26.10 — und die zweite davon ist die, die man sorgfältig lesen sollte. Mistral sagt, dass die Gewichte bis Ende des Monats veröffentlicht werden, und der Launch-Beitrag wiederholt diese Zusage zweimal; was er nicht tut, ist eine Lizenz zu nennen. Artificial Analysis verfolgt das Feld unabhängig und erfasst den Lizenznamen als null, markiert das Modell isOpenWeights: false, und klassifiziert es als proprietär. Niemand widerspricht dort irgendjemandem. Eine Vorschau, die vom eigenen Cluster des Anbieters bereitgestellt wird, ohne Checkpoint-Repository und ohne Lizenztext, ist ein aufrufbares Modell und keine Open-Weights-Veröffentlichung, und die Open-Weight-Behauptung ist ein Plan mit einer daran hängenden Frist und kein Download-Link.

Mistrals eigene Benchmark-Zahlen, die durchweg vom Anbieter selbst berichtet werden, liegen bei 61,7 % bei DeepSWE v1.1, 59,4 % bei SWE-Atlas-QnA, 28,3 % bei Terminal-Bench 4.0 und einem kombinierten Coding Agent Index von 49,8 %; bei 59,9 % bei AutomationBench über 657 Geschäftsworkflows; bei 1.393 Elo bei AA-Briefcase; bei 42 % bei Dense 200 für visuelles Grounding; und bei seinen Cyber-Evaluierungen bei 82 % bei einem Reproduce-and-Patch-Test, den Mistral als den höchsten aller Modelle bezeichnet, zusammen mit 93 % bei Cybenchs 40 Wettbewerbsaufgaben. Das Unternehmen beauftragte außerdem eine blinde Humanstudie und veröffentlichte sie, was eine stärkere Form von Evidenz darstellt als ein selbst durchgeführter Benchmark und dennoch eine Studie, deren Veröffentlichung es kontrollierte.

Was der 5.5-Bump an dieser Entscheidung geändert hat

Wenn Sie die Seite Mistral Large 4 versus Claude Opus 5 in diesem Blog lesen, sind drei Dinge hier neu, und nur eines davon ist die Preissenkung.

• Die Fähigkeitslücke wurde größer, nicht kleiner. Claude Opus 5 erzielte 50,8 im Intelligence Index; Claude Opus 5.5 erzielt 58. Gegenüber Mistral Large 4 Preview mit 38,4 wächst der Abstand von 12,4 Punkten auf 19,6. Ein Versionssprung, der an der Spitze des Rankings sieben Punkte hinzufügt, während der Herausforderer stillsteht, macht die Frontier-Lane zu einem klareren Kauf, nicht zu einem undurchsichtigeren.

• Die Preissenkung schlug sich nicht auf der Rechnung nieder. Anthropic senkte Input und Output um 20 % – von 5 $ / 25 $ auf 4 $ / 20 $ –, doch die Kosten von Artificial Analysis für die Erledigung einer Index-Aufgabe gingen nach oben, von 5,86 $ für Claude Opus 5 auf 5,98 $ für Claude Opus 5.5. Die günstigeren Tokens wurden von einem Modell verbraucht, das mehr davon einsetzte. Das ist die mit Abstand nützlichste Zahl auf dieser Seite, und es lohnt sich, einen Moment bei ihr zu verweilen: Listenpreise sind eine Eingangsgröße für Ihre Rechnung, keine Vorhersage derselben.

• Eine Konfiguration ist verschwunden. In Opus 5.5 lässt sich der Denkmodus nicht mehr ausschalten. Wenn Sie Opus 5 teilweise wegen eines günstigen Pfads ohne Denkmodus gekauft haben, ersetzt dieses Modell diesen Pfad nicht, und die Ersatzentscheidung ist jetzt eine Entscheidung zwischen zwei Modellen statt eines Versionswechsels.

Was sich nicht geändert hat: Die Cache-Story begünstigt weiterhin Anthropic für wiederholten Kontext — 0,20 $ pro Million bei einem Cache-Lesevorgang gegenüber Mistrals Listenpreis von 0,14 $ und 0,07 $ als Aktionspreis. In einer Agent-Loop mit langem Kontext und stabilem Präfix ist das die Zeile, die die Rechnung am stärksten bewegt, und beide Zahlen brauchen dieselbe Prüfung, die die Headline-Preise gerade bekommen haben.

Die beiden wortreichsten Modelle auf dem Board

Artificial Analysis veröffentlicht für den Index-Lauf jedes Modells eine Output-Token-Zahl, und die beiden hier genannten Modelle bilden die entgegengesetzten Extreme davon. Claude Opus 5.5 generierte bei diesem Lauf 260 Millionen Output-Tokens. Mistral Large 4 Preview generierte 200 Millionen. Der Median über die gemessenen Modelle liegt bei 85 Millionen. Beide verbrauchen zwei- bis dreimal so viel, wie ein typisches Modell für die Beantwortung derselben Fragen verbraucht, und nur eines von ihnen berechnet dabei 4 $ und 20 $ pro Million.

Ausführlichkeit ist kein Defekt und auch kein Qualitätssignal. Sie ist ein Multiplikator auf einen Preis, und sie ist der Grund, warum die Opus-Preissenkung zwar erfolgte, aber nicht bis zu den Kosten pro Aufgabe durchschlug. Wenn Sie allein anhand der Preisliste budgetieren, budgetieren Sie den Multiplikator mit ein: Bei 20 $ pro Million Ausgabe hat ein Modell, das das Dreifache des Medians ausgibt, gegenüber einem Modell mit Median-Verhalten eine effektive Ausgaberate, die näher an 60 $ pro Million liegt, und 260 Millionen Tokens über eine Evaluierungs-Suite sind kein Rundungsfehler.

Die Anzeigetafel

• Preis pro Million Token, Eingabe / Ausgabe — Mistral Large 4 1,36 $ / 4,18 $ Listenpreis, 0,68 $ / 2,09 $ Aktionspreis, im Vergleich zu Claude Opus 5.5 4,00 $ / 20,00 $

• Zwischengespeicherte Eingabe — 0,14 $ Listenpreis, 0,07 $ Aktionspreis vs. 0,20 $ pro Million Lesevorgänge und 5,00 $ pro Million Schreibvorgänge

• Kosten pro Aufgabe des Intelligence Index — 1,13 $ vs. 5,98 $, laut Artificial Analysis

• Intelligenz-Index — 38,4, 65. von 216 vs. 58, 1. von 216, laut Artificial Analysis

• Output-Tokens bei diesem Index-Lauf — 200M vs. 260M, gegenüber einem Median von 85M

• Kontextfenster — 1 Mio. von Mistral angegeben, mit 524.288 in der getesteten Konfiguration, gegenüber 1 Mio. nach der Lesart von Artificial Analysis zu Claude Opus 5.5, dessen Ankündigungsseite keine Zahl in die eine oder andere Richtung nennt

• Maximale Ausgangsleistung — von keinem der beiden Anbieter veröffentlicht

• Gemessene Geschwindigkeit — für Mistral Large 4 Preview nicht veröffentlicht, gegenüber 95,2 Output-Tokens pro Sekunde, mit einem $8 / $40 Fast mode, der laut Anthropic bis zu 2,5x erreicht

• Gewichte und Lizenz — bis Ende Oktober versprochen, wobei die Lizenz ungenannt bleibt, derzeit von Artificial Analysis als proprietär eingestuft, vs. geschlossen

• Verfügbarkeit — Mistrals Preview-API und Mistral Studio, bereitgestellt auf Mistrals eigener europäischer Infrastruktur, im Vergleich zu AWS, Google Cloud, Azure und dem OrcaRouter-Katalog

Wenn Mistral Large 4 die richtige Wahl ist

Wählen Sie Mistral Large 4, wenn die Arbeit ein hohes Volumen hat, gut spezifiziert und günstig zu prüfen ist. Klassifizierung, Extraktion, Zusammenfassung in großem Maßstab, Generierung strukturierter Ausgaben, Code-Review im ersten Durchgang und der lange Schwanz interner Aufgaben, bei denen eine falsche Antwort einen erneuten Versuch kostet statt eines Vorfalls. Bei 1,13 $ pro Index-Aufgabe gegenüber 5,98 $ braucht eine Pipeline, die eine Million Aufgaben pro Monat ausführt, kein subtiles Argument, um das günstige Modell zu rechtfertigen; sie braucht, dass das günstige Modell gut genug ist, und bei AutomationBench – der Zeile, in der ein Modell gewöhnliche Geschäftsabläufe abschließen soll – sind die von Mistral selbst gemeldeten 59,9 % konkurrenzfähig mit der Zahl, die Anthropic für Opus 5.5 auf demselben Harness meldet. Unterschiedliche Durchläufe, unterschiedliche Anbieter, also lesen Sie es als Signal und nicht als Ergebnis, aber es ist die Zeile, die dem, was eine Geschäftseinheit ein Modell tatsächlich tun lässt, am nächsten kommt.

Mistral Large 4 ist außerdem die eine Seite dieses Paares mit einem glaubwürdigen Weg zur Selbstbereitstellung, und das ist manchen Leserinnen und Lesern mehr wert als ein Benchmark-Punkt. Ein Versprechen von Gewichten bis Ende Oktober sind keine Gewichte, und eine unbenannte Lizenz ist keine Lizenz; das ist also ein Grund, es zu beobachten, statt ein Grund, heute zu migrieren. Doch unter den beiden Modellen hier ist es das einzige, bei dem ein Argument zur Datenresidenz oder zum Zugriff mitten im Incident mit „wir betreiben es selbst“ enden kann. Die europäische Trainings- und Serving-Geschichte steht auf derselben Seite dieser Bilanz.

Wann Claude Opus 5.5 die richtige Wahl ist

Wähle Claude Opus 5.5, wenn die Aufgabe lang ist, die Schritte voneinander abhängen und ein Fehler teuer ist. Terminal-Bench 4.0 ist die schärfste Trennlinie in diesem Vergleich – Anthropic meldet 66,4 % für Opus 5.5 gegenüber 28,3 % für Mistrals eigenes Modell auf demselben Harness – und Terminal-Arbeit ist der engste öffentliche Proxy für agentisches Coding, wofür Teams größtenteils ein Frontier-Modell kaufen. Ein Abstand von 19,6 Punkten im Intelligence Index und ein fast 2,4-facher Abstand bei Terminal-Bench, anders ausgedrückt: Am schwierigen Ende ist das keine knappe Entscheidung, und kein Preisargument schließt sie, wenn Ihre Workload dort angesiedelt ist. Nimmt man den 1M-Kontext hinzu, die gemessenen 95,2 Tokens pro Sekunde gegenüber einer nicht veröffentlichten Zahl auf der anderen Seite, den Fast-Modus für latenzempfindliche Pfade und die Verfügbarkeit über drei große Clouds mit Zero Data Retention, dann kauft der Aufpreis echten operativen Spielraum.

Die praktische Frage ist, ob Sie bei jedem Aufruf die volle Premium-Leistung benötigen. Die meisten Teams, die ein Frontier-Modell in großem Umfang betreiben, stellen fest, dass eine Minderheit der Anfragen – nämlich die mit echter mehrstufiger Mehrdeutigkeit – den Großteil der Leistungsfähigkeit beansprucht und dass dies auf den Rest nicht zutrifft. Das ist eine Routing-Entscheidung, keine Modell-Entscheidung, und es ist der Fall, in dem beide laufen zu lassen die eigentliche Antwort ist. Claude Opus 5.5 ist im OrcaRouter-Katalog zum Listenpreis von Anthropic mit 0 % Aufschlag auf demselben OpenAI-kompatiblen Endpunkt wie über 200 andere Modelle verfügbar, sodass das Ausprobieren beider nur einen Schlüssel statt eines zweiten Anbietervertrags kostet. Mistral Large 4 ist heute nicht in unserem Katalog – darauf wird über Mistrals eigene Preview-API und über mehrere Drittanbieter-Plattformen zugegriffen – und das ist als Tatsache über unsere Liste dargelegt, nicht als Soft-Launch-Ankündigung.

Für eine Vorschau ist das Feature, das seinen Platz verdient, das Failover. Einen Teil des Datenverkehrs an ein Modell zu senden, dessen Lizenz, Gewichte und servierter Kontext alle noch offene Fragen sind, bedeutet, dass der nützliche Fehlermodus eine Umleitung statt eines Ausfalls ist, und du lernst die echten Fehlermodi des Modells anhand deiner eigenen Daten kennen statt auf dem Leaderboard von irgendjemandem.

Die eine Tatsache, die alles entscheidet

Niemand hat Mistral Large 4 und Claude Opus 5.5 unter identischen Einstellungen auf einem benannten Harness direkt gegeneinander gebenchmarkt – die einzige existierende blinde menschliche Kennzahl bezieht sich auf Claude Opus 5, und die Version, gegenüber der Sie abwägen, ist nicht Claude Opus 5 –, daher ist die ehrliche Grundlage für eine heutige Entscheidung, dass das günstige Modell pro abgeschlossener Aufgabe ein Fünftel kostet und das teure Modell mit etwa zwanzig Indexpunkten und einem Terminal-Bench-Vorsprung von fast dem 2,4-Fachen vor ihm liegt, zu einem Listenpreis, den Anthropic gesenkt hat, ohne die Kosten pro Aufgabe zu senken.

Wenn eine fehlgeschlagene Antwort in Ihrer Arbeitslast weniger als 4,6 Wiederholungsversuche kostet, kaufen Sie Mistral Large 4. Wenn sie mehr kostet, kaufen Sie Claude Opus 5.5 – und wenn Sie diese Frage zu Ihrem eigenen Traffic noch nicht beantworten können, betreiben Sie beide auf einem Endpoint und lassen Sie einen Monat echter Anfragen sie für Sie beantworten.