GPT-6.1 Sol 対 Mistral Large 4：トークンあたりでは安いモデルが、タスクあたりでは高いモデルになる

を並べてみて面白いのは、GPT-6.1 Solの隣にMistral Large 4どちらがより賢いか、ではない——両方が持つ唯一の独立した測定では、それは僅差ですらない。むしろ、表示価格が低いほうのモデルのほうが、仕事を最後まで終わらせるのにかえってコストがかかる、ということだ。Mistral が 2026-10-06 にプレビュー公開した Mistral Large 4 は、プレビュー期間中、入力100万トークンあたり $0.68、出力100万トークンあたり $2.09 で、OpenAI が 2026-09-29 にリリースして以来の GPT-6.1 Sol の $2.00 と $10.00 に対してである。それでも Artificial Analysis の実行コストの数値は、Mistral Large 4 をタスクあたり $1.13 とし、GPT-6.1 Sol の $0.72 と対比している——より安いトークンが請求額のすべてではないからであり、推論モデルは価格表から選べない量のトークンを消費するからだ。

以下はすべて、Mistral自身の発表とドキュメント、OpenAIのモデルと価格のページ、各モデルについてのArtificial Analysisの実行結果、そして当社自身のサービングデータに基づくもので、2026年10月12日時点で参照したものです。ある数値がベンダー自身のもので、誰もそれを再実行していない場合、その数値を含む文でその旨が明記されています。

2つのデート、そして終わったのはそのうち1つだけ

スペックの話に入る前に言えば、この2つの製品の状態は異なっており、その違いはこの比較において、どのベンチマークのセルよりも大きな役割を果たしている。

• GPT-6.1 Solはすでに出荷済みのモデルです。2026年9月29日にOpenAI APIで公開され、100万トークンあたり$2.00 / $10.00、キャッシュ入力は$0.10、キャッシュ書き込みは$2.50で、APIのデフォルト枠に入っているモデルです。料金表は公開され、コンテキストウィンドウも文書化され、独立系の計測ツールもすでにこれを実行しています。これについて読んだ内容は、今日の午後にも自分で呼び出して確かめられます。

• Mistral Large 4はプレビュー版です。Mistralは2026年10月6日に、1.05兆パラメータのMixture-of-Expertsモデルで、トークンあたり520億パラメータが有効となるものとして発表しました。ベンダー自身のAPIでプレビュー価格にて利用可能です。オープンウェイトは10月末までに公開されることが約束されており、そのためこれはプレビューであり、完成版ではありません。将来の定価、将来のコンテキストウィンドウ、将来のライセンスについて、このプレビューによって確定したものは何もありません。

その非対称性が、以下で述べるすべての内容の形を決めている。比較の片側が製品で、もう片側が日付付きの発表である場合、興味深い問いのほとんどは能力ではなくタイミングに関するものになる——そして、人々が実際に尋ねる唯一の問い（「切り替えるべきか？」）への答えは、10月と11月では異なる。

両陣営が一致する唯一の数字、そしてその背後にある14ポイント

Artificial Analysis は両モデルそれぞれに独立した Intelligence Index の行を持っており、そこに曖昧さはない：

• インテリジェンス指数 — 推論エフォート最大時のGPT-6.1 Sol 52、Mistral Large 4 38。

• Indexを実行するためのコスト — GPT-6.1 Solはタスクあたり$0.72、Mistral Large 4はタスクあたり$1.13。

• 出力速度 — GPT-6.1 Sol は実行ごとに毎秒65.4～66.8トークン、Mistral Large 4 もこの組み合わせで速い側ではない。

その3行をまとめて読むと、この取引の形が見えてくる。Mistral Large 4 は GPT-6.1 Sol の入力単価のおよそ3分の1、出力単価のおよそ5分の1でありながら、同じ評価タスクを完了するには約57%多く費用がかかる。それは価格設定の仕掛けでも、測定上のアーティファクトでもない。モデルがそこに到達するためにより多くのトークンを使うことで、所定の品質水準に達するときに起こることだ。推論モデルの請求額を支配するのは、料金表のトークン単価ではなく、どれだけ多くのトークンを出力するとモデルが決めるかである。そして14ポイントのIndex差は、その差を取り戻すために大量の追加思考を要するということだ。

とはいえ、だからといってMistral Large 4が悪いモデルというわけではない。インデックス38は、汎用用途として十分に有能な、最先端に迫るスコアであり、非常に多くの実運用タスクにおいて、追加の14ポイントで得られる実用的なものは何もない。論点はもっと狭く、より実践的だ。安価なカードを使えば今月のコストも安くなるという前提でこのモデルを購入してはならない。測定すべきは、完了した作業単位あたりのコストであり、それこそがArtificial Analysisが実際に報告している数字であり、あなたの請求書に反映される数字である。

Mistralの主張が本当に強いのはどこか、そしてそれは価格ではない

Mistral Large 4 を支持する3つの論拠は、Index number に照らしても生き残る。そして、そのうち2つはモデルについてのものではまったくない。

• 欧州でのトレーニングとソブリン・ホスティング。 Mistralは欧州のフロンティアラボであり、この発表はベンチマークのメッセージではなく、ソブリンクラウドのメッセージの下に位置づけられている。欧州の公共部門の購買担当者、規制下の銀行、あるいは調達規則で管轄区域を明記している者にとって、これは好みではなく要件である——そして、GPT-6.1 Solがいくら価格を下げても競争できない唯一の軸でもある。あなたの制約が「重みとサービングは欧州製でなければならない」であるなら、比較はここで終わり、Indexの数値は無関係だ。

• オープンウェイトが登場しようとしており、セルフホスティングはその計算を一変させる。 Mistral は10月末までにウェイトを公開すると約束した。1.05T/52B の Mixture-of-Experts は、ほとんどのチームが自前のハードウェアで動かすようなモデルではない——52B のアクティブパラメータはその文の友好的な半分で、1兆パラメータという合計は非友好的な半分だ——しかし、すでにそのクラスのインフラを運用している組織、あるいはホスト型 API では満たせないデータレジデンシー規則を持つ組織にとって、オープンウェイトは従量課金 API を固定費に変える。GPT-6.1 Sol がセルフホスト可能になることは決してない。

• プレビュー価格は、続いている間は本物です。 $0.68 / $2.09 では、プレビュー割引は発表されている定価 $1.36 / $4.18 のおよそ半額です。ワークロードが十分に安く、トークン数が本当に制約要因になっている場合——大量の分類、抽出、ルーティング、短い出力で推論ループを伴わないもの——その価格はこのページで最良であり、Index のギャップは 52 の Index を必要としなかった作業には当てはまりません。プレビューが終わったら驚くのではなく、切り替えを計画しておきましょう。

議論の余地がないのは、そうではなく最上位における生の実力だ。エージェント型コーディングと長期的なツール利用において、その差は明白であり、それはIndexから期待される通りの方向性だ。GPT-6.1 SolのArtificial Analysis Terminal-Bench 4.0の行は56.06を示しており、同じ指標でその前身であるGPT-6 Solは43.94だった——シェルでタスクを完了させることに特化したベンチマークにおける、およそ12ポイントの世代間の動きである。

それ自体と矛盾するコンテキスト番号

これはこのページで唯一、自信を持って引用できない仕様であり、うやむやにするのではなく、あえて指摘する価値のあるものです。

Mistral自身のMistral Large 4向けドキュメントには、最大100万トークンのコンテキストウィンドウが記載されている。Artificial Analysisによるこのモデルの独立記録では524,000となっている。この2つの数字は丸め誤差の違いではない。2倍の差であり、別々のものを指している。最も可能性が高い説明は、一方がアーキテクチャ上の上限を表し、もう一方がプレビュー中に実際に提供されているものを表しているというものだ。これは、大きなリポジトリを1回の呼び出しで読み込むつもりだった場合、極めて重要な区別である。ベンダーによってどちらの数値も整合された形で示されたことはなく、それがなされるまでは、より小さい方の数値を、それに基づいて構築できる値として扱うべきだ。

対照的に、GPT-6.1 Sol の主要な上限にはこの問題はない。そのコンテキストウィンドウは 1,050,000 トークン、最大出力は 128,000 トークン、知識カットオフは 2026-04-30 であり、これらはすべてベンダーのモデルページに記載されており、API 経由で提供される内容とも一致している。

エージェントタスク1,000件がそれぞれにかかるコスト

どちらのモデルにとってもありふれたワークロードを想定しよう。40,000入力トークンを運び、2,000トークンの回答を生成する1回の呼び出しを、1,000回実行する。2つの料金表を比較可能に保つため、入力はキャッシュから供給されるのではなく、毎回新規に入力されると仮定する。

• GPT-6.1 Solでは — 入力トークン40,000は100万トークンあたり$2.00で$0.080、出力トークン2,000は100万トークンあたり$10.00で$0.020です。つまり$0.100／1回の呼び出し、または約$100／1,000回です。

• Mistral Large 4のプレビュー料金では — 入力40,000トークンは100万トークンあたり$0.68で$0.027、出力2,000トークンは100万トークンあたり$2.09で$0.004です。つまり$0.031が1回あたり、約$31が1,000回あたりです。

価格差は実在し、出力が短い形状ではおよそ3対1です。ただし、逆方向に働く正直な注意点が1つあります。GPT-6.1 Solはキャッシュされたプレフィックスに対して100万トークンあたり$0.10を請求し、Mistralのプレビュー版ドキュメントでは同等の割引は明記されていません。40,000トークンをキャッシュから提供して同じループを実行すると、GPT-6.1 Sol側は1回あたり約$0.024まで下がり、これはMistralの数値を下回ります。料金表がこの比較を決めるのは、入力が繰り返されるかどうかを把握してからです。次に、もう一方のパラメーターを変えて、第2のスプレッドが開くのを見てください。推論重視の端で同じループを実行し、Mistral Large 4がそのIndex of 38が示唆するトークン消費を行っている場合、同等の評価におけるタスクあたり$1.13という数字は、請求額のMistral側が料金表が示唆するよりも速く膨らむことを示しています。正直な要約はこうです。Mistral Large 4は、新規入力レートでの短い出力の作業では算数に勝ち、キャッシュありおよび長期的なエージェント型作業ではそれを失います。どちらを実行しているかは、モデルについての問いではなく、あなたのワークロードについての問いです。

これらはどちらも、まさにルーターが存在する理由となるタイプの比較です。GPT-6.1 Sol は、Open​AI の定価（リスト価格）そのまま、マークアップ 0% で当社のカタログに掲載されています — Open​AI が公表している価格がそのまま発信者の支払額となり、ベンダーが価格を変更すれば、リセラーが気づくのを待つことなく、カタログの該当行もそれに合わせて変わります。つまり、上記のトークン単価の計算は、このページではなく実際のカタログ行と照合して確認できます。Mistral Large 4 は当社が提供しているものではないため、ご利用を希望される場合は、ベンダー自身の API や複数のサードパーティプラットフォームで入手できます。

月曜日に何をするか

今日、この2つのモデルが同じ仕事の代替手段になるような見方は存在しない。そしてその理由は品質ではなくタイミングにある。

今週、フロンティアなエージェント型コーディングモデルが必要なら——長いツールループ、リポジトリ規模のコンテキスト、コンピュータ操作、ドキュメント中心の専門業務——答えはGPT-6.1 Solだ。2つのうち完成品であるのはこれだけで、価格も公開されており安定している。コストがかかるのは出力メーターの部分だという点を踏まえて予算を組み、ワーキングセットは272,000トークンのしきい値未満に保つこと。それを超えるとリクエスト全体が再価格設定される。

ヨーロッパにおり、要件で管轄区域が指定されている場合、またはデータ規則を満たすAPIが存在しないためにセルフホストを予定している場合、スコアに関係なく、ここでの唯一の候補はMistral Large 4です。ただし、あなたが待っているその部分である重みはまだ存在せず、インフラストラクチャの規模を決める基準となるコンテキストの数値は、現在2倍の隔たりで争われています。重みのリリースと、ベンダーが1Mと524,000を整合させる動きを注視し、それへのデプロイを確定する前に確認してください。

そして、実際に両方を使いたいのであれば——低コストで大量処理の層には Mistral Large 4 を、難易度の高いテールには GPT-6.1 Sol を——実用上の制約は、この2つが異なるキー、異なる請求、異なる障害モードで動いていることであり、これこそが、200以上のモデルにまたがる自動フェイルオーバーを備えた単一エンドポイントが解決するために存在する問題です。当面は、開く価値のある行は、実際に存在する行です：https://www.orcarouter.ai/models/openai/gpt-6.1-sol にある GPT-6.1 Sol モデルページです。