Mistral Large 4 לעומת GPT-6.1 Sol: אחד שאפשר להוריד, ואחד שאפשר רק לשכור

כמעט כל השוואה בין Mistral Large 4 ל-GPT-6.1 Sol ברשת הפתוחה מצטטת מספרים שחדלו להתקיים ב-27 באוקטובר. הדפים אומרים 38 ו-52. Artificial Analysis בנתה מחדש את מדד האינטליגנציה שלה לסדרת v5 באותו יום, הריצה את המודלים מחדש, וכעת מפרסמת 26 עבור Mistral Large 4 לעומת 55 עבור GPT-6.1 Sol. זה לא שינוי באף אחד מהמודלים — זהו כלי מדידה אחר, עם תשע הערכות במקום המערך הישן ותערובת קשה בהרבה — אבל זה כן אומר שהפער שאולי קראתם עליו, ארבע עשרה נקודות, הוא כעת עשרים ותשע על הנייר ואינו בר-השוואה לשום דבר מלפני הבנייה מחדש. השוואות בין ריצות מדד הן הטעות הנפוצה ביותר בנישה הזו, וכדאי לוודא שהצמד הנוכחי מדויק לפני שמתווכחים על כל דבר אחר.

מה שהופך את ההתמודדות הזו למעניינת יותר מאשר הפרש בציון הוא שהשני מוצרים הפסיקו להיות אותו סוג של דבר הבוקר. GPT-6.1 Sol הוא מודל מושכר מאז ש-OpenAI השיקה אותו ב-29 בספטמבר 2026 במחיר $2.00 ו-$10.00 למיליון טוקנים; אתם קוראים לו, ואינכם יכולים להחזיק בו. Mistral Large 4, שהוצגה בתצוגה מקדימה ב-6 באוקטובר 2026, פרסמה את המשקלים שלה ב-29 באוקטובר 2026 בשעה 14:51 UTC — 1,060.6 GB ב-FP8 ו-610.1 GB ב-NVFP4, זמינה להורדה, תחת רישיון modified-MIT. לאחד מהמודלים האלה יש מונה שלעולם אינו נעצר. המונה של האחר מסתיים ביום שבו אתם קונים את החומרה. זו ההחלטה, וטבלת הבנצ'מארקים נגזרת ממנה.

שני מוצרים, שני תאריכים, אחד מהם הסתיים

האסימטריה אינה קטנוניות בנוגע לבגרות — היא משנה אילו שאלות שווה לשאול. GPT-6.1 Sol הוא מודל משוחרר, מתועד ונמדד באופן עצמאי, ועשרה ספקי API רשומים עבורו. מחירון התעריפים שלו קבוע, חלון ההקשר של 1M מתועד, ומקומו בהיצע של OpenAI הוא מתחת לדגם הדגל Astra ולא בראשו. Mistral Large 4 בילה עשרים ושלושה ימים בתצוגה מקדימה של API, והיום הוא הפך לקובץ. מחירון התעריפים שלו בשירות המאוחסן קבוע על 0.70 דולר לקלט ו-2.10 דולר לפלט לכל מיליון טוקנים, ועתידו נמצא כעת בחלקו בידיים של מי שיריץ אותו ולא במפת הדרכים של Mistral.

שש השורות שקובעות

אותם ממדים משני הצדדים, המכשיר הנוכחי, כפי שנקרא משני דפי המודל של Artificial Analysis ומהתיעוד של הספקים עצמם ב-29 באוקטובר 2026:

• מדד אינטליגנציה — GPT-6.1 Sol 55 (סדרת v5, מדורג שביעי מתוך 54 במחלקת ההשוואה שלו); Mistral Large 4 26 (מדורג שמיני מתוך 19 במחלקה אחרת — שני הדירוגים אינם על סקלה אחת).

• עלות לכל משימת Index — GPT-6.1 Sol $1.27; Mistral Large 4 $2.06.

• מחיר טוקן — GPT-6.1 Sol‏ $2.00 קלט / $10.00 פלט למיליון, עם מדרגה של $4.00 / $15.00 מעל 272,000 טוקני קלט; Mistral Large 4‏ $0.70 קלט / $0.07 במטמון / $2.10 פלט.

• מהירות פלט — GPT-6.1 Sol 79.1 אסימונים לשנייה; Mistral Large 4 161.3.

• הקשר — 1M טוקנים בשניהם, מתועד בשניהם.

• פריסה — GPT-6.1 Sol: באירוח בלבד, ללא משקולות בכל מחיר. Mistral Large 4: באירוח או באירוח עצמי, 610.1 GB ב-NVFP4, שמונה מעבדים גרפיים ברמת Blackwell במתכון vLLM שפורסם.

המדד הוא ממוצע, וממוצעים מסתירים את צורתו של פער. בשורות הבודדות של Artificial Analysis הפיצול אינו אחיד ולא רע באופן שווה: HLE-Diamond ב־17% מול 59%, Terminal-Bench-Science 0.1 ב־4% מול 58%, FrontierCode 2.0 ב־15% מול 41%, Terminal-Bench 4.0 ב־25% מול 56%, ו-GDPpdf ב־18% מול 31%. Mistral Large 4 אינו מפגר ב־29 נקודות בכל משימה; הוא מפגר בהרבה במבחנים שמתגמלים חשיבה רב־שלבית מתמשכת, ובערך באותה רמה בעבודה קצרה יותר במעבר יחיד. אם עומס העבודה שלכם דומה לסוג השני, הממוצע הוא המספר הלא נכון שעליו להתבסס ברכישה. אם הוא דומה לראשון, שום הנחה לא תסגור את הפער.

למה המספרים זזו, ולמה זה לא שערורייה

הבנייה מחדש של v5 הריצה מחדש את כל השדה על מערך הערכה חדש, ובערך 60% ממנו הוא פרטי — שאלות שלא היו זמינות לציבור לפני הבנייה מחדש. המודלים לא כולם נעו באותו כיוון: חלקם צנחו בחדות, חלקם עלו. ירידתו של Mistral Large 4 מ-38 ל-26 ועלייתו של GPT-6.1 Sol מ-52 ל-55 הן שתי קריאות של אותו אירוע, ואף אחת מהן אינה ספק שחווה רבעון גרוע. הכלל שנובע מכך פשוט וקל להפר בטעות: לעולם אין לגרוע ציון מהרצת אינדקס אחת מציון מהרצה אחרת, ולעולם אין לצטט פער ששני חצאיו נמדדו בהפרש של שבוע. הפער שקיים היום הוא עשרים ותשעה נקודות בכלי אחד.

עשרים ותשע נקודות זה הרבה, וזה גם לא כל הסיפור. Index של 26 מתאר מודל שמתמודד היטב בעבודה כללית אך אינו בולט בקצה הקשה; Index של 55 מתאר את אחד המודלים החזקים הזמינים. אם עומס העבודה שלכם הוא קידוד סוכני על פני מאגר גדול, התשובה כבר נקבעה ושום טיעון תמחור לא משנה אותה. יתר המאמר עוסק בעומסי העבודה שבהם היא עדיין לא נקבעה.

ההיפוך שרד את הריבייס

הממצא היחיד מתקופת התצוגה המקדימה של אוקטובר שעמד במבחן כלי המדידה החדש הוא היפוך המחיר למשימה, והוא עמד בו גם עם נתונים חדשים. Mistral Large 4 גובה בערך שליש מתעריף הקלט של GPT-6.1 Sol וחמישית מתעריף הפלט שלו, ובכל זאת עולה 62% יותר להשלמת אותה משימת הערכה — 2.06 דולר לעומת 1.27 דולר. אין כאן תעלול תמחור. החשבון של מודל חשיבה נשלט בעיקר על ידי מספר הטוקנים שהוא בוחר לפלוט, ו-Mistral Large 4 פולט כמות גדולה מאוד: Artificial Analysis מתעד 110 מיליון טוקני פלט במדגם הפירוט שלו לעומת חציון של 100 מיליון, בעוד GPT-6.1 Sol נמצא על 64 מיליון, מתחת לחציון. טוקנים זולים יותר כפול יותר טוקנים אינם חיסכון, והחשבונית תאמר זאת.

ההשלכה המעשית צרה יותר מ״המודל הזול הוא למעשה יקר״. בעבודה עם פלט קצר — סיווג, חילוץ, ניתוב, כל דבר שמסתיים אחרי מאתיים טוקנים ולעולם אינו נכנס ללופ חשיבה — מחיר הטוקנים הוא החשבון, ו-$0.70 מול $2.00 הוא כל הטיעון. ההיפוך מכה בחשיבה לטווח ארוך, וזה בדיוק המקום שבו גם חי פער עשרים ותשע הנקודות. שתי מדידות שונות שמצביעות לאותו כיוון הן סיבה לבטוח בכיוון, לא סיבה להכליל אותו לכל עומס עבודה.

המהירות נעה בכיוון ההפוך, וכך גם הסבלנות.

Mistral Large 4 מהיר יותר ביותר מפי שניים בפלט: 161.3 טוקנים לשנייה לעומת 79.1. הוא גם מחזיר את הטוקן הראשון תוך 1.42 שניות, מעט טוב יותר מהחציון של 1.68 שניות בקבוצת ההשוואה שלו. הנתון המפורסם של GPT-6.1 Sol לזמן עד לטוקן התשובה הראשון הוא 249.48 שניות, לעומת חציון של 3.53 שניות, וזה מסוג המספרים שדורשים הסבר ולא ציטוט.

249 השניות האלה כמעט בוודאי אינן השהיה במובן הרשת. זהו הזמן שהמודל מבלה בחשיבה לפני שהוא פולט את אסימון התשובה הראשון, נמדד במאמץ חשיבה מרבי, וזו הדרך הכנה להראות מה עולה למשתמש שממתין מתקציב חשיבה ארוך. נתוני הניתוב שלנו עושים את ההבחנה מוחשית: לאורך 584.7 מיליון אסימוני GPT-6.1 Sol שהועברו דרך OrcaRouter בשבעת הימים עד 29 באוקטובר, זמן p50 לאסימון הראשון בזרימה היה 1.36 שניות ואילו p95 היה 10 שניות. האסימון הראשון מגיע מהר; התשובה הראשונה היא זו שלוקחת דקות, והדגלים ב-API קובעים איזו מהן תחווה המשתמש שלך. אם היישום שלך מזרים אסימוני חשיבה, ההמתנה מאוכלסת ונסבלת. אם לא — אם משתמש בוהה בספינר עד שהתשובה הראשונה מגיעה — אז אסימון ראשון של ארבע דקות הוא אילוץ מוצרי שאף ציון בנצ'מרק לא מפצה עליו, ומודל שעונה תוך 1.4 שניות ירגיש טוב יותר ממודל שחזק ב-29 נקודות Index. זהו הציר שעליו המודל הזול יותר ובעל הציון הנמוך יותר מנצח לרוב בפריסות אמיתיות, והוא אינו מופיע באף טבלת השוואה.

מה השתנה הבוקר: המונה מסתיים

עד היום הטיעון בעד אירוח עצמי של Mistral Large 4 היה הבטחה, והבטחות לא שורדות סקירת רכש. כעת זהו מאגר. שני checkpoints, קובץ רישיון אחד, ומתכון הגשה שפורסם על ידי הספק: vLLM עם מקבילות טנזורים 8 ומטמון KV מסוג MLA ב-FP8, ‏SGLang ב-tp-size 4, שניהם עם ראש טיוטה DSpark מוטמע עבור פענוח ספקולטיבי ולא מודל שני.

מה שזה קונה אינו טוקן זול יותר — אלא קץ הטוקן כיחידת עלות. על חומרה בבעלות עצמית החשבון הופך לפחת, חשמל, שטח מדף והמהנדס שאחראי על האשכול, ועומס עבודה שרץ בנפח גבוה וקבוע הופך מעלות משתנה לעלות קבועה. זהו הטיעון בעד בנק אירופי עם כלל תושבות נתונים, קבלן ביטחוני שהרכש שלו אוסר הסקה זרה, או יצרן שמטמיע מודל בקו מוצרים לחמש שנים. זה אינו טיעון בעד סטארט-אפ עם תעבורה קופצנית ובלי צוות תפעול: 610 GB של משקלים, שמונה מעבדי Blackwell ו-KV cache של מיליון טוקנים הם פרויקט הוני, ותעריף השירות המאורח של $0.70 זול מההון במשך זמן רב מאוד.

הרישיון הוא החלק שאנשים מדלגים עליו. זהו MIT מותאם עם סעיף אחד שחשוב: הרצת המשקלים כהצעת שירות של מודל כשירות (model-as-a-service) מחייבת רישיון מסחרי נפרד מ-Mistral. עם זאת, קרא את ההגדרה בקפידה — היא מחריגה מוצרי קצה משובצים ו"העברה בלבד של בקשות למודלים המתארחים אצל אחרים", כך ששער שמעביר תעבורה להסקה המתארחת ב-Mistral מוחרג, ואילו חברה שמקימה חוות הסקה משלה ומוכרת גישה מחדש אינה מוחרגת. אם התוכנית שלך היא "להוריד אותו ולהפוך לספק", קרא את הסעיף לפני הצעת המחיר לחומרה.

במקום שבו כל אחד מהם הוא למעשה התשובה הנכונה

• כתיבה קודית אג'נטית, שימוש בכלים לטווח ארוך, עבודה במאגרי קוד גדולים — GPT-6.1 Sol. פער ה-Index הוא הרחב ביותר בדיוק כאן, ופרמיית המחיר היא המחיר של להיות צודק.

• חילוץ וסיווג בנפח גבוה עם פלט קצר — Mistral Large 4 במחיר קלט של $0.70. תקרת ההיגיון לעולם אינה מופעלת, כך שפער האינדקס לעולם אינו חל.

• פריסה מפוקחת וכפופה לתחום שיפוט — Mistral Large 4, ולא משום שהוא טוב יותר. GPT-6.1 Sol אינו ניתן לאירוח עצמי בשום מחיר, וזה מכריע את ההשוואה.

• עוזרים אינטראקטיביים שבהם הטוקן הראשון הוא המוצר — Mistral Large 4 מבחינת מהירות, אלא אם כן אתה מזרים חשיבה ויכול לספוג את ההמתנה.

• כלי אבטחה הגנתיים — Mistral Large 4, על סמך שיעור סירוב של 96.6% שדווח על ידי הספק לבקשות סייבר זדוניות, ומערך בנצ'מרקים לסייבר ש-Mistral ארגנה את ההשקה שלה סביבו. הנתונים האלה הם של Mistral, לא של מעבדה עצמאית, ויש להתייחס אליהם כטענות עד שמישהו יריץ אותם מחדש.

• כל דבר שבו התשובה חייבת להיות נכונה ותקציב ההשהיה נדיב — GPT-6.1 Sol. עשרים ותשע נקודות אינן טעות עיגול.

אם בכוונתך להריץ את שניהם

מערכים מעורבים הם התוצאה הרגילה של השוואה כזו, והשאלה התפעולית הופכת להיות איך שני מודלים שונים מאוד יושבים מאחורי חיוב אחד. GPT-6.1 Sol נמצא ב-OrcaRouter בדיוק במחיר המחירון של OpenAI — $2.00 ו-$10.00 למיליון טוקנים, כאשר המדרגה שמעל 272K היא $4.00 ו-$15.00 — בניתוב ללא תוספת של 0%, כך שהתעריף שאתם רואים הוא התעריף ש-OpenAI גובה. Mistral Large 4 אינו בקטלוג שלנו: 214 מודלים, אין נקודת קצה של Mistral, ואם ברצונכם לקרוא לו, תפנו ל-API של Mistral עצמה או לפריסת vLLM משלכם. מה שהפלטפורמה כן מציעה, עבור החצי המתארח, הוא ה-DSL לניתוב — כוונו עומס עבודה למודל אחד והעבירו אותו בלי שינוי קוד — וכן מעבר אוטומטי לגיבוי, וזה מה שהופך ניסיון של מודל חדש בנתיב ייצור למשהו שאפשר לשרוד. חברו את נקודת הקצה באירוח עצמי מאחורי אותה תבנית, ושני החצאים של ההשוואה הזו מפסיקים להיות החלטה חד-פעמית שעליכם לקבל.

שתי שאלות, לא אחת

עמודי ההשוואה יאמרו לך ש-GPT-6.1 Sol מנצח, ובמדד הבלתי־תלוי היחיד ששני המודלים חולקים הוא אכן מנצח — 55 מול 26, בעלות נמוכה ב־62% לכל משימה שהושלמה ובמהירות פלט של קצת יותר ממחצית. זו התשובה הנכונה ל״איזה מודל טוב יותר״, ואם זו הייתה השאלה היחידה, השוק היה מכריע את זה בספטמבר.

השאלה שפתחה את הבוקר הזה היא אחרת: איזה מודל תוכלו עדיין להריץ בעוד שלוש שנים, על חומרה בשליטתכם, תחת רישיון שקראתם. עבור רבים מאוד מהצוותים התשובה תישאר "לא זה ולא זה, אנחנו שוכרים" — ואז GPT-6.1 Sol הוא השכירות הטובה יותר. עבור אלה שאילוצם הוא בעלות ולא יכולת, המודל שקיבל ציון 26 הפסיק היום להיות פשרה והפך לאפשרות היחידה על השולחן. שתי התשובות יכולות להיות נכונות בו-זמנית, ולכן העבודה המעניינת אינה לבחור מנצח אלא להחליט איזו שאלה הארגון שלכם באמת שואל.