Mistral Large 4 vs Llama 4 Maverick: un divario generazionale, non un divario di prezzo

Mistral Large 4 e Llama 4 Maverick sono lo stesso tipo di oggetto e non la stessa generazione di oggetto. Entrambi sono mixture of experts sparse con una finestra di contesto da un milione di token sulla model card, entrambi accettano immagini oltre al testo ed entrambi possono essere scaricati ed eseguiti sul proprio hardware. Maverick è stato rilasciato il 5 aprile 2025 con 400 miliardi di parametri totali e 17 miliardi attivi. Mistral Large 4 è stato presentato in anteprima il 6 ottobre 2026 e ha pubblicato i suoi pesi il 29 ottobre, con 1,05 trilioni totali e 52 miliardi attivi. Diciannove mesi li separano. Al prezzo mediano sul mercato dell’hosting di Maverick, anche solo circa 1,3 volte il costo li separa — il che non è ciò che quasi chiunque si aspetta di sentire su un modello così vecchio.

La risposta breve, prima delle precisazioni

Se stai avviando una nuova build alla fine del 2026 e hai bisogno di ragionamento, lavoro su documenti lunghi o coding agentico, Mistral Large 4 è il modello migliore e quello più costoso. Se hai bisogno di un modello open-weight che puoi fine-tunare, eseguire in modalità air-gapped o invocare per una frazione di centesimo per richiesta in un semplice compito di estrazione, Llama 4 Maverick resta comunque una scelta difendibile — non perché sia competitivo in termini di capacità, ma perché il carico di lavoro potrebbe non richiedere capacità. L'errore è trattare un divario di 19 mesi come una rivalità. È una fascia di prezzo che si trova a condividere una categoria, e la parte sul prezzo è più strana di quella sulle capacità.

I numeri affiancati

• Parametri totali — Mistral Large 4 è 1,05T distribuiti su 128 esperti instradati più un esperto condiviso, rispetto ai 402B di Llama 4 Maverick su 128 esperti, indicati come 400B da Meta.

• Parametri attivi — 52B per token su Mistral Large 4 (49B per lo stack linguistico; includendo embedding e layer di output si arriva a 52B) rispetto a 17B su Llama 4 Maverick, quindi il divario di calcolo per token è di circa tre a uno.

• Contesto — 1M token pubblicizzati su entrambi; quello che un host serve realmente è un numero diverso, e una sezione successiva parla proprio di questo.

• Modalità — testo e immagini in input, testo in output, su entrambi. L'encoder visivo di Mistral Large 4 ha 1,6 miliardi di parametri; l'encoder a fusione precoce di Maverick non è riportato separatamente nelle cifre pubblicate da Meta.

• Ragionamento — Mistral Large 4 espone una scala di impegno basso, medio e alto, con alto come impostazione predefinita. Il pannello delle specifiche di Artificial Analysis elenca Llama 4 Maverick come privo di qualsiasi modalità di ragionamento.

Prezzo per milione di token: $0,70 per l'input e $2,10 per l'output direttamente da Mistral, con input in cache a $0,07, rispetto all'assenza totale di un prezzo di listino first-party per Maverick, perché Meta non lo vende. Gli host applicano tariffe a partire da $0,17 per l'input e $0,60 per l'output; Artificial Analysis colloca la mediana dei provider a $0,50 e $1,68.

• Licenza — la Mistral Ecosystem Open-Weight License, una MIT modificata con una deroga per il model-as-a-service, rispetto alla Llama 4 Community License con la sua soglia di 700 milioni di utenti attivi mensili.

• Rilascio — 29 ottobre 2026 per il checkpoint Mistral Large 4, rispetto al 5 aprile 2025 per Llama 4 Maverick, con una data limite delle conoscenze di agosto 2024.

La sfida del benchmark è tra due diversi sovrani

Cerca questo confronto e troverai pagine che affermano che Mistral Large 4 ottiene 38,0 sull'Artificial Analysis Intelligence Index contro il 14,3 di Maverick, e altre pagine che affermano che Maverick vince nove benchmark su undici. Entrambi gli insiemi di numeri sono reali nel senso che qualcuno li ha stampati. Nessuno dei due è un confronto.

Sull'attuale Artificial Analysis Intelligence Index v5, ricostruito il 27 ottobre 2026, Mistral Large 4 ottiene 26 con l'impostazione di ragionamento elevata e 23 con quella media. Il 38,0 che vedi citato è il suo punteggio nella precedente build v4.3.2, dalla preview di ottobre, e non è sottraibile da nulla di ciò che è stato misurato dopo la ricostruzione: è cambiato l'indice, non solo il modello. Maverick, nel frattempo, non ha alcun punteggio nell'indice v5. La sua pagina su Artificial Analysis mostra "N/A" dove dovrebbe comparire il valore di intelligenza, insieme a una velocità di 62,7 token di output al secondo e a una nota che indica che è più lento della media della sua categoria. Il valore 14,3 che circola sui siti di confronto è precedente alla ricostruzione.

Ciò che è misurabile è più ristretto e più onesto. Mistral riporta il 41% su Terminal-Bench 4.0, in aumento dal 28% nella preview; il 61,7% su DeepSWE v1.1; il 79% su CyberGym-E2E; e 51 sull'Artificial Analysis Cyber Index, terzo tra i modelli open-weight. Ognuno di questi, tranne il Cyber Index, è riportato dal fornitore sullo scaffold agentico proprietario di Mistral, e in particolare il dato di Terminal-Bench è stato riprodotto molto più basso — 24,7% — quando gli stessi pesi girano sull'harness neutro mini-swe-agent di Artificial Analysis. I numeri pubblicati di Maverick sono dell'aprile 2025 e usano una suite del tutto più vecchia: 85,5 MMLU, 80,5 MMLU-Pro, 69,8 GPQA Diamond, 91,6 DocVQA, tutti riportati da Meta al lancio. Non esiste un harness condiviso in cui i due siano stati eseguiti, quindi l'unica affermazione difendibile è direzionale: il modello più nuovo, più grande e addestrato al ragionamento è migliore nei compiti difficili, di una misura che nessuno ha misurato in modo pulito sulla coppia.

Cosa ti dà davvero un milione di token su ciascuno

La finestra di contesto è l'aspetto in cui i due modelli si somigliano di più e si comportano in modo più diverso in produzione.

La model card di Llama 4 Maverick indica 1.048.576 token, e il pannello delle specifiche di Artificial Analysis ripete 1M. In pratica, la maggior parte degli host lo limita molto di più — 128K è comune — e quasi nessuno ti darà sia la finestra completa sia un budget di output utile. L'output massimo su Maverick è tipicamente 8K-16K a seconda del provider, e l'endpoint ospitato di Meta stesso è stato indicato a circa 4K. Quindi una build con "contesto da 1M" su Maverick è di solito una build da 128K su un host di terze parti, e lo scopri al primo documento lungo.

Mistral Large 4 dichiara 1M tramite l'API proprietaria di Mistral, che è almeno un unico numero verificabile invece di una lotteria per host. La documentazione di Mistral non pubblica un valore massimo di output, quindi vale lo stesso consiglio: misurare la coppia — finestra di input e limite di output — sull'endpoint che chiamerai effettivamente, non sulla scheda.

Questo è il genere di situazione per cui serve un router. OrcaRouter trasmette il prezzo di listino del provider senza alcun ricarico e passa automaticamente da un provider all'altro in caso di errore, così un host che riduce silenziosamente una finestra di contesto emerge come una decisione di routing anziché come un incidente in produzione. Né Mistral Large 4 né Llama 4 Maverick sono oggi nel nostro catalogo, quindi questo è un argomento su come gestire qualunque modello open-weight si scelga, non un'affermazione che serviamo questi due.

Il conto, calcolato — e perché è lo spread il vero punto

Prendi un modesto carico di lavoro di produzione: 100 milioni di token di input e 40 milioni di token di output al mese.

• Mistral Large 4 al prezzo di listino — 100 × $0,70 fa $70, e 40 × $2,10 fa $84, per $154 al mese.

• Llama 4 Maverick alla mediana del provider — 100 × $0,50 fa $50, e 40 × $1,68 fa $67,20, per $117,20 al mese.

• Llama 4 Maverick su un host competitivo — circa $0,25 e $0,92 portano lo stesso carico di lavoro a $61,80.

• Llama 4 Maverick sui host più economici — circa $0,17 e $0,60 lo portano a $41.

Il rapporto rispetto a Mistral Large 4 va quindi da 1,3 volte alla mediana a circa 3,8 volte nella parte bassa del mercato. Questo intervallo non è una proprietà del modello. È una proprietà di dove si acquista Maverick, ed è più ampio del divario tra i due modelli al centro della distribuzione. Un team che esegue benchmark sull'host economico e imposta il budget sulla mediana si è costruito un errore di 3× nella propria previsione.

Metti questo a confronto con una capacità che al momento non puoi misurare in modo pairwise, e la decisione smette di essere aritmetica. L'impostazione ragionevole è il costo per lavoro completato, non il costo per token: se Mistral Large 4 completa in un'unica passata un'attività che su Maverick richiede tre tentativi e un ciclo di correzione, anche il divario mediano di 1,3× sparisce. Questa è un'affermazione che devi verificare sulle tue attività, ed è il singolo esperimento più prezioso a cui si possa sottoporre uno dei due modelli questo mese.

La cosa che nessuno dice ad alta voce: {{1}}Maverick è l'ultimo Llama aperto{{/1}}

Llama 4 Maverick non è stato deprecato. È ancora su Hugging Face, ancora sotto la Llama 4 Community License e ancora ampiamente distribuito per implementazioni on-premises e in ambienti air-gapped. Ma è la fine di una linea. Lo sviluppo di frontiera di Meta si è spostato verso la famiglia chiusa Muse Spark nel 2026, e nessun Llama 5 è stato rilasciato — le pagine che ne rivendicavano l'esistenza riportavano specifiche che si contraddicono tra loro e con gli annunci della stessa Meta. Gli investimenti nel filone aperto di Llama si sono di fatto arrestati.

Questo cambia cosa significa "scegliere Maverick". Non significa scegliere un modello che migliorerà; significa scegliere un modello che resterà esattamente com'è mentre gli strumenti attorno ad esso si spostano lentamente. Per un sistema fine-tuned, congelato e distribuito va bene — anzi, è un vantaggio, perché nulla si muove sotto di te. Per una piattaforma su cui intendi crescere, è un vicolo cieco con due anni di margine. Nota che il knowledge cutoff è agosto 2024: il modello non ha mai visto nulla di ciò che è successo dopo, e nessuna quantità di prompt engineering può risolverlo.

Mistral Large 4 ha un profilo di rischio opposto. Sono sei giorni che è stato rilasciato con pesi aperti, la sua documentazione lo indica ancora come anteprima pubblica e la sua licenza richiede un accordo commerciale se si intende rivendere l'inferenza su di esso. Giovane e in evoluzione, con termini che vanno letti prima di costruirci sopra un'attività.

Dove Maverick vince ancora

Tre casi, e non sono affatto piccoli.

Il primo è l'hardware. I 400 miliardi di parametri di Maverick occupano circa 373 GB a FP8, ovvero un singolo nodo con otto GPU H100 o H200. Il checkpoint FP8 di Mistral Large 4 è di circa 1,06 TB su 54 shard, e Mistral afferma che la build quantizzata NVFP4 gira su quattro GPU B200 o B300. Se il tuo deployment è un nodo in un rack che possiedi già, la scelta è già stata fatta per te.

Il secondo è il fine-tuning. Maverick ha diciannove mesi di LoRA della community, ricette di quantizzazione e guide al serving. Mistral Large 4 ha avuto sei giorni. Il divario dell'ecosistema è reale e si misura in ore di debugging, non in benchmark.

Il terzo è la forma del compito. Classificazione, estrazione, routing, riepilogo di documenti brevi, didascalizzazione di immagini in volume: nessuna di queste attività richiede un modello di ragionamento da mille miliardi di parametri, e tutte costano meno su un modello con 17 miliardi di parametri attivi. Pagare un sovrapprezzo per token di ragionamento che non usi mai è il modo più comune in cui i team sprecano denaro nella scelta del modello.

Se cerchi un modello open-weight attuale che non sia nessuno di questi due, il catalogo OrcaRouter include Kimi K3 e GLM-5.3-Flash, entrambi richiamabili con la stessa chiave API del resto degli oltre 200 modelli che instradiamo, al prezzo di listino del provider senza ricarichi. Si collocano ai due estremi di questo confronto anziché al suo interno: GLM-5.3-Flash è listato a 0,15 $ in input e 0,50 $ in output, ben al di sotto di entrambi i modelli qui presentati, mentre Kimi K3 è listato a 3,00 $ e 15,00 $, ben al di sopra di entrambi. Nessuno dei due sostituisce i due modelli trattati in questo articolo, ma sono i due luoghi ovvi in cui guardare se nessuno dei due estremi fa al caso vostro.

Come decidere in un pomeriggio

Estrai venti attività reali dai tuoi log. Eseguile attraverso entrambi i modelli con gli stessi prompt e lo stesso limite di output, e valutale in base a se l'output era utilizzabile senza una modifica umana. Registra i token consumati da ciascuna, moltiplica per i prezzi sopra e dividi per il numero di output utilizzabili. Questo ti dà il costo per risultato utilizzabile, che è l'unico numero che sopravvive al contatto con un budget.

La mia aspettativa, espressa come aspettativa anziché come constatazione: Mistral Large 4 vince la metà difficile di quel set e perde la metà facile sul costo, e il punto di divisione cade là dove i tuoi task smettono di richiedere ragionamento in più passaggi. Maverick non è il modello migliore. È quello più economico alla mediana finché l'economicità basta — e dopo diciannove mesi senza successore, è una scommessa con una data di scadenza visibile.