Mistral Large 4 vs DeepSeek V4 Pro: Arsitektur Kembar, Taruhan yang Berlawanan

Kedua model dalam perbandingan ini hampir identik di atas kertas dan sangat berbeda dalam praktiknya. Mistral Large 4 adalah sparse mixture-of-experts dengan 1,05 triliun parameter dan 49 miliar parameter aktif, diumumkan pada 6 Oktober 2026. DeepSeek V4 Pro adalah sparse mixture-of-experts dengan 1,6 triliun parameter dan 49 miliar parameter aktif, dirilis pada 24 April 2026. Anggaran aktivasi yang sama, keluarga arsitektur yang sama, klaim yang sama akan kinerja terdepan dengan ekonomi bobot terbuka — dan tepat satu di antaranya memiliki bobot yang dapat Anda unduh hari ini.

Pasangan ini bukanlah pasangan yang diciptakan artikel ini. Posting peluncuran Mistral sendiri menyandingkan tolok ukur dengan DeepSeek V4 Pro secara eksplisit di tiga tempat terpisah: pengodean agentic, pekerjaan pengetahuan berjangka panjang, dan otomatisasi alur kerja bisnis. Mengajukan pertanyaan yang sama kepada sisi lain — apa yang sudah mampu dilakukan DeepSeek V4 Pro yang dijanjikan Mistral Large 4 — ternyata menjadi cara tercepat untuk melihat apa yang sebenarnya ditambahkan oleh pratinjau ini.

Spesifikasi, berdampingan

Dibaca pada 6 Oktober, angka-angka Mistral dari pengumumannya sendiri dan kartu modelnya, sedangkan angka DeepSeek dari entri katalog langsungnya.

• Total vs aktif — 1,05T total / 49B aktif vs 1,6T total / 49B aktif

• Modalitas — masukan teks dan gambar, keluaran teks vs hanya teks

• Jendela konteks — 1M yang dinyatakan oleh Mistral, 524.288 pada konfigurasi yang sedang diuji Artificial Analysis, vs 1M yang dilayani

• Batas output — tidak dipublikasikan untuk pratinjau vs 384K token

• Harga per juta, input / output — harga daftar $1,36 / $4,18, saat ini $0,68 / $2,09 dalam promo, vs $0,66 / $1,98

• Input yang di-cache per juta — $0,14, saat ini $0,07, vs $0,022

• Bobot — dijanjikan akhir Oktober, lisensi tidak disebutkan vs tersedia sekarang

• Infrastruktur pelatihan — 3.800 GPU NVIDIA Grace Blackwell di pusat data Eropa milik Mistral sendiri vs kluster milik DeepSeek sendiri

Simetri dari angka aktivasi 49B adalah sorotan utama sekaligus jebakannya. Parameter aktif menentukan biaya untuk menghasilkan sebuah token; parameter total menentukan apa yang diketahui model. Angka 1,6T milik DeepSeek versus 1,05T milik Mistral berarti DeepSeek membawa kapasitas sekitar 50% lebih besar per token yang dihitung — keunggulan nyata dalam pekerjaan yang padat pengetahuan dan sama sekali bukan keunggulan dalam tugas yang hambatannya adalah mengikuti instruksi atau penggunaan alat.

Apa yang dikatakan indeks independen

Kedua model memiliki halaman di Artificial Analysis, sehingga ini menjadi salah satu dari sedikit perbandingan dalam seri ini yang kedua sisinya diukur pada harness yang sama. Intelligence Index v4.3, dibaca 6 Oktober:

• Indeks Kecerdasan — 38,4 untuk Mistral Large 4 Preview dibandingkan dengan 36,0 untuk DeepSeek V4 Pro 0813

• Biaya per tugas indeks — $1.13 vs $0.67

• Terminal-Bench 4.0 — 26,8% vs 14,1%

• Ujian Terakhir Umat Manusia — 35,0% vs 41,0%

• AutomationBench, alur kerja bisnis — 59,9% vs 56,7%

• τ²-Bench, agentik penggunaan alat — tidak dipublikasikan untuk pratinjau vs 96,2%

• SciCode — 54,2% vs 51,0%

Ini adalah perlombaan yang jauh lebih ketat daripada yang tersirat dari label harga, dan perbedaannya informatif, bukan sekadar gangguan. Mistral Large 4 memenangkan baris coding agentik dengan hampir tiga belas poin dan baris otomasi alur kerja secara tipis, sementara DeepSeek V4 Pro memenangkan pengetahuan terbuka dengan enam poin dan biayanya 40% lebih murah per tugas. Perhatikan juga bahwa indeks menyebarkan biaya ke pembacaan cache, penulisan cache, token penalaran, dan token jawaban — cache Mistral didiskon 90% sementara cache DeepSeek didiskon 97%, itulah sebabnya dua model dengan tarif utama yang serupa berada di $1,13 dan $0,67 per tugas yang diselesaikan.

Di mana DeepSeek V4 Pro telah menang

Perbedaan yang menentukan bukanlah tolok ukur. Perbedaannya adalah DeepSeek V4 Pro sudah tersedia dengan bobot terbuka hari ini dan Mistral Large 4 adalah pratinjau yang dilayani dari klaster milik pembuatnya sendiri. Mistral mengatakan bobotnya akan dirilis pada akhir Oktober — sebuah komitmen, bukan artefak. Organisasi Hugging Face-nya, yang diperiksa pada 6 Oktober, tidak memuat apa pun yang lebih baru daripada Juli. Sampai sebuah repositori muncul dengan berkas lisensi, argumen penerapan mandiri yang diajukan Mistral adalah milik DeepSeek.

Perbedaan kedua adalah keluasan ketersediaan. DeepSeek V4 Pro telah dapat dirutekan sejak April dan, dengan selisih yang sangat jauh, merupakan model yang paling banyak digunakan di katalog kami sendiri — 1,13 miliar token selama tujuh hari terakhir pada saat penulisan, dibandingkan dengan puluhan juta token yang biasanya digerakkan oleh model frontier tipikal. Volume itu penting bagi pembeli dengan cara yang tidak bisa dilakukan papan peringkat: ini berarti mode kegagalannya diketahui, karakteristik throughput-nya diketahui, dan penyedia yang membawanya telah diuji tekanan oleh lalu lintas produksi orang lain.

DeepSeek juga unggul dalam mekanika yang membosankan. Plafon keluaran 384K dibandingkan plafon yang tidak dipublikasikan, konteks 1M yang benar-benar disajikan alih-alih sekadar dinyatakan, dan cakupan hanya teks yang membuat throughput konteks panjang dapat diprediksi. Jika beban kerja Anda adalah analisis dokumen, pembuatan konten panjang, atau ekstraksi yang sarat pengetahuan atas satu juta token, DeepSeek V4 Pro lebih murah, lebih terbuka, dan lebih terbukti daripada pratinjau Mistral di setiap sumbu.

Kapan Mistral Large 4 menjadi pilihan yang lebih baik

Mistral memilih dengan cermat baris-baris yang dijadikannya tolok ukur, dan kesenjangan coding itu bukan sekadar kosmetik. 26,8% berbanding 14,1% pada Terminal-Bench 4.0 kira-kira dua kali lipat, dan itu sejalan dengan klaim Mistral sebesar 61,7% pada DeepSWE v1.1 dan 59,4% pada SWE-Atlas-QnA — angka yang menurut Mistral dievaluasi Artificial Analysis secara privat sebelum peluncuran publik harness tersebut, itulah sebabnya angka-angka itu belum ada di indeks publik. Ketika angka-angka itu muncul, atau tidak, hal itu akan menjawab pertanyaan coding tersebut.

Multimodalitas adalah pemisahan jelas yang kedua. Mistral Large 4 menerima gambar secara native, dengan encoder visi 1,6B khusus, dan Mistral mengklaim grounding visual tercanggih di antara model terbuka — menyebut angka 42% berbanding 41% milik GPT-6 Astra pada Dense 200. DeepSeek V4 Pro hanya teks dan kartu katalognya menyatakannya secara gamblang. Pipeline apa pun yang melibatkan tangkapan layar, gambar teknik, berkas hasil pemindaian, atau pembacaan grafik hanya punya satu kandidat di sini, bukan dua.

Lalu ada bidang siber, tempat klaim Mistral lebih tajam daripada apa pun yang telah dipublikasikan DeepSeek: 82% pada tes Artificial Analysis Cyber Index yang meminta model mereproduksi kerentanan nyata dan menambalnya, yang disebut sebagai yang tertinggi di antara model mana pun, dan 93% pada latihan kompetisi Cybench. Itu adalah angka yang dikutip vendor dan harus dilabeli demikian — tetapi angka-angka itu berada pada indeks independen, dan tidak ada hasil DeepSeek yang sebanding yang telah dipublikasikan. Untuk pekerjaan keamanan, posisi yang jujur adalah bahwa Mistral Large 4 mengklaim keunggulan yang belum ditunjukkan sebagai keliru.

Pembeda terakhir adalah yurisdiksional. Mistral melatih model tersebut pada 3.800 GPU Grace Blackwell di pusat datanya sendiri di Eropa dan menyajikan pratinjau di sana, dengan deployment Eropa yang dioperasikan secara end-to-end di bawah hukum Eropa. Bagi pembeli teregulasi Eropa yang alternatifnya adalah model open-weight Tiongkok atau model tertutup AS, itu adalah kategori tersendiri.

Harganya, dibaca dengan benar

Harga label kedua model bukanlah keseluruhan ceritanya. Entri katalog DeepSeek V4 Pro memuat dua jendela waktu — 01:00–04:00 dan 06:00–10:00 UTC — di mana tarif yang tercantum dikalikan, sehingga beban kerja yang jatuh pada jam-jam tersebut biayanya dua kali lipat dari harga utamanya. $0.68 / $2.09 milik Mistral Large 4 adalah promosi peluncuran dibandingkan daftar tarif $1.36 / $4.18; promosi tersebut adalah harga hari ini dan daftar tarif adalah harga yang harus Anda jadikan dasar untuk menghitung tagihan.

Yang memperjelas hal ini di OrcaRouter adalah pass-through-nya: markup 0% atas harga daftar penyedia, yang berarti pemotongan harga vendor adalah pemotongan harga Anda pada hari yang sama dan tarif promosi vendor diteruskan alih-alih diserap. DeepSeek V4 Pro sudah dapat dirutekan hari ini di balik satu endpoint yang kompatibel dengan OpenAI pada tarif penyedianya, dalam kredensial yang sama dengan 200+ model lainnya, dengan failover otomatis antar penyedia saat salah satunya menurun. Mistral Large 4 tidak ada dalam katalog kami — versi preview-nya diakses melalui API Mistral sendiri dan beberapa platform pihak ketiga — jadi jika Anda ingin menjalankan kedua sisi perbandingan ini sekaligus hari ini, itu berarti satu rute melalui kami dan satu lagi langsung.

Mana yang harus dipilih

Jika Anda membutuhkan bobot yang bisa Anda pegang sendiri, 384K keluaran, satu juta token konteks yang dilayani, biaya per tugas yang diselesaikan terendah di antara keduanya, dan model yang perilakunya sudah pernah dibobol orang lain di produksi, DeepSeek V4 Pro bukanlah kompromi — ia adalah produk jadi versus sekadar cuplikan. Ia adalah default yang tepat untuk pekerjaan dokumen, pengetahuan, dan tulisan panjang, dan bobotnya yang terbuka berarti batas atas atas apa yang bisa Anda lakukan dengannya adalah infrastruktur Anda sendiri, bukan peta jalan vendor.

Jika beban kerja Anda adalah pengodean agentik, jika melibatkan gambar, jika melibatkan pekerjaan keamanan, atau jika yurisdiksi Eropa merupakan persyaratan dan bukan preferensi, Mistral Large 4 adalah model yang layak mengambil risiko pratinjau — dan risikonya terbatas, karena Mistral telah berkomitmen pada bobotnya dan pada jendela red-teaming dengan akhir yang telah dinyatakan. Tempatkan sebagian trafik ke model itu sekarang, pertahankan DeepSeek V4 Pro untuk sisanya, dan biarkan keduanya menyelesaikan pertanyaan arsitektur pada data Anda. Anggaran aktivasi 49B akan terlihat sama dari sisi mana pun; yang berbeda adalah segala hal di sekitarnya.