Mistral Large 4 vs GPT-6.1 Sol: uno che puoi scaricare, l'altro che puoi solo noleggiare

Quasi ogni confronto tra Mistral Large 4 e GPT-6.1 Sol sul web aperto cita numeri che hanno smesso di esistere il 27 ottobre. Le pagine riportano 38 e 52. Quel giorno Artificial Analysis ha ricostruito il suo Intelligence Index nella serie v5, ha rieseguito i modelli e ora pubblica 26 per Mistral Large 4 contro 55 per GPT-6.1 Sol. Non è un cambiamento in nessuno dei due modelli — è uno strumento diverso, con nove valutazioni invece del vecchio set e un mix molto più difficile — ma significa comunque che il divario di cui potresti aver letto, quattordici punti, ora è di ventinove sulla carta e non è confrontabile con nulla di precedente alla ricostruzione. I confronti tra diverse esecuzioni dell'indice sono l'errore più comune in questo ambito, e vale la pena mettere correttamente a fuoco la coppia attuale prima di discutere di qualsiasi altro punto.

Ciò che rende questo confronto più interessante di una differenza di punteggio è che questa mattina i due prodotti hanno smesso di essere lo stesso tipo di cosa. GPT-6.1 Sol è un modello a noleggio da quando OpenAI lo ha rilasciato il 29 settembre 2026 a 2,00 e 10,00 dollari per milione di token; lo chiami, non puoi tenerlo. Mistral Large 4, in anteprima il 6 ottobre 2026, ha pubblicato i suoi pesi il 29 ottobre 2026 alle 14:51 UTC — 1.060,6 GB in FP8 e 610,1 GB in NVFP4, scaricabile liberamente, con licenza MIT modificata. Uno di questi modelli ha un contatore che non si ferma mai. Il contatore dell'altro si esaurisce il giorno in cui acquisti l'hardware. Questa è la decisione, e la tabella dei benchmark ne dipende.

Due prodotti, due date, uno dei quali completato

L'asimmetria non è un cavillo sulla maturità — cambia quali domande valga la pena porsi. GPT-6.1 Sol è un modello rilasciato, documentato e misurato in modo indipendente, con dieci provider API elencati a suo supporto. Il suo listino prezzi è consolidato, il suo contesto da 1M è documentato, e la sua posizione nella gamma OpenAI è sotto il flagship Astra anziché in cima. Mistral Large 4 ha trascorso ventitré giorni come anteprima API, e oggi è diventato un file. Il suo tariffario per l'hosting è consolidato a $0,70 in input e $2,10 in output per milione di token, e il suo futuro ora è in parte nelle mani di chi lo gestisce anziché nella roadmap di Mistral.

Le sei righe che contano

Stesse dimensioni su entrambi i lati, strumento attuale, letto dalle due pagine dei modelli Artificial Analysis e dalla documentazione dei fornitori stessi il 29 ottobre 2026:

• Intelligence Index — GPT-6.1 Sol 55 (serie v5, settimo su 54 nella sua classe di confronto); Mistral Large 4 26 (ottavo su 19 in una classe diversa — i due ranking non sono sulla stessa scala).

• Costo per attività Index — GPT-6.1 Sol $1,27; Mistral Large 4 $2,06.

• Prezzo dei token — GPT-6.1 Sol 2,00 $ in ingresso / 10,00 $ in uscita per milione, con uno scaglione da 4,00 $ / 15,00 $ oltre 272.000 token di input; Mistral Large 4 0,70 $ in ingresso / 0,07 $ in cache / 2,10 $ in uscita.

• Velocità di output — GPT-6.1 Sol 79,1 token al secondo; Mistral Large 4 161,3.

• Contesto — 1M token su entrambi, documentato su entrambi.

• Deployment — GPT-6.1 Sol: solo hosted, nessun peso a qualsiasi prezzo. Mistral Large 4: hosted o self-hosted, 610.1 GB in NVFP4, otto GPU di classe Blackwell nella recipe vLLM pubblicata.

L’Indice è una media e le medie nascondono la forma di un divario. Nelle singole righe di Artificial Analysis la disparità è irregolare anziché uniformemente sfavorevole: HLE-Diamond 17% contro 59%, Terminal-Bench-Science 0,1 al 4% contro 58%, FrontierCode 2.0 al 15% contro 41%, Terminal-Bench 4.0 al 25% contro 56%, e GDPpdf al 18% contro 31%. Mistral Large 4 non è indietro di ventinove punti su ogni attività; è molto indietro nelle valutazioni che premiano un ragionamento prolungato a più passaggi, e più o meno allo stesso livello nei compiti più brevi a singola passata. Se il tuo carico di lavoro assomiglia al secondo tipo, la media è il numero sbagliato su cui basare l’acquisto. Se assomiglia al primo, nessuno sconto colma il divario.

Perché i numeri sono cambiati, e perché non è uno scandalo

La ricostruzione v5 ha rieseguito tutti i modelli su un nuovo set di valutazione, e circa il 60% di esso è privato — domande che non erano disponibili pubblicamente prima della ricostruzione. I modelli non si sono mossi tutti nella stessa direzione: alcuni sono calati drasticamente, altri sono saliti. Mistral Large 4 che scende da 38 a 26 e GPT-6.1 Sol che sale da 52 a 55 sono due letture dello stesso evento, e nessuna delle due è un fornitore che ha avuto un trimestre negativo. La regola che ne segue è semplice e facile da infrangere per errore: non sottrarre mai un punteggio di un'esecuzione dell'indice da un punteggio di un'altra, e non citare mai un divario le cui due metà sono state misurate a una settimana di distanza. Il divario che esiste oggi è di ventinove punti su un unico strumento.

Ventantanove punti sono molti, e non raccontano tutta la storia. Un Indice di 26 descrive un modello competente nel lavoro generale e senza particularità nei casi difficili; un Indice di 55 descrive uno dei modelli più forti disponibili. Se il tuo carico di lavoro è coding agentico su un repository di grandi dimensioni, la risposta è già decisa e nessun argomento sul prezzo la cambia. Il resto di questo pezzo riguarda i carichi di lavoro in cui non è decisa.

L'annullamento è sopravvissuto al rebase

L'unico risultato del periodo di anteprima di ottobre che ha tenuto con il nuovo strumento è l'inversione del prezzo per attività, e ha tenuto con numeri nuovi. Mistral Large 4 applica circa un terzo della tariffa di input di GPT-6.1 Sol e un quinto della sua tariffa di output, e costa comunque il 62% in più per completare la stessa attività di valutazione — 2,06 $ contro 1,27 $. Non è un trucco di prezzo. Il conto di un modello di ragionamento è dominato da quanti token sceglie di emettere, e Mistral Large 4 ne emette moltissimi: Artificial Analysis registra 110 milioni di token di output nel suo campione di verbosità contro una mediana di 100 milioni, mentre GPT-6.1 Sol si attesta a 64 milioni, sotto la mediana. Token più economici moltiplicati per più token non sono un risparmio, e la fattura lo dirà.

La conseguenza pratica è più circoscritta di quanto suggerisca l’idea che "il modello economico sia segretamente costoso". Per i lavori con output breve — classificazione, estrazione, routing, qualsiasi cosa che si concluda dopo duecento token e non entri mai in un ciclo di ragionamento — il prezzo per token è il conto, e 0,70 $ contro 2,00 $ sono l’intero argomento. L’inversione morde sul ragionamento a lungo orizzonte, che è esattamente dove vive anche il divario di ventinove punti. Due misurazioni diverse che puntano nella stessa direzione sono un motivo per fidarsi della direzione, non un motivo per generalizzarla a ogni carico di lavoro.

La velocità va nella direzione opposta, e così anche la pazienza.

Mistral Large 4 è più del doppio più veloce in output: 161,3 token al secondo contro 79,1. Restituisce anche il primo token in 1,42 secondi, leggermente meglio della mediana di 1,68 secondi del suo set di confronto. Il valore pubblicato di GPT-6.1 Sol per il tempo al primo token della risposta è 249,48 secondi, contro una mediana di 3,53 secondi, un genere di numero che va spiegato invece che citato.

Quei 249 secondi quasi certamente non sono latenza nel senso di rete. È il tempo che il modello passa a ragionare prima di emettere il primo token della risposta, misurato con il massimo sforzo di ragionamento, ed è il modo onesto di mostrare quanto un lungo budget di ragionamento costi a un utente che aspetta. I nostri stessi dati di routing rendono concreta la distinzione: su 584,7 milioni di token GPT-6.1 Sol trasportati attraverso OrcaRouter nei sette giorni fino al 29 ottobre, il tempo p50 al primo token in streaming è stato di 1,36 secondi, mentre il p95 è stato di 10 secondi. Il primo token arriva in fretta; è la prima risposta a richiedere minuti, e i flag nell'API decidono quale delle due esperienze avrà il tuo utente. Se la tua applicazione trasmette in streaming i token di ragionamento, l'attesa è animata e tollerabile. Se non lo fa — se un utente fissa uno spinner finché non arriva la prima risposta — allora un primo token da quattro minuti è un vincolo di prodotto che nessun punteggio di benchmark può compensare, e un modello che risponde in 1,4 secondi sembrerà migliore di uno più forte di ventinove punti Index. Questo è l'asse su cui il modello più economico e con punteggio inferiore vince più spesso nei deployment reali, e non compare in nessuna tabella di confronto.

Cosa è cambiato questa mattina: il contatore termina

Fino a oggi l'argomento a favore del self-hosting per Mistral Large 4 era una promessa, e le promesse non sopravvivono alla revisione degli acquisti. Ora è un repository. Due checkpoint, un file di licenza e una ricetta di serving pubblicata dal fornitore: vLLM con tensor parallelism 8 e una cache KV MLA in FP8, SGLang con tp-size 4, entrambi con una testa draft DSpark incorporata per il decoding speculativo anziché un secondo modello.

Ciò che questo offre non è un token più economico — è la fine del token come unità di costo. Su hardware di proprietà il conto diventa ammortamento, energia, spazio in rack e l'ingegnere che gestisce il cluster, e un carico di lavoro che gira a volume alto e costante si trasforma da costo variabile in costo fisso. È l'argomento a favore di una banca europea con una regola di residenza dei dati, di un appaltatore della difesa il cui procurement vieta l'inferenza all'estero, o di un produttore che integra un modello in una linea di prodotto per cinque anni. Non è un argomento per una startup con traffico a picchi e senza un team operativo: 610 GB di pesi, otto GPU Blackwell e una cache KV da 1M token sono un progetto di capitale, e la tariffa ospitata di $0,70 resta più economica del capitale per molto, molto tempo.

La licenza è la parte che la gente salta. È una MIT modificata con una clausola che conta: eseguire i pesi come offerta model-as-a-service richiede una licenza commerciale separata da Mistral. Leggi però attentamente la definizione: esclude i prodotti incorporati per utenti finali e il "mero inoltro di richieste a modelli ospitati da terzi", quindi un gateway che passa traffico a inferenza ospitata da Mistral è escluso, mentre un'azienda che allestisce una propria farm di inferenza e rivende l'accesso non lo è. Se il tuo piano è "scaricarlo e diventare un provider", leggi la clausola prima del preventivo hardware.

Dove ognuno è effettivamente la risposta giusta

• Coding agentico, uso di strumenti su orizzonti lunghi, lavoro su repository di grandi dimensioni — GPT-6.1 Sol. Il divario dell'Indice è massimo proprio qui, e il sovrapprezzo è il costo di avere ragione.

• Estrazione e classificazione ad alto volume con output brevi — Mistral Large 4 a $0,70 di input. Il tetto del ragionamento non viene mai attivato, quindi il divario dell'Indice non si applica.

• Distribuzione regolamentata e vincolata alla giurisdizione — Mistral Large 4, e non perché sia migliore. GPT-6.1 Sol non può essere self-hosted a nessun prezzo, il che chiude il confronto.

• Assistenti interattivi in cui il primo token è il prodotto — Mistral Large 4 sulla velocità, a meno che non si faccia streaming del ragionamento e si possa assorbire l'attesa.

• Strumenti per la sicurezza difensiva — Mistral Large 4, in virtù di un tasso di rifiuto del 96,6% sulle richieste cyber malevole dichiarato dal fornitore e di una serie di benchmark cyber su cui Mistral ha impostato il proprio lancio. Quei dati sono di Mistral, non di un laboratorio indipendente, e vanno considerati semplici dichiarazioni finché qualcuno non li riproduce.

• Qualsiasi cosa in cui la risposta debba essere corretta e il budget di latenza sia ampio — GPT-6.1 Sol. Ventinove punti non sono un errore di arrotondamento.

Se hai intenzione di eseguire entrambi

Gli ambienti misti sono il risultato normale di un confronto come questo, e la domanda operativa diventa come due modelli molto diversi stiano dietro un'unica fattura. GPT-6.1 Sol è su OrcaRouter esattamente al prezzo di listino di OpenAI — 2,00 $ e 10,00 $ per milione di token, con la fascia oltre 272K a 4,00 $ e 15,00 $ — instradato con markup dello 0%, quindi la tariffa che vedi è quella applicata da OpenAI. Mistral Large 4 non è nel nostro catalogo: 214 modelli, nessun endpoint Mistral, e se vuoi chiamarlo vai all'API di Mistral o al tuo deployment vLLM. Ciò che la piattaforma offre, per la metà ospitata, è il DSL di routing — indirizza un carico di lavoro verso un modello e spostalo senza modificare il codice — e il failover automatico, che è ciò che rende sopravvivibile provare un nuovo modello su un percorso di produzione. Integra l'endpoint self-hosted dietro lo stesso schema e le due metà di questo confronto smettono di essere una decisione da prendere una volta sola.

Due domande, non una

Le pagine di confronto ti diranno che vince GPT-6.1 Sol, e sull'unico strumento indipendente che entrambi i modelli condividono, vince davvero — 55 contro 26, con il 62% in meno per attività completata e poco più della metà della velocità di output. Questa è la risposta corretta a "quale modello è migliore", e se fosse l'unica domanda, il mercato avrebbe risolto la questione a settembre.

La domanda con cui si è aperta questa mattina è diversa: quale modello potrai ancora far girare tra tre anni, su hardware che controlli tu, con una licenza che hai letto. Per moltissimi team la risposta resterà "nessuno dei due, affittiamo" — e in quel caso GPT-6.1 Sol è l'affitto migliore. Per quelli il cui vincolo è la proprietà anziché la capacità, il modello che segna 26 ha smesso oggi di essere un compromesso ed è diventato l'unica opzione sul tavolo. Le due risposte possono essere entrambe corrette, ed è per questo che il lavoro interessante non è scegliere un vincitore, ma stabilire quale domanda la tua organizzazione stia davvero ponendo.