GPT-6 Astra vs Mistral Large 4: Kesenjangan Kemampuan, Kesenjangan Harga, dan Tiga Hal yang Terlewat oleh Benchmark

Mistral Large 4 sekitar tiga hingga tujuh kali lebih murah daripada GPT-6 Astra dan tertinggal sekitar enam belas poin Intelligence Index darinya. Berdasarkan angka independen yang dibaca pada pekan 8 Oktober 2026, Mistral Large 4 Preview berada di 38,4 pada Intelligence Index v4.3 milik Artificial Analysis dan GPT-6 Astra di 54,7 — selisih yang lebih lebar daripada selisih antara Astra dan model lain mana pun di kelas ini — sementara tarif yang tercantum adalah $0,68 dan $2,09 per juta token dibandingkan $10,00 dan $50,00. Jika kemampuan per dolar menjadi satu-satunya pertanyaan, jawabannya adalah Astra untuk pekerjaan berat dan Mistral Large 4 untuk volume, dan artikelnya akan berakhir di sini.

Tidak berhenti di situ, karena tiga dari perbedaan yang menentukan pertandingan ini tidak muncul di tabel tolok ukur kedua vendor. Mistral Large 4 hadir pada 6 Oktober 2026 sebagai pratinjau publik yang bobotnya belum dirilis, dilayani dari pusat data Eropa milik Mistral sendiri, dan dipasarkan berdasarkan perilaku penolakan yang tidak dapat ditiru model tertutup dengan harga berapa pun. GPT-6 Astra dirilis pada 3 September 2026 sebagai model teratas dari lini OpenAI, bersifat tertutup, dimoderasi, dan dalam perbandingan ini adalah model yang mengatakan tidak. Itu adalah sumbu yang berbeda dari yang diukur indeks.

Spesifikasi, kedua sisi di setiap baris

• Rilis — GPT-6 Astra 3 September 2026, tersedia secara umum vs Mistral Large 4 6 Oktober 2026, pratinjau publik

• Parameter — Astra tidak diungkapkan vs Mistral Large 4 1,05 triliun total dengan 49 miliar aktif per token, plus encoder visi 1,6 miliar parameter

• Jendela konteks — Astra 1.050.000 token vs Mistral Large 4 yang diiklankan 1 juta tetapi terbaca 524.288 oleh Artificial Analysis pada konfigurasi yang diujinya

• Output maksimum — Astra 128.000 token vs Mistral Large 4 belum didokumentasikan

• Harga input — Astra $10.00 per 1 juta vs Mistral Large 4 $1.36 pada kartu yang dipublikasikan, saat ini dikenakan tarif promosi $0.68

• Harga output — Astra $50,00 per 1 juta vs Mistral Large 4 $4,18 yang tertera di kartu, saat ini $2,09

• Input yang di-cache — Astra $1,00 per 1 juta vs Mistral Large 4 $0,14, saat ini $0,07

• Tingkat konteks panjang — Astra menetapkan ulang harga seluruh permintaan menjadi $20,00 dan $75,00 di atas 272.000 token masukan; Mistral tidak menerbitkan langkah yang sebanding

• Bobot — Astra tertutup vs Mistral Large 4 yang dijanjikan di bawah lisensi terbuka tanpa nama pada akhir Oktober 2026, belum dirilis

• Di mana ia berjalan — Astra di infrastruktur OpenAI, Azure dan AWS Bedrock vs Mistral Large 3 di infrastruktur Mistral sendiri saat ini, dapat dihosting sendiri setelah bobotnya tersedia

• Indeks Kecerdasan Independen — Astra 54.7 vs Mistral Large 4 Preview 38.4

• Recall konteks panjang independen — Astra 80.7 vs Mistral Large 4 81.3, satu-satunya lini kemampuan di mana Mistral memimpin

Kesenjangan indeks itu nyata, dan itu bukan keseluruhan model

Lima puluh empat berbanding tiga puluh delapan bukanlah perbedaan pembulatan. Pada harness Terminal-Bench 4.0 dari evaluator yang sama, Astra mencatat 59,1% berbanding 26,8% milik Mistral Large 4 Preview, dan di halaman Artificial Analysis sendiri Mistral Large 4 ditandai karena rata-rata sekitar 507 detik per tugas, sementara setiap run indeks Astra dihargai sekitar $3,26 untuk komputasi. Model yang membutuhkan delapan menit per tugas dan mencetak skor enam belas poin lebih rendah tidak bersaing di kelas beban kerja yang sama dalam pengodean agentik.

Dua baris bergerak ke arah sebaliknya, dan keduanya layak dipertimbangkan dalam keputusan apa pun. Mistral Large 4 memimpin dalam recall konteks panjang, 81,3 berbanding 80,7, yang merupakan kekuatan nyata untuk pekerjaan yang padat dokumen dan padat pengambilan informasi, tempat pembeli Eropa paling mungkin menginginkannya. Dan ini adalah pratinjau dari mixture-of-experts 1,05 triliun parameter yang menurut Mistral masih berada dalam proses reinforcement learning yang belum jenuh — kata-kata vendor itu sendiri menyatakan bahwa pihaknya mengharapkan "peningkatan besar dan cepat dalam beberapa pekan dan bulan mendatang." Model yang Anda benchmark hari ini adalah versi terburuknya yang akan pernah ditagihkan kepada Anda. Angka 54,7 milik Astra melekat pada kemampuan yang tetap; angka 38,4 milik Mistral melekat pada kemampuan yang terus bergerak, dan kedua fakta itu menguntungkan pembeli dengan cara yang berbeda.

Dari mana angka-angka Mistral berasal, dan siapa yang menjalankannya

Materi peluncuran Mistral secara tidak biasa sangat berhati-hati soal asal-usul, dan kehati-hatian itu sendiri merupakan informasi. Tiga dari angka utama pengodean agentik — 61,7% pada DeepSWE v1.1, 59,4% pada SWE-Atlas-QnA, dan 28,3% pada Terminal-Bench 4.0, yang jika digabungkan menjadi skor Coding Agent Index 49,8% — dijelaskan oleh Mistral sebagai dievaluasi secara privat oleh Artificial Analysis sebelum peluncuran publik perangkat evaluasi tersebut. Angka-angka itu belum ada di indeks publik, yang membuatnya lebih kuat daripada tolok ukur yang dijalankan sendiri dan tetap tidak dapat direproduksi oleh Anda hari ini.

Titik data independen terkuat dalam rilis ini adalah titik yang tidak dijalankan Mistral. Surge AI, firma anotasi pihak ketiga, menjalankan evaluasi manusia secara blind atas kualitas coding dengan identitas model disembunyikan, dan anotator profesional menilai Mistral Large 4 Preview sebesar 3,74 pada skala 1–5 — peringkat kedua dari lima, hanya di belakang Claude Opus 5 pada 4,22, serta unggul atas Kimi K3 pada 3,59, GLM-5.3 pada 3,60, dan GLM-5.2 pada 3,40. Eval manusia secara blind dengan lab yang disebutkan namanya di pihak lain adalah jenis bukti yang berbeda dari tabel yang diterbitkan sendiri, dan ini adalah hasil independen paling kuat dalam pengumuman tersebut.

Semua hal lain dalam tabel Mistral dilaporkan oleh vendor dan tidak direproduksi, termasuk angka-angka cyber di bawah ini. Bacalah itu sebagai klaim yang dibuat oleh lab yang percaya diri, bukan sebagai hasil pengukuran.

Apa yang sebenarnya dijual Mistral: penolakan

Inilah bagian dari perbandingan yang tidak mampu ditangkap oleh tolok ukur mana pun, dan inilah hal paling tajam yang diucapkan salah satu vendor dalam pertarungan ini.

Di Cyber Index milik Artificial Analysis, Mistral mengatakan Mistral Large 4 menempati peringkat lima besar global dan memimpin model open-weight yang dikembangkan di luar Tiongkok. Pada satu tes spesifik — mereproduksi kerentanan nyata dalam perangkat lunak sumber terbuka lalu menambalnya — ia melaporkan 82%, yang digambarkan sebagai yang tertinggi di antara model mana pun, serta 93% dari 40 latihan kompetisi Cybench. Lalu ia menyampaikan pengamatan yang memberi keunggulan pada rilis ini: beberapa model tertutup terkemuka, dengan Claude Opus 5.5 dan GPT-6 Astra disebut di antaranya, mendapat skor mendekati nol pada tes yang sama karena mereka menolak tugas tersebut.

Kedua bagian dari itu dilaporkan oleh vendor. Tidak satu pun telah direproduksi secara independen. Namun mekanismenya tidak eksotis dan ini bukan sindiran — OpenAI merilis GPT-6 Astra di balik apa yang oleh liputan saat peluncuran disebut sebagai ambang batas siber Kritis, dan model dengan postur penolakan yang lebih ketat akan menolak permintaan reproduksi kerentanan yang akan dicoba oleh model dengan postur yang lebih longgar. Angka 82% dan hampir nol adalah dua sisi dari keputusan kebijakan yang sama, dan mana yang Anda inginkan bergantung pada apa yang Anda lakukan untuk mencari nafkah. Tim red team yang mengevaluasi perangkat lunaknya sendiri menginginkan angka 82%. Platform teregulasi yang melayani pengguna akhir mungkin secara khusus menginginkan penolakan itu, dan mungkin bersedia membayar $10.00 dan $50.00 per juta token untuk itu.

Itulah perbedaan antara kedua model ini yang tidak akan pernah ditunjukkan oleh baris papan peringkat mana pun kepada Anda, dan itulah alasan keduanya akan hidup berdampingan di pasar alih-alih yang satu menggantikan yang lain.

Apa arti "open-weight" minggu ini

Tiga catatan harus ada di sisi Mistral Large 4 pada lembar ini, dan masing-masing memiliki harga yang menyertainya.

• Bobotnya belum dirilis. Tidak ada checkpoint, tidak ada berkas lisensi, dan tidak ada repositori saat ini. Mistral mengatakan bobot itu akan hadir pada akhir Oktober 2026 setelah jendela red-teaming yang di dalamnya mitra yang telah diverifikasi dan otoritas nasional mendapatkan build yang tidak terkunci. Sampai saat itu, satu-satunya cara untuk mengaksesnya adalah API pratinjau, yang berarti argumen "menjalankannya di perangkat keras Anda sendiri" adalah item peta jalan, bukan kemampuan.

• Penanda independensi tidak selaras dengan pemasarannya. Artificial Analysis mencantumkan model tersebut sebagai isOpenWeights: false dengan kategorisasi "proprietary," karena yang ada hanyalah pratinjau yang disajikan dari klaster milik vendor itu sendiri. Penanda itu adalah ilustrasi tunggal paling gamblang tentang jarak antara kata "open-weight" dan artefaknya.

• Harga yang dikutip untuk Anda bersifat promosi. Kartu harga Mistral menampilkan $0,68 dan $2,09 terhadap daftar harga yang dicoret sebesar $1,36 dan $4,18. Modelkan tagihan Anda berdasarkan yang terakhir. Pratinjau juga merupakan label tahap dalam arti kontraktual — model dapat diarahkan ulang, diubah harganya, atau dipensiunkan dengan pemberitahuan yang lebih singkat daripada rilis GA, sehingga pipeline yang disetel pada build minggu ini membawa biaya validasi ulang yang tidak Anda anggarkan.

Semua itu tidak membuat pratinjau menjadi pembelian yang buruk. Itu membuatnya menjadi pembelian dengan tanggal kedaluwarsa dan tagihan validasi ulang, yang merupakan jenis biaya yang berbeda dari tarif per token.

Kedaulatan adalah pos pengadaan, bukan slogan

Mistral melatih Mistral Large 4 dari nol pada 3.800 GPU NVIDIA Grace Blackwell di pusat data Eropanya sendiri, mengumpulkan €3 miliar dalam pendanaan Seri D yang secara khusus untuk membangun kapasitas itu, dan menyajikan pratinjau dari infrastruktur yang sama. Bagi pembeli yang teregulasi, ini bukan posisi pemasaran; ini adalah persyaratan yang saat ini tidak dapat dipenuhi GPT-6 Astra dengan harga berapa pun. Model OpenAI dapat diakses melalui API OpenAI sendiri, Azure, dan AWS Bedrock — semuanya sangat baik untuk skala dan tidak ada satu pun yang merupakan pipeline end-to-end yang dioperasikan Eropa.

Paruh kedua dari argumen kedaulatan baru terasa ketika bobotnya sudah tersedia. Organisasi yang memiliki GPU kemudian dapat menjalankan model sparse 1,05 triliun parameter secara on-premise tanpa melibatkan penyedia, yang sekaligus mengubah narasi residensi data dan perilaku penolakan. Astra akan tetap menjadi panggilan API ketika itu terjadi. Jika peta jalan Anda memiliki fase on-premise, Mistral Large 4 adalah satu-satunya di antara keduanya yang memilikinya — dan jika tidak, seluruh kolom itu tidak bernilai apa pun bagi Anda.

Menjalankan keduanya tanpa memihak salah satunya

Bentuk yang canggung dari pertandingan ini bagi sebuah router adalah bahwa satu sisinya adalah model yang kami layani dan sisi lainnya adalah pratinjau yang tidak kami layani. GPT-6 Astra ada dalam katalog OrcaRouter pada harga daftar OpenAI tanpa tambahan apa pun, pada kunci yang sama yang kompatibel dengan OpenAI seperti 200 lebih model lainnya, dengan failover otomatis di seluruh penyedia hulu — yang penting di sini karena pratinjau justru jenis ketergantungan yang ingin Anda jauhkan dari jalur kritis Anda sampai ia stabil. Mistral Large 4 tidak dirutekan oleh kami selama ia disajikan dari klaster Mistral sendiri di balik bendera pratinjau; versi jujur dari bagian kami dalam perbandingan ini adalah sisi Astra-nya, ditambah kemampuan untuk menjalankan tugas yang sama terhadap keduanya tanpa kontrak kedua. Ketika endpoint Mistral yang tersedia secara umum muncul, ia mewarisi passthrough 0% yang sama seperti yang dijalankan katalog lainnya, dan perubahan harga vendor masuk ke kunci yang sama pada hari terjadinya, bukan pada perpanjangan berikutnya.

Apa yang bisa Anda dapatkan dengan satu kunci hari ini adalah A/B itu sendiri: prompt yang sama, evaluator yang sama, dua string model, satu tagihan — begitulah cara Anda menjawab satu-satunya pertanyaan yang penting tentang sebuah pratinjau, yakni apakah sikap penolakannya dan ingatan konteks panjangnya bernilai enam belas poin indeks bagi beban kerja Anda.

Aturan keputusan, dan tanggal yang mengubahnya

Jika pekerjaannya adalah penalaran berat, pengodean agentik, atau apa pun yang diukur oleh puncak Intelligence Index, GPT-6 Astra lebih unggul dan selisih harganya adalah premi untuk itu — $10,00 dan $50,00 per juta token, dengan harga yang disesuaikan menjadi $20,00 dan $75,00 untuk permintaan di atas 272.000 token masukan.

Jika pekerjaan tersebut harus berdomisili di Eropa karena persyaratan, sensitif terhadap penolakan, atau akan dijalankan pada perangkat keras on-premises, Mistral Large 4 adalah satu-satunya dari keduanya yang bahkan dapat menjawab pertanyaan itu, dengan harga token seperempat hingga sepertujuh, dengan catatan bahwa artefak yang Anda deploy nanti tidak akan menjadi artefak yang Anda evaluasi sekarang.

Tanggal yang perlu diperhatikan adalah akhir Oktober 2026, saat Mistral mengatakan checkpoint-nya akan hadir. Tiga hal berubah pada hari itu: lisensinya mendapatkan nama, argumen self-hosting berhenti menjadi sekadar janji, dan harga peluncuran yang melekat pada pratinjau yang terus bergerak berhenti menjadi harga yang melekat pada versi yang sudah tetap. Siapa pun yang saat ini membandingkan model-model ini berdasarkan kemampuannya harus menjalankan ulang perbandingan tersebut setelah itu, karena satu kolomnya akan sudah berubah.