Mistral Large 4 vs GPT-6 Sol: un prezzo in anteprima contro un default già rilasciato

Sulla carta non è una sfida equilibrata. Mistral Large 4, il modello di punta open-weight da 1,05 trilioni di parametri di Mistral, ha un prezzo di $0,68 per milione di token in input e $2,09 per milione di token in output. GPT-6 Sol, il livello high-end conveniente, ha un prezzo di $2,00 e $10,00 — circa tre volte tanto in input e quasi cinque volte tanto in output, e il prezzo sale a $4,00 e $15,00 una volta che una richiesta supera i 272.000 token. Un mese da 100 milioni di token con un rapporto input/output di 4:1 costa circa $140 su Mistral Large 4 e circa $480 su GPT-6 Sol. Questa è tutta la tesi, ed è una tesi forte, finché non leggi la seconda riga della documentazione di Mistral: Mistral Large 4 è in anteprima pubblica, ed è l'unico di questi due modelli che è ancora in movimento.

Questa distinzione è l'intero confronto. GPT-6 Sol è stato rilasciato il 22 settembre 2026 ed è stabile; il suo comportamento, la sua scheda tariffaria e i suoi punteggi indipendenti sono definiti. Mistral Large 4 è arrivato il 6 ottobre 2026 con un'API di anteprima, un rilascio dei pesi promesso «entro la fine del mese» e un ciclo di reinforcement learning che, secondo Mistral, è ancora in corso. La versione che chiami oggi non è la versione che avrai a novembre. Quindi la domanda interessante non è «quale sia migliore» — per intelligenza misurata non sono ancora nella stessa fascia — ma «quale dei due appartiene al tuo stack, e a quali condizioni».

Cosa ha effettivamente consegnato ciascun fornitore

Mistral Large 4 è un modello mixture-of-experts granulare con 49 miliardi di parametri attivi su 1,05 trilioni totali, più un encoder visivo da 1,6 miliardi di parametri. Accetta testo e immagini, offre una finestra di contesto di circa un milione di token ed è addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei data centre europei di Mistral. Mistral lo descrive come il suo modello più grande e più capace fino a oggi e afferma che i pesi — rilasciati con licenza aperta — arriveranno prima della fine di ottobre 2026, in attesa di un periodo di red-teaming condotto con partner di cybersecurity e autorità statali. Fino ad allora l'unico modo per accedervi è l'API di anteprima.

GPT-6 Sol è il livello intermedio della serie GPT-6 di OpenAI, sotto il modello di punta GPT-6 Astra e sopra il veloce GPT-6 Luna. Accetta testo, immagini e file, ha una finestra di contesto poco superiore a un milione di token con fino a 128.000 token di output, e offre sforzo di ragionamento configurabile, function calling, output strutturati e campionamento con seed. È un'API chiusa e moderata — l'opposto dell'approccio di Mistral, secondo cui un'organizzazione può alla fine eseguire ML4 sul proprio hardware seguendo le proprie policy.

• Parametri totali — Mistral Large 4 1,05T (49B attivi) vs GPT-6 Sol non divulgati

• Finestra di contesto — all'incirca 1M token ciascuna, Mistral Large 4 annunciata a 1M, GPT-6 Sol a ~1,05M

• Output massimo — GPT-6 Sol 128K token vs Mistral Large 4 non ancora documentato

• Modalità di input — Mistral Large 4 testo e immagine vs GPT-6 Sol testo, immagine e file

• Prezzo di input — Large 4 $0.00 per 1M vs GPT-6 Sol $2.00, che sale a $4.00 oltre i 272K token

• Prezzo dell'output — Mistral Large 4 $2,09 per 1M rispetto a GPT-6 Sol $10,00, che sale a $15,00 oltre la stessa soglia

• Input in cache — Mistral Large 4 $0,07 per 1M vs GPT-6 Sol $0,20, in aumento a $0,40

• Pesi — Mistral Large 4 licenza aperta, promessa entro la fine di ottobre 2026 vs GPT-6 Sol chiuso

• Stato di rilascio — Mistral Large 4 in anteprima pubblica, 6 ottobre 2026 vs GPT-6 Sol in disponibilità generale, 22 settembre 2026

Dove GPT-6 Sol è semplicemente in vantaggio

Il post di lancio di Mistral è insolitamente diretto su questo, il che evita a tutti di tirare a indovinare. Sull'Artificial Analysis Intelligence Index — la revisione v4.3.2, dieci valutazioni da AA-Briefcase a CritPt — GPT-6 Sol ottiene 47,6 e si colloca intorno al 14º posto tra i 147 modelli di quella classifica. Mistral Large 4 non ha alcun punteggio Index pubblicato. Ciò che esiste è una riga parziale su Artificial Analysis, che elenca il modello come "Mistral Large 4 Preview" e ne riporta la posizione come non disponibile pubblicamente. Nelle singole valutazioni visibili, GPT-6 Sol è chiaramente in testa: 47,9 contro una soglia di Humanity's Last Exam che supera, mentre ML4 non compare, 83,7 contro 80,3 sul long-context recall di AA-LCR, 43,9 contro 28,3 su Terminal-Bench 4.0.

Quei dati di Terminal-Bench meritano un'avvertenza che va nella direzione opposta. Il 28,3% di Mistral e il 59,4% su SWE-Atlas-QnA provengono da numeri che Artificial Analysis ha valutato privatamente prima del lancio di un harness, e Mistral dichiara esplicitamente che compariranno sull'Artificial Analysis Coding Agent Index quando quel harness sarà disponibile. Non sono inventati dal fornitore, ma non sono nemmeno riproducibili da voi oggi. Considerateli promettenti e non verificati.

Laddove Mistral pubblica dei numeri, diversi di essi meritano una lettura attenta, perché sono il tipo di affermazione che un fornitore fa quando è sicuro di sé. Mistral riferisce che in un test dell'Artificial Analysis Cyber Index — riprodurre una vulnerabilità reale in un software open source, poi correggerla — ML4 ottiene l'82%, il punteggio più alto di qualsiasi modello, e che risolve il 93% delle 40 sfide di Cybench. Riferisce inoltre che i principali modelli chiusi, tra cui Claude Opus 5.5 e GPT-6 Astra, ottengono un punteggio vicino allo zero nello stesso test di riproducibilità perché rifiutano il compito. Si tratta di dati dichiarati dal fornitore e non riprodotti in modo indipendente, ma il meccanismo di fondo non è esotico: un modello che rifiuta di più, in realtà, completa di meno, e Mistral porta avanti questo argomento dalla sua svolta open-weights.

Sulla capacità generale, la lettura onesta è che GPT-6 Sol è il modello migliore oggi e Mistral Large 4 è quello più economico. Se il tuo carico di lavoro è un semplice compito di domanda-risposta o di programmazione senza preferenza per l'auto-hosting, i cinque dollari in più di GPT-6 Sol per milione di token di output ti comprano un modello il cui comportamento non cambierà sotto di te.

Le ragioni a favore dell'anteprima, che non è solo una questione di prezzo.

Tre cose rendono Mistral Large 4 più di una semplice opzione a prezzo scontato, e nessuna di esse è il cartellino del prezzo.

Il primo è la sovranità in senso letterale. ML4 è stato addestrato in data center europei su hardware europeo e potrà essere erogato come servizio in una regione europea che Mistral gestisce end-to-end. Per un acquirente soggetto a regolamentazione, non è uno slogan di marketing; è un requisito di approvvigionamento che GPT-6 Sol attualmente non può soddisfare a nessun prezzo. Mistral ha raccolto 3 miliardi di euro in un round Serie D specificamente per finanziare questo, il più grande round di equity mai raccolto da un'azienda tecnologica europea, e questo modello è la prima pietra miliare verso tale obiettivo.

Il secondo sono i pesi. Quando arrivano, un'organizzazione che dispone delle GPU può eseguire ML4 on-premise senza alcun provider nel ciclo, il che cambia sia il comportamento di rifiuto sia la questione della residenza dei dati. Quando ciò accadrà, GPT-6 Sol sarà ancora una chiamata API. Se la tua roadmap prevede una fase on-premise, ML4 è l'unico dei due ad averne una.

Il terzo è la cadenza. Mistral afferma che il run di RL dietro questa anteprima non è saturato e che si aspetta "miglioramenti ampi e rapidi nelle settimane e nei mesi a venire". Quando un fornitore distribuisce un'anteprima e dichiara che la curva è ancora in salita, il prezzo che ti viene quotato oggi è legato alla peggiore versione del modello che ti verrà mai fatturata. Il prezzo di GPT-6 Sol è legato a una capacità fissa.

Eseguire entrambi senza scommettere su nessuno dei due

La parte scomoda di un'anteprima è che non puoi bloccarla. Se il tuo prodotto dipende dal comportamento attuale di ML4, un aggiornamento la settimana prossima è un incidente in produzione. Se dipende da GPT-6 Sol, stai pagando un premio fisso per la stabilità. La configurazione sensata di solito è entrambe, dietro un unico endpoint, così la decisione è una regola di instradamento e non un'architettura.

Ecco a cosa serve OrcaRouter. Entrambi i modelli si trovano dietro un'unica API compatibile con OpenAI con 0% di markup, che qui conta più del solito: il prezzo di anteprima di Mistral è una tariffa di lancio e cambierà — verso l'alto quando l'anteprima termina, forse verso il basso quando i pesi arriveranno e la concorrenza sul modello aperto si farà sentire — e poiché i prezzi di listino dei fornitori passano direttamente, un taglio di prezzo di un fornitore è attivo dalla nostra parte lo stesso giorno, invece di quando qualcuno aggiorna una tabella codificata rigidamente. Il DSL di routing ti consente di inviare lavoro su documenti a contesto lungo al modello più economico per quella forma, e di mantenere GPT-6 Sol come fallback per tutto ciò che deve essere stabile. Il failover automatico copre il caso che un'API di anteprima rende più probabile: l'endpoint occupato o temporaneamente non disponibile, cosa normale per qualsiasi modello nel suo primo mese.

Quale scegliere?

Scegli GPT-6 Sol se il carico di lavoro è in produzione, il comportamento conta più del prezzo unitario e non hai l'esigenza di eseguire il modello in autonomia. Il suo 47,6 sull'Intelligence Index, il suo limite di output di 128K e le sue letture della cache da $0,20 lo rendono l'opzione predefinita più sicura, e il riprezzamento per contesto lungo a 272.000 token è facile da pianificare perché la soglia è pubblicata.

Scegli Mistral Large 4 se stai costruendo qualcosa per cui vale una di queste tre condizioni: ti serve un modello distribuito in Europa, ti servono prima o poi pesi aperti, oppure lavori nella ricerca sulla sicurezza, dove un rifiuto è un fallimento — l'82% nel test di riproduzione e correzione contro quasi zero delle alternative chiuse è un vero divario di capacità, che sia dichiarato dal fornitore o meno. E accetta che stai comprando un modello in fase di sviluppo. Metti in conto che l'interfaccia API cambi, e non codificare in modo fisso il prezzo di anteprima in una previsione per il prossimo trimestre.

Cosa tenere d'occhio prima di schierarsi in un senso o nell'altro: il rilascio effettivo dei pesi alla fine di ottobre, che è il momento in cui l'affermazione sui pesi aperti smette di essere una promessa; il primo punteggio pubblicato dell'Artificial Analysis Intelligence Index per ML4, che stabilirà se il divario di prezzo è un affare o uno sconto per ottenere meno; e il Coding Agent Index, dove i numeri privati di Mistral su Terminal-Bench o vengono confermati o, silenziosamente, no.