Mistral Large 4 מול Qwen3.8 Max: יתרון נטען שהמספרים שפורסמו מכחישים

פוסט ההשקה של Mistral ל-Mistral Large 4 קובע כי ציון Coding Agent Index המשולב שלו של 49.8% מציב אותו "מקדים את DeepSeek V4 Pro 0813 ואת Qwen3.8 Max". ל-Artificial Analysis כבר יש את Qwen3.8 Max באותה משפחת מדדים, והנתון של Qwen3.8 Max ב-Terminal-Bench 4.0 הוא 38.9%. Mistral מדווחת על המודל שלה עצמה ב-28.3% בהרנס הזה. שני המספרים מגיעים מ-Artificial Analysis — האחד פומבי, והאחר הופק באופן פרטי לפני השקת ההרנס — והם מצביעים בכיוונים מנוגדים. זו אינה סיבה לפסול אף אחד מהמודלים. זה הדבר המועיל ביותר בעימות הזה, כי הוא אומר לך בדיוק איזה משני המודלים אתה יכול לאמת היום, והוא מציב את שאלת המחיר בצורה חדה: Qwen3.8 Max עולה $2.00 למיליון טוקני קלט ו-$6.00 למיליון טוקני פלט, לעומת $0.68 ו-$2.09 של Mistral Large 4, בערך פי שלושה, ולפי כל מדד שפורסם הוא המודל החזק יותר.

שניהם ניסיונות בקנה מידה של Alibaba ושל Mistral לעשות את אותו הדבר — דגם דגל מולטימודלי ילידי המספק כמיליון טוקנים של הקשר עם חשיבה, כלים ופלטים מובנים — שיצאו בהפרש של תשעה שבועות, בתצוגה מקדימה ציבורית ובזמינות כללית, בהתאמה. אחד מהם זמין מאז 3 באוגוסט 2026 ויש לו טור מלא של ציונים בלתי תלויים. האחר הגיע ב-6 באוקטובר 2026 עם שחרור משקלים מובטח עד סוף החודש ועם הרצת למידת חיזוק שהספק שלה אומר שעדיין מטפסת.

הטור שפורסם והטור המובטח

Qwen3.8 Max הוא שכבת היכולות הגבוהה ביותר של אליבאבא עד היום, ואליבאבא מציבה אותו ישירות מול GPT-5.5, Claude Opus 4.7 ו-Gemini 3.1 Pro במדריך ההגירה שלה עצמה. הוא מולטימודלי באופן מובנה בטקסט, בתמונות ובווידאו, עם פלט טקסט, כולל חלון הקשר של 1,000,000 טוקנים, ומטריצת היכולות שלו מאשרת מצב חשיבה, קריאה לפונקציות, כלים מובנים ופלטים מובנים. הוא מוגש בשלושה פורמטי תקשורת — תואם OpenAI, תואם Anthropic ו-DashScope מקורי — מבייג'ינג, סינגפור, טוקיו, פרנקפורט ואזורים נוספים.

ב-Artificial Analysis הוא משיג 45.4 ב-Intelligence Index v4.3.2, מקום 17 מתוך 147 מודלים, ו-76.2 ב-AA Coding index, שזה מקום 9 מתוך 138 ומשתווה ל-Kimi K3 בראש תחום המשקולות הפתוחות. הוא מחזיק 92.8% ב-GPQA Diamond, 80.3% בשליפה בהקשר ארוך, 52.1% ב-SciCode ו-47.8% ב-tau-banking. תוצאת ה-Terminal-Bench 2.1 שלו היא 88.8%.

Mistral Large 4 הוא מודל תערובת מומחים גרנולרי עם 49 מיליארד פרמטרים פעילים מתוך 1.05 טריליון סה"כ ומקודד חזותי בעל 1.6 מיליארד פרמטרים, שאומן מאפס על 3,800 מעבדים גרפיים NVIDIA Grace Blackwell במרכזי הנתונים האירופיים של Mistral עצמה על נתונים המכסים יותר מ-160 שפות. הוא קולט טקסט ותמונות על פני הקשר של כמיליון טוקנים. הדף שלו ב-Artificial Analysis קיים תחת הכותרת "Mistral Large 4 Preview" ואינו נושא ציון Intelligence Index. המשקלים מובטחים עד סוף אוקטובר 2026.

• מדד האינטליגנציה — Qwen3.8 Max 45.4 (מקום 17 מתוך 147) לעומת Mistral Large 4 שטרם פורסם

• מדד קידוד — Qwen3.8 Max 76.2 (מקום 9 מתוך 138) לעומת Mistral Large 4 — אין השוואה

• Terminal-Bench 4.0 — Qwen3.8 Max 38.9% לעומת Mistral Large 4 28.3%, הוערך באופן פרטי

• חלון הקשר — Qwen3.8 Max 1,000,000 טוקנים לעומת Mistral Large 4 כ-1,000,000

• מודאליות קלט — Qwen3.8 Max טקסט, תמונה וווידאו לעומת Mistral Large 4 טקסט ותמונה

• מחיר קלט — Mistral Large 4 $0.68 ל-1M לעומת Qwen3.8 Max $2.00 ל-1M

• מחיר פלט — Mistral Large 4 ‏$2.09 ל-1M לעומת Qwen3.8 Max ‏$6.00 ל-1M

• קלט שמור במטמון — Mistral Large 4 $0.07 לכל מיליון לעומת Qwen3.8 Max $0.25 לכל מיליון

• משקלים — רישיון פתוח של Mistral Large 4 שהובטח בסוף אוקטובר 2026 לעומת Qwen3.8 Max סגור

• שוחרר — Qwen3.8 Max 3 באוגוסט 2026 לעומת Mistral Large 4 6 באוקטובר 2026, תצוגה מקדימה

יישוב הסתירה, ככל שניתן ליישבה

שני המספרים של Terminal-Bench 4.0 פשוט אינם עקביים זה עם זה, וההסבר הסביר ביותר הוא גם הפחות דרמטי: מדובר בשתי הרצות שונות. ה-28.3% של Mistral מתואר ככזה שהוערך באופן פרטי על ידי Artificial Analysis לפני השחרור הציבורי של ההרנס, כלומר ייתכן שהוא נמדד על הרנס טרום-שחרור, במאמץ חשיבה שונה, או עם דגימה שונה. ה-38.9% של Qwen הוא על ההרנס שפורסם, בתצורה שבה Artificial Analysis תקנן. השוואה ישירה ביניהם היא השוואה בין טיוטה לגרסה סופית, והטיוטה היא זו שנראית גרוע יותר.

כדאי גם לשים לב לאיזה כיוון חותכת הסתירה. Mistral טוענת ליתרון במדד ה-Coding Agent Index המשולב — 49.8%, לפני Qwen3.8 Max — בעוד שהיא מפרסמת נתון Terminal-Bench 4.0 שמפגר אחרי זה של Qwen בעשרה נקודות. מדד משולב מאגד כמה הערכות, כך ששניהם יכולים להיות נכונים בו-זמנית, ומודל עם תוצאה חזקה ב-DeepSWE v1.1 (Mistral מדווחת 61.7%) ותוצאה חלשה ב-Terminal-Bench עדיין יכול לנצח בממוצע. אבל עד שה-Coding Agent Index יהיה פומבי, הרכיב היחיד בטענה הזו שקורא יכול לבדוק הוא זה שבו Mistral נמצאת מאחור. האסימטריה הזו היא הדבר הנכון לחשוד בו, בכל אחד מהכיוונים.

מה שמחיר גבוה פי שלושה באמת נותן

שני דברים, ורק אחד מהם הוא ביצועים.

וידאו הוא הדוגמה המוחשית. Qwen3.8 Max מקבל וידאו באופן מובנה כקלט מן השורה הראשונה; Mistral Large 4 לא. הפרק הרב-מודאלי של Mistral עוסק בתמונות — עיגון סצנות צפופות, אימות חלקים מכניים בשרטוטים טכניים, שליפת ראיות מ-PDFs, סריקת תמונות לוויין בגיגה-פיקסל — ואף אחד מאלה אינו דורש תמונות נעות. אם הצינור שלך מעבד הקלטות, הדגמות או ארכיוני וידאו, השוואת המחירים אינה רלוונטית, כי אחד מהמודלים האלה לא יכול לקבל את הקלט שלך. זהו גבול יכולת, לא הבדל במחירון, ושום עדכון מחיר לא יזיז אותו.

השני הוא הוכחה. הציון 45.4 של Qwen3.8 Max במדד, מקום ה-9 שלו בדירוג הקידוד ו-88% ב-Terminal Bench 2.1 — כולם ניתנים לאימות על כלי הערכה שפורסמו, לכל מי שמוכן להשקיע לשם כך את הטוקנים. ML4 של Mistral מציע תקרה מוצהרת גבוהה יותר בקידוד סוכני ובאוטומציה, הערכה אנושית עיוורת שבה הוא גבר במעט על Kimi K3 ו-GLM-5.3 באיכות קידוד נתפסת, וטענה ספציפית בתחום אבטחת הסייבר — 82% במבחן ה-reproduce-and-patch של Artificial Analysis, הגבוה מכל מודל שנבחן, עם 93% ב-Cybench. כל אחד מאלה מדווח על ידי הספק או מוערך באופן פרטי. צוות שצריך להצדיק בחירת מודל בפני בדיקת רכש משלם את תוספת המחיר של פי שלושה כדי שהתשובה תהיה לו בכתב.

עם זאת, הנתון בתחום אבטחת הסייבר הוא הטענה היחידה בהשוואה הזו שמחיר נמוך יותר אינו יכול לפצות עליה, משום שזו יכולת, לא יתרון. Mistral מדווחת שמספר מודלים סגורים מובילים, ובהם Claude Opus 5.5 ו-GPT-6 Astra, מקבלים ציון כמעט אפס באותו מבחן של שחזור ותיקון משום שהם מסרבים לבצע את המשימה, וששיעור הסירוב הממוצע של ML4 להנחיות סייבר שנלקחו מ-JailbreakBench, StrongREJECT ו-AgentHarm גבוה מזה של מודלים אחרים עם משקולות פתוחות, בעודו עדיין משלים את העבודה. Qwen3.8 Max לא מדווח במבחן הזה. אם העבודה שלך כרוכה בשחזור פגיעויות, השאלה אינה מי זול יותר; היא מי בכלל יעשה את העבודה.

משקלים, והיכן הם רצים

כאן נמצא היתרון המבני היחיד של Mistral Large 4 שתמחור הפרמיה המשולש של Qwen לא יכול לגעת בו. Mistral התחייבה לשחרר את המשקולות של ML4 תחת רישיון פתוח עד סוף אוקטובר 2026, לצד פרטים על הארכיטקטורה ומתודולוגיית האימון-המשך. זה הופך עלות פר-טוקן להחלטת הון: אם יש לך את ה-GPUs, אתה מפסיק לשלם פר טוקן, מפסיק לשלוח נתונים לצד שלישי, ומפסיק להיות כפוף למדיניות המודרציה של מישהו אחר. שכבת ה-Max של Alibaba היא הצעה סגורה, מבוססת API בלבד, ואין שום דבר שמרמז שזה עומד להשתנות.

הגיאוגרפיה היא אותה טענה במשלב אחר. Qwen3.8 Max מוגש מבייג'ינג, סינגפור, טוקיו ופרנקפורט, בין היתר — טביעת רגל גלובלית באמת, אך כזו המופעלת על ידי Alibaba. התצוגה המקדימה הציבורית של Mistral Large 4 פועלת על התשתית האירופית של Mistral עצמה, באזור אירופי ש-Mistral מפעילה מקצה לקצה ובאופן עצמאי מספקי שירותים דיגיטליים אחרים, תחת החוק האירופי. עבור קונה אירופי מפוקח, שני המשפטים האלה תומכים בתוצאות רכש שונות מאוד, אף ששני המודלים זמינים באותה עיר. סבב הגיוס D של Mistral בהיקף 3 מיליארד אירו — סבב ההון הגדול ביותר שגייסה אי פעם חברת טכנולוגיה אירופית — נועד לממן בדיוק את ההבחנה הזו, ו-ML4 הוא התוצר הראשון שלו.

ניתוב על פני שני צורות של זמינות

הדבר יוצא הדופן בשילוב הזה הוא ששני המודלים שונים לא רק במחיר וביכולות, אלא גם באופן שבו מגיעים אליהם. Qwen3.8 Max מדבר בפרוטוקולים תואמי-OpenAI, תואמי-Anthropic ו-DashScope מקורי ממגוון אזורים; Mistral Large 4 הוא נקודת קצה יחידה במצב preview ממפעיל אחד. נרמול של כל זה מתוך קוד האפליקציה שלכם הוא עבודה אמיתית, וזו מהעבודות שמתחילות בקטן וגדלות בכל פעם שספק משנה משהו.

שניהם יושבים מאחורי נקודת קצה אחת תואמת OpenAI ב-OrcaRouter עם 0% תוספת מחיר, וזה מה שהופך את פער המחירים במאמר הזה ליציב ולא לתצלום רגעי: מחירי המחירון של הספקים עוברים ללא שינוי, כך שביום שבו Mistral מסיים את תעריף התצוגה המקדימה שלו או ש-Alibaba מזיזה את זה של Qwen, גם הנתונים שכללי הניתוב שלך נבחנים מולם זזים יחד איתם. ה-DSL של הניתוב הוא המקום שבו החוזקות השונות של שני המודלים הופכות למשטח קריאה אחד — בקשות הנושאות וידאו אל Qwen3.8 Max, עבודה עם תמונות ומסמכים אל Mistral Large 4, וכל דבר שחייב לעמוד בתקציב קפדני נשלח תחילה אל ML4 עם Qwen כגורם ההסלמה כאשר טענת המדד המשולב מתבררת כרלוונטית במשימה אמיתית. מעבר אוטומטי בעת כשל שווה בזיווג הזה יותר מאשר ברוב המקרים, מפני שאחת הרגליים היא API בתצוגה מקדימה בחודשו הראשון והשנייה היא שכבה סגורה שאי אפשר לתכנן עבורה קיבולת. במקום שבו שאלת 49.8 מול 76.2 בתחום הקידוד נותרת באמת לא מוכרעת עבור עומס העבודה שלך, מיזוג מודלים יכול להריץ את שניהם על אותה הנחיה ולתת לפאנל לבחור, וזה זול יותר מאשר להריץ השוואה כפולה פעמיים.

פסק דין

Qwen3.8 Max הוא המודל הטוב יותר לפי כל מה שפורסם. ציון ה-Index שלו 45.4, מדד הקידוד 76.2 ו-38.9% ב-Terminal-Bench 4.0 נמצאים על אותן מהדורות כמו של כולם, הוא קולט וידאו, הוא נשלח כבר חודשיים, והוא נגיש דרך שלושה פורמטים של תקשורת מחמישה אזורים. אם ביצועים ויכולת אימות הם הגורמים המכריעים, מחיר פי שלושה הוא מה שעולה דגל משולח ומדוד.

Mistral Large 4 מנצח במחיר בפער של בערך פי שלושה, בקריאות מטמון ביותר מפי שלושה, בעבודת אבטחת סייבר שבה החלופה מסרבת, ובשני הטיעונים ש-Qwen לא יכול להשיב עליהם: משקולות פתוחות מובטחות עד סוף אוקטובר, ופריסה אירופית ש-Mistral מפעילה מקצה לקצה. הטענה של 49.8% ב-Coding Agent Index היא הדבר שיכריע — אם המספר הזה ינחת על הרנס ציבורי לפני זה של Qwen, המודל הזול יותר הופך לטוב יותר והפרמיה נעלמת. אם לא, Mistral מוכרת מחיר תצוגה מקדימה על מודל שנגרר אחרי מתחרה שכבר שוחרר, והעמדה הכנה היא שאתה קונה את מפת הדרכים ולא את המודל.

עקבו אחרי שלושה תאריכים. סוף אוקטובר 2026, כאשר המשקלים של ML4 או שישוחררו, או שהטענה בדבר משקלים פתוחים תתרכך. הפרסום של Artificial Analysis Coding Agent Index, שבו ההערכות הפרטיות של Mistral והציונים הפומביים של Qwen נפגשים בעמודה אחת. וסוף תקופת הפריוויו, בכל עת שמיסטרל תכריז עליה, כי $0.68 ו-$2.09 הם תעריף השקה ואף תחזית לא צריכה להניח שהוא ישרוד את שחרור המשקלים.