GPT-6.1 Sol vs Mistral Large 4 : le modèle le moins cher par token est le modèle le plus cher par tâche

L'intérêt de mettre GPT-6.1 Sol à côté de Mistral Large 4 n'est pas de savoir lequel est le plus intelligent — sur la seule mesure indépendante dont ils disposent tous les deux, ce n'est pas serré. C'est que le modèle avec le prix affiché le plus bas est celui qui coûte le plus cher pour terminer une tâche. Mistral Large 4, en aperçu chez Mistral depuis le 2026-10-06, est facturé à 0,68 $ par million de tokens d'entrée et 2,09 $ par million de tokens de sortie tant que l'aperçu dure, contre 2,00 $ et 10,00 $ pour GPT-6.1 Sol depuis qu'Open​AI l'a publié le 2026-09-29. Et pourtant, les chiffres de coût d'exécution d'Artificial Analysis placent Mistral Large 4 à 1,13 $ par tâche contre 0,72 $ pour GPT-6.1 Sol — car les tokens moins chers ne sont pas la totalité de la facture, et parce que les modèles de raisonnement dépensent des tokens dans des quantités que vous ne choisissez pas dans une grille tarifaire.

Tout ce qui suit provient de l’annonce et de la documentation de Mistral, des pages de modèles et de tarifs d’OpenAI, des exécutions d’Artificial Analysis pour chaque modèle, et de nos propres données de service, consultés le 12 octobre 2026. Lorsqu’un chiffre provient du fournisseur lui-même et que personne ne l’a recalculé, la phrase qui le contient le précise.

Deux dates, et une seule d'entre elles est terminée

Avant même la moindre fiche technique, l'état des deux produits diffère, et cette différence pèse davantage dans cette comparaison que n'importe quelle case de benchmark.

• GPT-6.1 Sol est un modèle livré. Il est entré en service sur l'API Open​AI le 29 septembre 2026, à 2,00 $ / 10,00 $ par million de tokens, avec 0,10 $ pour les entrées mises en cache et 2,50 $ pour les écritures de cache, et c'est le modèle qui occupe l'emplacement par défaut de l'API. Sa grille tarifaire est publiée, sa fenêtre de contexte est documentée, et des instruments indépendants l'ont exécuté. Ce que vous lisez à son sujet, vous pouvez l'appeler cet après-midi.

• Mistral Large 4est un aperçu. Mistral l'a annoncé le 2026-10-06 comme un modèle à mélange d'experts de 1,05 billion de paramètres, dont 52 milliards de paramètres actifs par token, disponible sur l'API de l'éditeur au tarif d'aperçu. Les poids ouverts sont promis avant la fin du mois d'octobre, c'est pourquoi il s'agit d'un aperçu et non d'une version finalisée. Rien concernant son futur prix catalogue, sa future fenêtre de contexte ou sa future licence n'est fixé par cet aperçu.

Cette asymétrie donne sa forme à tout ce qui suit. Quand un côté d’une comparaison est un produit et que l’autre est une annonce assortie d’une date, la plupart des questions intéressantes portent sur le calendrier plutôt que sur les capacités — et la seule question que les gens posent vraiment (« dois-je changer ? ») a des réponses différentes en octobre et en novembre.

Le seul chiffre sur lequel les deux camps s’accordent, et les 14 points qui se cachent derrière

Artificial Analysis dispose d'une ligne indépendante dans l'Intelligence Index pour les deux modèles, et il n'y a aucune ambiguïté :

• Indice d’intelligence — GPT-6.1 Sol 52 à effort de raisonnement maximal ; Mistral Large 4 38.

• Coût d'exécution de l'Index — GPT-6.1 Sol 0,72 $ par tâche ; Mistral Large 4 1,13 $ par tâche.

• Vitesse de sortie — GPT-6.1 Sol 65,4 à 66,8 jetons par seconde selon les exécutions ; Mistral Large 4 n’est pas non plus du côté rapide de cette association.

Lisez ces trois lignes ensemble et la forme de l’opération apparaît. Mistral Large 4 facture environ un tiers du tarif d’entrée de GPT-6.1 Sol et un cinquième de son tarif de sortie, et coûte pourtant environ 57 % de plus pour accomplir la même tâche d’évaluation. Ce n’est ni une astuce tarifaire ni un artefact de mesure ; c’est ce qui se produit lorsqu’un modèle atteint un niveau de qualité donné en dépensant plus de tokens pour y parvenir. La facture d’un modèle de raisonnement est dominée par le nombre de tokens qu’il décide d’émettre, et non par le tarif par token affiché, et une différence de 14 points sur l’Index représente une grande quantité de réflexion supplémentaire à rattraper.

Aucun de ces éléments ne fait de Mistral Large 4 un mauvais modèle. Un indice de 38 est un score polyvalent solide, proche de la frontière, et pour un très grand nombre de tâches de production, les 14 points supplémentaires n’apportent rien d’exploitable. Le point est plus étroit et plus pratique : n’achetez pas ce modèle en supposant que la carte moins chère rend le mois moins cher. Mesurez le coût par unité de travail terminée, qui est le chiffre qu’Artificial Analysis rapporte réellement et celui que votre facture reflétera.

Là où l'argument de Mistral est réellement solide, et ce n'est pas le prix

Trois arguments en faveur de Mistral Large 4 résistent au contact du chiffre de l'Index, et deux d'entre eux ne portent pas du tout sur le modèle.

• Entraînement européen et hébergement souverain. Mistral est le laboratoire de frontière européen, et l'annonce s'inscrit sous un message de cloud souverain plutôt que sous un message de benchmark. Pour un acheteur du secteur public européen, une banque réglementée, ou quiconque dont les règles de passation mentionnent une juridiction, il s'agit d'une exigence plutôt que d'une préférence — et c'est le seul axe sur lequel GPT-6.1 Sol ne peut rivaliser, à aucun prix. Si votre contrainte est « les poids et le service doivent être européens », la comparaison s'arrête ici et le chiffre de l'Index n'a aucune importance.

• Les poids ouverts arrivent, et l'auto-hébergement change l'équation. Mistral s'est engagé à publier les poids avant la fin du mois d'octobre. Un mélange d'experts de 1,05 T/52 B n'est pas un modèle que la plupart des équipes feront tourner sur leur propre matériel — les 52 B de paramètres actifs constituent la moitié sympathique de cette phrase, le total de mille milliards de paramètres en est la moitié hostile — mais pour les organisations qui exploitent déjà ce type d'infrastructure, ou qui ont une règle de résidence des données qu'aucune API hébergée ne peut satisfaire, les poids ouverts transforment une API facturée à l'usage en coût fixe. GPT-6.1 Sol ne pourra jamais être auto-hébergé.

• Le prix de prévisualisation est réel tant qu'il dure. À 0,68 $ / 2,09 $, la remise de prévisualisation représente environ la moitié du tarif catalogue annoncé de 1,36 $ / 4,18 $. Si une charge de travail est suffisamment bon marché pour que le nombre de tokens soit réellement la contrainte déterminante — classification en masse, extraction, routage, tout ce qui produit des sorties courtes et sans boucle de raisonnement — ce prix est le meilleur de cette page, et l'écart d'Index ne s'applique pas à un travail qui n'a jamais eu besoin d'un Index de 52. Prévoyez simplement le changement lorsque la prévisualisation prendra fin, plutôt que d'être pris au dépourvu.

Ce qui n'est pas un argument, c'est la capacité brute au plus haut niveau. Sur le codage agentique et l'utilisation d'outils de longue durée, l'écart est visible et correspond à la direction à laquelle on s'attendrait de la part de l'Index : la ligne Artificial Analysis Terminal-Bench 4.0 de GPT-6.1 Sol affiche 56,06, et le même instrument a placé son prédécesseur, GPT-6 Sol, à 43,94 — un bond générationnel de 12 points sur un benchmark qui porte spécifiquement sur l'achèvement de tâches dans un shell.

Le numéro de contexte qui se contredit

C'est la seule spécification de la page que vous ne pouvez pas citer avec assurance, et il vaut mieux la signaler que de la passer sous silence.

La documentation de Mistral pour Mistral Large 4 décrit une fenêtre de contexte allant jusqu'à 1 million de tokens. Le relevé indépendant pour le modèle chez Artificial Analysis indique 524 000. Ces deux nombres ne correspondent pas à une différence d'arrondi ; ils diffèrent d'un facteur deux, et ils désignent des réalités différentes. L'explication la plus probable est que l'un décrit le plafond de l'architecture et l'autre ce qui est réellement servi pendant un aperçu — une distinction qui compte énormément si vous envisagiez de charger un grand dépôt dans un seul appel. Nous n'avons pas vu le fournisseur concilier l'un ou l'autre de ces chiffres, et tant que ce n'est pas le cas, considérez le nombre le plus petit comme celui sur lequel vous pouvez vous baser.

En revanche, aucune des limites mises en avant de GPT-6.1 Sol ne présente ce problème. Sa fenêtre de contexte est de 1 050 000 jetons, sa sortie maximale de 128 000 jetons, et sa date de coupure des connaissances est le 2026-04-30 — le tout documenté sur la page du modèle du fournisseur et cohérent avec ce qui est servi via l’API.

Ce que coûtent mille tâches d'agent sur chaque

Prenez une charge de travail ordinaire pour l’un ou l’autre des modèles : un appel qui transporte 40 000 jetons d’entrée et produit une réponse de 2 000 jetons, répété mille fois. Pour que les deux grilles tarifaires restent comparables, supposez que l’entrée soit fournie à nouveau à chaque fois plutôt que d’être servie depuis un cache.

• Sur GPT-6.1 Sol — 40 000 jetons d'entrée à 2,00 $ par million coûtent 0,080 $, et 2 000 jetons de sortie à 10,00 $ par million coûtent 0,020 $. Cela fait 0,100 $ par appel, soit environ 100 $ pour le millier.

• Sur Mistral Large 4 aux tarifs de préversion — 40 000 jetons d'entrée à 0,68 $ par million, soit 0,027 $, et 2 000 jetons de sortie à 2,09 $ par million, soit 0,004 $. Cela fait 0,031 $ par appel, soit environ 31 $ pour le millier.

Donc, l’écart de prix est réel et il est d’environ trois pour un sur un profil où la sortie est courte — avec une réserve honnête qui joue en sens inverse. GPT-6.1 Sol facture 0,10 $ par million pour un préfixe mis en cache, et la documentation de préversion de Mistral n’établit pas de remise équivalente. Exécutez la même boucle avec les 40 000 tokens servis depuis le cache et le côté GPT-6.1 Sol tombe à environ 0,024 $ par appel, ce qui est inférieur au chiffre de Mistral. Les grilles tarifaires ne tranchent cette comparaison qu’une fois que vous savez si votre entrée se répète. Changez maintenant l’autre paramètre et regardez le second écart s’ouvrir : exécutez la même boucle du côté à forte intensité de raisonnement, où Mistral Large 4 effectue la dépense en tokens que son indice de 38 implique, et le chiffre de 1,13 $ par tâche sur une évaluation comparable indique que le côté Mistral de la facture augmente plus vite que ne le suggère la grille tarifaire. Le résumé honnête, c’est que Mistral Large 4 gagne l’arithmétique sur les travaux à sortie courte aux tarifs des entrées non mises en cache et la perd sur les travaux agentiques mis en cache et à long horizon, et savoir lequel vous exécutez est une question de charge de travail, pas de modèles.

Ces deux-là relèvent exactement du type de comparaison pour lequel un routeur existe.GPT-6.1 Sol figure dans notre catalogue aux tarifs catalogue d'Open​AI, avec 0 % de marge — ce qu'Open​AI publie, c'est ce que paie l'appelant, et lorsqu'un fournisseur modifie un prix, la ligne du catalogue change en même temps, sans attendre qu'un revendeur s'en aperçoive. Cela signifie que l'arithmétique par token ci-dessus peut être vérifiée sur la ligne en direct plutôt que sur cette page. Mistral Large 4 ne fait pas partie de ce que nous servons, donc si vous le voulez, c'est via l'API du fournisseur lui-même et plusieurs plateformes tierces qu'il se trouve.

Que faire lundi

Il n'existe aucune version de cette situation dans laquelle les deux modèles sont substituables pour le même travail aujourd'hui, et la raison tient au moment choisi plutôt qu'à la qualité.

Si vous avez besoin cette semaine d'un modèle de codage agentique de pointe — longues boucles d'outils, contexte à l'échelle d'un dépôt, utilisation de l'ordinateur, travail professionnel très documentaire —, la réponse est GPT-6.1 Sol, c'est le seul des deux à être un produit fini, et son prix est publié et stable. Prévoyez le fait que c'est le compteur de sortie qui consomme l'essentiel du budget, et maintenez l'ensemble de travail sous le seuil de 272 000 tokens au-delà duquel toute la requête est refacturée.

Si vous êtes en Europe et que vos exigences mentionnent une juridiction, ou si vous avez l’intention de vous auto-héberger parce qu’aucune API ne satisfait vos règles en matière de données, Mistral Large 4 est le seul candidat ici, quels que soient les scores — mais la partie que vous attendez, les poids, n’existe pas encore, et le chiffre de contexte sur lequel vous dimensionneriez votre infrastructure est actuellement contesté d’un facteur deux. Surveillez la publication des poids et la réconciliation par le fournisseur de 1M avec 524 000 avant de lui confier un déploiement.

Et si ce que vous voulez vraiment, c'est utiliser les deux — Mistral Large 4 pour le palier bon marché à fort volume et GPT-6.1 Sol pour les cas les plus difficiles —, la contrainte pratique est que les deux reposent sur des clés différentes, une facturation différente et des modes de défaillance différents, ce qui est exactement le problème qu'un point d'accès unique avec basculement automatique sur plus de 200 modèles existe pour résoudre. En attendant, la ligne qui vaut la peine d'être ouverte est celle qui existe réellement : la page du modèle GPT-6.1 Sol à l'adresse https://www.orcarouter.ai/models/openai/gpt-6.1-sol.