Mistral Large 4 vs Claude Opus 5.5: L'unico dato di confronto diretto è contro la versione sbagliata

L'unico confronto diretto in cieco che esiste per Mistral Large 4 e Claude Opus 5.5 è stato misurato rispetto alla versione precedente di uno dei due. Surge AI ha nascosto l'identità dei modelli e ha fatto valutare a degli annotatori professionisti l'output di programmazione su una scala da 1 a 5; Mistral Large 4 Preview si è classificato secondo su cinque con 3,74, dietro Claude Opus 5 a 4,22 e davanti a Kimi K3 a 3,59 e GLM-5.3 a 3,60. Claude Opus 5.5 è stato rilasciato il 22 settembre, quindi la cosa più vicina a un confronto umano pubblicato per questa coppia è più vecchia di tre settimane rispetto alla release attuale dell'avversario, e nessuno l'ha rifatto. Tutto il resto è comparabile, e punta in una sola direzione: sull'Intelligence Index di Artificial Analysis, Mistral Large 4 Preview segna 38,4 e Claude Opus 5.5 segna 58 — primo su 216 modelli — mentre il costo per completare una singola attività dell'indice è di 1,13 $ contro 5,98 $.

Quei due fatti costituiscono l'intera forma della decisione. Il divario di capacità è ampio e, a partire da questa versione, più ampio di quanto non fosse. Il divario di costo è poco più di cinque volte, e non si è mosso quando Anthropic ha tagliato i prezzi.

Che cos'è Claude Opus 5.5, secondo la versione di Anthropic stessa

Claude Opus 5.5 è l'attuale modello di punta di Anthropic, rilasciato il 22 settembre 2026 e posizionato sul lavoro agentico a lungo orizzonte: sessioni multi-step, uso intensivo di strumenti e codice. Il suo listino è di 4 $ per milione di token in input e 20 $ per milione in output, con letture della cache a 0,20 $ e scritture della cache a 5 $ — Anthropic le descrive come inferiori del 20% rispetto a Opus 5 su input e output e del 60% sulle letture della cache. Esiste una modalità Fast a 8 $ / 40 $ che, secondo l'azienda, è fino a 2,5 volte più veloce all'interno di Claude Code e della Claude Platform. È disponibile su Amazon Web Services, Google Cloud e Microsoft Azure, con conservazione zero dei dati offerta, e Anthropic afferma che Claude Sonnet 5.5 e Claude Haiku 5.5 arriveranno nelle prossime settimane.

Due dettagli in quella pagina contano più del resto. Il primo è un vincolo di migrazione piuttosto che una funzionalità: Anthropic afferma che Claude Opus 5.5 non è più disponibile con la modalità thinking disattivata. Se la tua pipeline attuale chiama Opus 5 in modalità non-thinking per turni economici, rapidi e deterministici, quella configurazione non ha un successore diretto in questo modello. Il secondo è l'avvertenza di Anthropic stessa, stampata accanto ai suoi punteggi, che i margini dei benchmark sono diventati una guida meno affidabile per le differenze nel mondo reale — il che è una cosa insolita che un fornitore scriva accanto a una tabella che sta vincendo, e vale la pena prenderla per buona quando leggi i numeri qui sotto.

Le cifre riportate dai fornitori nell'annuncio di Anthropic sono Terminal-Bench 4.0 al 66,4%, FrontierCode v1.1 al 54,4%, CursorBench 4.0 al 57,8%, GDPval-AA v2.1 a 1.846 Elo, AutomationBench al 40,0%, Humanity's Last Exam al 67,7% con strumenti, Terminal-Bench-Science 0.1 al 58,7% e OSWorld 2.1 all'81,8% parziale. Tutte queste sono esecuzioni di Anthropic stessa, con i punteggi dei modelli di confronto presi dalle pagine dei rispettivi fornitori, e nessuna di esse è stata riprodotta in modo indipendente per questo abbinamento o per qualsiasi altro.

Che cos'è Mistral Large 4, al 13 ottobre

Mistral Large 4 è un'anteprima pubblica annunciata il 6 ottobre 2026, revisione v26.10, ed è il modello più grande che Mistral AI abbia mai rilasciato. L'azienda lo descrive come un modello sparse mixture-of-experts nativamente multimodale con 1,05 trilioni di parametri totali e 52 miliardi attivi, più un encoder visivo da 1,6 miliardi di parametri, addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei data center europei di Mistral, su dati che coprono più di 160 lingue. Artificial Analysis registra il conteggio degli attivi come 49 miliardi anziché 52 miliardi — un divario di tre miliardi su una dimensione, segnalato anziché mediato. La model card di Mistral stessa dichiara una finestra di contesto di 1M token; Artificial Analysis legge 524.288 sulla configurazione che testa, e le sue FAQ dicono 520k, che è la differenza tra un tetto pubblicizzato da un fornitore e una finestra che un deployment servito ti mette effettivamente a disposizione.

I prezzi sono $1,36 per milione di token di input, $0,14 per input in cache e $4,18 per milione di output sul listino prezzi, con una promozione di lancio che mostra le stesse tre voci barrate a $0,68, $0,07 e $2,09. Le etichette di stato sul listino recitano Anteprima pubblica, Aperto e v26.10 — e il secondo di questi è quello da leggere con attenzione. Mistral afferma che i pesi saranno rilasciati entro la fine del mese, e il post di lancio ripete due volte tale impegno; ciò che non fa è indicare una licenza. Artificial Analysis segue il settore in modo indipendente e registra il nome della licenza come null, contrassegna il modello isOpenWeights: false, e lo classifica come proprietario. Qui nessuno contraddice nessuno. Un'anteprima servita dal cluster del fornitore stesso, senza repository di checkpoint e senza testo di licenza, è un modello invocabile piuttosto che un rilascio di pesi aperti, e l'affermazione sui pesi aperti è un piano con una scadenza, non un link per il download.

I dati di benchmark di Mistral, che sono tutti dichiarati dal fornitore, sono pari al 61,7% su DeepSWE v1.1, al 59,4% su SWE-Atlas-QnA, al 28,3% su Terminal-Bench 4.0 e a un Coding Agent Index combinato del 49,8%; al 59,9% su AutomationBench su 657 flussi di lavoro aziendali; 1.393 Elo su AA-Briefcase; 42% su Dense 200 per il visual grounding; e, nelle sue valutazioni di cybersicurezza, l'82% su un test di riproduzione e patch che Mistral descrive come il più alto di qualsiasi modello, insieme al 93% sui 40 esercizi di competizione di Cybench. L'azienda ha inoltre commissionato uno studio in cieco su esseri umani e lo ha pubblicato, il che è una forma di prova più forte di un benchmark eseguito in proprio e comunque uno studio di cui ha controllato la pubblicazione.

Cosa ha cambiato l'aggiornamento alla 5.5 riguardo a questa decisione

Se hai letto la pagina Mistral Large 4 versus Claude Opus 5 su questo blog, tre cose qui sono nuove, e solo una di esse è la riduzione di prezzo.

• Il divario di capacità si è allargato, non ridotto. Claude Opus 5 ha totalizzato 50,8 sull'Intelligence Index; Claude Opus 5.5 totalizza 58. Rispetto al 38,4 di Mistral Large 4 Preview, la distanza passa da 12,4 punti a 19,6. Un aggiornamento di versione che aggiunge sette punti in cima alla classifica mentre lo sfidante resta fermo rende la corsia di frontiera un acquisto più chiaro, non più nebuloso.

Il taglio dei prezzi non è arrivato in fattura. Anthropic ha ridotto input e output del 20% — da $5 / $25 a $4 / $20 — ma il costo di Artificial Analysis per completare una singola attività dell'indice è salito, da $5,86 per Claude Opus a $5,98 per Claude 5.5. I token più economici sono stati consumati da un modello che ne ha usati di più. Questo è il singolo numero più utile di questa pagina e vale la pena soffermarcisi: i prezzi di listino sono un dato in ingresso della tua fattura, non una sua previsione.

• Una configurazione è scomparsa. La modalità Thinking non può più essere disattivata in Opus 5.5. Se stavi acquistando Opus 5 anche per avere un percorso economico senza Thinking, questo modello non sostituisce quel percorso, e la decisione di sostituzione ora coinvolge due modelli anziché essere un semplice cambio di versione.

Ciò che non è cambiato: il discorso sulla cache continua a favorire Anthropic per il contesto ripetuto — $0,20 per milione su una lettura dalla cache, contro i $0,14 di listino e i $0,07 promozionali di Mistral. In un loop agente a contesto lungo con un prefisso stabile, è la voce che fa lievitare di più la fattura, ed entrambi i numeri richiedono lo stesso scrutinio a cui sono appena stati sottoposti i prezzi di riferimento.

I due modelli più verbosi della classifica

Artificial Analysis pubblica un conteggio dei token di output per l'esecuzione dell'indice di ogni modello, e i due modelli in questione ne rappresentano gli estremi opposti. Claude Opus 5.5 ha generato 260 milioni di token di output in quell'esecuzione. Mistral Large 4 Preview ne ha generati 200 milioni. La mediana tra i modelli misurati è di 85 milioni. Entrambi spendono due o tre volte ciò che spende un modello tipico per rispondere alle stesse domande, e solo uno dei due fa pagare $4 e $20 per milione mentre lo fa.

La verbosità non è un difetto, e non è nemmeno un segnale di qualità. È un moltiplicatore su un prezzo, ed è il motivo per cui il taglio di prezzo di Opus è arrivato senza riuscire a ridurre il costo per attività. Se stai pianificando il budget basandoti solo sul listino, metti in budget anche il moltiplicatore: a 20 $ per milione di output, un modello che emette tre volte la mediana ha una tariffa effettiva di output più vicina a 60 $ per milione rispetto a un modello dal comportamento mediano, e 260 milioni di token su una suite di valutazione non sono un errore di arrotondamento.

Il tabellone

• Prezzo per milione di token, input / output — Mistral Large 4 $1,36 / $4,18 di listino, $0,68 / $2,09 in promozione, rispetto a Claude Opus 5.5 $4,00 / $20,00

• Input in cache — $0,14 di listino, $0,07 promozionale rispetto a $0,20 per milione di letture e $5,00 per milione di scritture

• Costo per attività dell'Intelligence Index — 1,13 $ vs 5,98 $, secondo Artificial Analysis

• Indice di Intelligenza — 38,4, 65º su 216 vs 58, 1º su 216, secondo Artificial Analysis

• Token di output in quella esecuzione dell’indice — 200M vs 260M, rispetto a una mediana di 85M

• Finestra di contesto — 1M dichiarato da Mistral con 524.288 sulla configurazione testata, rispetto a 1M secondo la lettura di Artificial Analysis di Claude Opus 5.5, la cui pagina di annuncio non riporta alcuna cifra né in un senso né nell'altro

• Uscita massima — non pubblicata da nessuno dei due produttori

• Velocità misurata — non pubblicata per Mistral Large 4 Preview rispetto a 95,2 token di output al secondo, con una modalità Fast da $8 / $40 che Anthropic afferma raggiunga fino a 2,5x

• Pesi e licenza — promessi entro la fine di ottobre con la licenza non specificata, attualmente segnalati come proprietari da Artificial Analysis, vs chiuso

• Disponibilità — l'API in anteprima di Mistral e Mistral Studio, erogati sull'infrastruttura europea proprietaria di Mistral, rispetto ad AWS, Google Cloud, Azure e al catalogo OrcaRouter

Quando Mistral Large 4 è la scelta giusta

Scegli Mistral Large 4 quando il lavoro è ad alto volume, ben specificato ed economico da verificare. Classificazione, estrazione, sintesi su larga scala, generazione di output strutturati, prima passata di revisione del codice e la lunga coda di attività interne in cui una risposta sbagliata costa un nuovo tentativo anziché un incidente. A $1,13 per attività nell'indice contro $5,98, una pipeline che esegue un milione di attività al mese non ha bisogno di un argomento sottile per giustificare il modello economico; ha bisogno che il modello economico sia abbastanza buono, e su AutomationBench — la riga in cui a un modello viene chiesto di completare normali flussi di lavoro aziendali — il 59,9% dichiarato da Mistral è competitivo con il dato che Anthropic riporta per Opus 5.5 sullo stesso harness. Esecuzioni diverse, fornitori diversi, quindi va letto come un segnale più che come un risultato, ma è la riga più vicina a ciò che un'unità di business chiede effettivamente a un modello di fare.

Mistral Large 4 è anche il lato di questa coppia con un percorso credibile verso l'auto-deployment, e per alcuni lettori questo vale più di un punto di benchmark. Una promessa di pesi entro la fine di ottobre non sono pesi, e una licenza senza nome non è una licenza, quindi questa è una ragione per tenere d'occhio, non una ragione per migrare oggi. Ma tra i due modelli qui è l'unico in cui un argomento sulla residenza dei dati o sull'accesso nel mezzo di un incidente può finire con «lo eseguiamo noi stessi». La storia europea di addestramento e serving si colloca dalla stessa parte di quel bilancio.

Quando Claude Opus 5.5 è la scelta giusta

Scegli Claude Opus 5.5 quando il compito è lungo, i passaggi dipendono l'uno dall'altro e sbagliare costa caro. Terminal-Bench 4.0 è la linea di demarcazione più netta in questo confronto — Anthropic riporta il 66,4% per Opus 5.5 contro il 28,3% di Mistral per il proprio modello sullo stesso harness — e il lavoro da terminale è il proxy pubblico più vicino al coding agentico, che è la maggior parte di ciò per cui i team acquistano un modello di frontiera. Un divario di 19,6 punti nell'Intelligence Index e un divario di quasi 2,4x in Terminal-Bench, per dirla in altro modo: non è una differenza da poco sul fronte più difficile, e nessun argomento sul prezzo la colma se il tuo carico di lavoro vive lì. Aggiungi il contesto da 1M, i 95,2 token al secondo misurati contro una cifra non pubblicata dall'altra parte, la modalità Fast per i percorsi sensibili alla latenza e la disponibilità su tre grandi cloud con zero data retention, e il sovrapprezzo compra un reale margine operativo.

La questione pratica è se ti serve l'intero sovrapprezzo su ogni chiamata. La maggior parte dei team che esegue un modello di frontiera su larga scala scopre che è una minoranza di richieste — quelle con una vera ambiguità a più passaggi — a consumare la maggior parte delle capacità, e che il resto no. Questa è una decisione di instradamento, non una decisione sul modello, ed è il caso in cui usarli entrambi è la risposta vera. Claude Opus 5.5 è nel catalogo OrcaRouter al prezzo di listino di Anthropic con 0% di ricarico sullo stesso endpoint compatibile con OpenAI di oltre 200 altri modelli, quindi provarli entrambi costa una sola chiave anziché un secondo contratto con un fornitore. Mistral Large 4 oggi non è nel nostro catalogo — vi si accede tramite l'API di anteprima di Mistral stessa e attraverso diverse piattaforme di terze parti — e questo va inteso come un fatto relativo al nostro listino, non come l'annuncio di un lancio graduale.

Per un'anteprima, la funzionalità che si guadagna il suo posto è il failover. Inviare una porzione di traffico a un modello la cui licenza, i cui pesi e il cui contesto servito sono tutte questioni ancora aperte significa che la modalità di guasto utile è un reindirizzamento anziché un'interruzione, e si imparano le reali modalità di guasto del modello sui propri dati invece che sulla classifica di qualcun altro.

L'unico fatto che lo decide

Nessuno ha confrontato Mistral Large 4 e Claude Opus 5.5 testa a testa con impostazioni identiche su un harness denominato — l'unico dato umano in cieco che esiste è relativo a Claude Opus 5, e la versione contro cui stai scegliendo non è Claude Opus 5 — quindi la base onesta per una decisione oggi è che il modello economico costa un quinto per attività completata e quello costoso è avanti di circa venti punti indice e di un divario su Terminal-Bench di quasi 2,4x, a un prezzo di listino che Anthropic ha ridotto senza ridurre il costo per attività.

Se una risposta fallita nel tuo carico di lavoro costa meno di 4,6 retry, acquista Mistral Large 4. Se costa di più, acquista Claude Opus 5.5 — e se non riesci ancora a rispondere a questa domanda sul tuo traffico, esegui entrambi su un unico endpoint e lascia che sia un mese di richieste reali a rispondere per te.