Mistral Large 4 対 Qwen3.8 Max：公表された数値が否定する、主張された優位性

Mistral Large 4 のローンチ記事は、その総合 Coding Agent Index が 49.8% であることで、「DeepSeek V4 Pro 0813 と Qwen3.8 Max を上回る」と述べている。Artificial Analysis はすでに Qwen3.8 Max を同じインデックス系列に含めており、その Terminal-Bench 4.0 の数値は 38.3% だ。Mistral は自社モデルについて、そのハーネスで 28.3% だと報告している。どちらの数値も Artificial Analysis によるもので、一方は公開、もう一方はハーネス公開前に非公開で作成されたものであり、両者は正反対の方向を示している。それはどちらのモデルも否定する理由にはならない。この対決で最も有用な点は、今日どちらを検証できるのかを正確に示してくれることだ。そして、価格の問いを鋭く提起する。Qwen3.8 Max は入力100万トークンあたり $2.00、出力100万トークンあたり $6.00 で、Mistral Large 4 の $0.68 と $2.09 に対して約3倍であり、あらゆる指標でより強いモデルだ。

どちらも同じ目標に向けたAlibaba規模とMistral規模の試みだ——推論、ツール、構造化出力を備え、約100万トークンのコンテキストを扱うネイティブ・マルチモーダルのフラッグシップ——9週間の間隔を置いてリリースされ、それぞれパブリックプレビュー版と一般提供版となっている。一方は2026年8月3日から提供されており、独立系スコアが1列まるごと揃っている。もう一方は2026年10月6日に登場し、同月末までの重み公開が約束され、ベンダーによれば今も上昇中だという強化学習の実行を伴っている。

公開されたコラムと約束されたコラム

Qwen3.8 Maxは、Alibabaがこれまでに提供してきた中で最高能力のティアであり、Alibabaは自社の移行ガイドにおいて、これをGPT-5.5、Claude Opus 4.7、Gemini 3.1 Proに直接対抗するものとして位置づけています。テキスト、画像、動画に対応し出力はテキストというネイティブなマルチモーダルであり、1,000,000トークンのコンテキストウィンドウを備え、その能力マトリクスは思考モード、関数呼び出し、組み込みツール、構造化出力を確認しています。提供されるワイヤフォーマットは3種類 — OpenAI互換、Anthropic互換、ネイティブDashScope — で、北京、シンガポール、東京、フランクフルト、およびその他のリージョンから配信されています。

Artificial Analysisでは、Intelligence Index v4.3.2で45.4を記録し、147モデル中17位、AA Coding indexでは76.2で、138モデル中9位、Kimi K3と並んでオープンウェイト分野のトップに位置しています。GPQA Diamondでは92.8%、長コンテキスト想起では80.3%、SciCodeでは52.1%、tau-bankingでは47.8%を記録しています。Terminal-Bench 2.1の結果は88.8%です。

Mistral Large 4は、総パラメータ1.05兆のうち490億のアクティブパラメータを持つ細粒度のMixture-of-Expertsモデルで、16億パラメータのビジョンエンコーダを備え、Mistral自身の欧州データセンターにある3,800台のNVIDIA Grace Blackwell GPU上で、160以上の言語をカバーするデータを用いてゼロから学習された。約100万トークンのコンテキストにわたりテキストと画像を扱う。そのArtificial Analysisページは「Mistral Large 4 Preview」というタイトルで存在し、Intelligence Indexスコアは付いていない。重みは2026年10月末までに公開されることが約束されている。

• インテリジェンス指数 — Qwen3.8 Max 45.4（147中17位）に対し、Mistral Large 4 は未公開

• コーディング指数 — Qwen3.8 Max 76.2（138件中9位）に対し、Mistral Large 4 は比較対象なし

• Terminal-Bench 4.0 — Qwen3.8 Max 38.9% 対 Mistral Large 4 28.3%、非公開で評価

• コンテキストウィンドウ — Qwen3.8 Max 1,000,000トークン vs Mistral Large 4 約1,000,000

• 入力モダリティ — Qwen3.8 Max はテキスト、画像、動画、Mistral Large 4 はテキストと画像

• 入力価格 — Mistral Large 4 は100万あたり$0.68 対 Qwen3.8 Max は100万あたり$2.00

• 出力価格 — Mistral Large 4 は100万トークンあたり$2.09、Qwen3.8 Max は100万トークンあたり$6.00

• キャッシュ入力 — Mistral Large 4 は100万あたり$0.07、Qwen3.8 Max は100万あたり$0.25

• 重み — Mistral Large 4 は2026年10月末にオープンライセンスが約束されているのに対し、Qwen3.8 Max はクローズド

• リリース済み — Qwen3.8 Max 3 2026年8月3日 vs Mistral Large 4 2026年10月6日、プレビュー

矛盾を解決すること、解決できる限りにおいて

Terminal-Bench 4.0の2つの数値は本当に矛盾しており、最も可能性が高い説明は最も劇的でないものだ。つまり、それらは別々の実行である。Mistralの28.3%は、ハーネスの一般公開前にArtificial Analysisが非公開で評価したものと説明されており、これは公開前のハーネスで、異なる推論エフォートで、あるいは異なるサンプリングで測定された可能性がある。Qwenの38.9%は、Artificial Analysisが標準化した構成で公開済みのハーネス上で得られたものだ。両者を直接比較するのは草案と最終版を比較するようなものであり、見劣りするのは草案の方である。

また、この矛盾がどちらに作用するかにも注目する価値がある。Mistralは複合Coding Agent Indexで首位（49.8%）を主張し、Qwen3.8 Maxを上回るとしている一方で、Qwenより10ポイント低いTerminal-Bench 4.0の数値を公表している。複合インデックスは複数の評価を集約したものなので、両方が同時に真であり得る。DeepSWE v1.1で強い結果（Mistralの報告では61.7%）を出しつつ、Terminal-Benchでは弱い結果のモデルでも、平均では勝てる。しかしCoding Agent Indexが公開されるまでは、その主張のうち読者が確認できる唯一の構成要素は、Mistralが後れを取っている方の数値だ。この非対称性こそ、どちらの方向であれ、疑ってかかるべき点である。

3倍の価格で実際に手に入るもの

2つある。そのうちパフォーマンスなのは1つだけだ。

動画こそが具体的な分かれ目だ。Qwen3.8 Max は動画をファーストクラスの入力としてネイティブに受け付けるが、Mistral Large 4 は受け付けない。Mistral のマルチモーダルに関する章は画像についてのものだ — 高密度なシーンのグラウンディング、技術図面内の機械部品の検証、PDF からの証拠抽出、ギガピクセル衛星画像の走査 — そしてそのいずれも動画を必要としない。あなたのパイプラインが録画、デモンストレーション、動画アーカイブを処理するなら、価格比較は無関係だ。これらのモデルの一方は、あなたの入力を取り込めないのだから。これは能力の境界であり、料金表の違いではない。そして、どのような価格設定の変更によっても、この境界は動かない。

第二は証明です。Qwen3.8 Maxの45.4というIndexスコア、コーディング部門9位、Terminal-Bench 2.1での88.8%は、トークンを使うことを厭わない人なら誰でも、公開されているハーネス上で再現できます。MistralのML4は、エージェント型コーディングと自動化について、より高いと主張される上限を提示し、ブラインドの人手評価では知覚されるコーディング品質でKimi K3とGLM-5.3をわずかに上回り、サイバーセキュリティに関しても具体的な主張があります——Artificial Analysisのreproduce-and-patchテストで82%、これはテストされたどのモデルよりも高く、Cybenchでは93%です。しかし、それらはすべてベンダー報告か非公開評価によるものです。モデル選定を調達レビューで正当化しなければならないチームは、答えを書面で得るために3倍のプレミアムを払うのです。

とはいえ、この比較においてサイバーセキュリティの指標は、低価格では埋め合わせられない唯一の主張だ。なぜならそれは優位性ではなく能力だからだ。Mistralは、Claude Opus 5.5やGPT-6 Astraを含む主要なクローズドモデル数体が、同じ再現・パッチ適用テストでほぼゼロのスコアになるのはタスクを拒否しているためだと報告しており、またJailbreakBench、StrongREJECT、AgentHarmから抽出したサイバープロンプトに対するML4の平均拒否率は、作業を完了しつつも他のオープンウェイトモデルより高いとしている。Qwen3.8 Maxはそのテストでは報告されていない。あなたの仕事が脆弱性の再現に関わるなら、問いはどちらが安いかではない。そもそも誰がその仕事をやってくれるのか、だ。

重みと、それが実行される場所

ここでMistral Large 4は、Qwenの3倍という割高さでは到底及ばない、唯一の構造的優位性を握っている。Mistralは、2026年10月末までにML4の重みをオープンライセンスの下で公開し、アーキテクチャとポストトレーニング手法の詳細も併せて公表すると約束している。それはトークン単位のコストを設備投資の判断に変える。GPUを持っているなら、トークンごとの支払いをやめ、データを第三者に送ることもやめ、他社のモデレーションポリシーに縛られることもなくなる。AlibabaのMaxティアはクローズドなAPI専用の提供であり、それが変わることを示すものは何もない。

地理は、視点を変えた同じ議論である。Qwen3.8 Max は北京、シンガポール、東京、フランクフルトなどから提供されている——真にグローバルな拠点だが、それを運営しているのはアリババだ。Mistral Large 4 のパブリックプレビューは、Mistral 自身のヨーロッパのインフラ上で、Mistral が他のデジタルサービスプロバイダーから独立してエンドツーエンドで運営するヨーロッパのリージョンにおいて、ヨーロッパ法の下で稼働している。ヨーロッパの規制対象の購買担当者にとって、両モデルが同じ都市で利用可能であっても、この二つの文が支持する調達上の結論はまったく異なる。Mistral の30億ユーロのシリーズD——ヨーロッパのテクノロジー企業が調達した過去最大のエクイティラウンド——は、まさにその違いに資金を供給するために存在しており、ML4 はその最初の成果物である。

2つの可用性の形態にまたがるルーティング

この組み合わせが珍しいのは、2つのモデルが価格や能力だけでなく、アクセスの仕方でも異なっている点だ。Qwen3.8 Max はさまざまな地域から OpenAI 互換、Anthropic 互換、およびネイティブの DashScope プロトコルに対応している。一方、Mistral Large 4 は単一の事業者による単一のプレビューエンドポイントだ。アプリケーションコード側でこれを正規化するのは実際の作業であり、最初は小さく始まって、プロバイダーが何かを変更するたびに大きくなる類の作業だ。

どちらもOrcaRouter上の単一のOpenAI互換エンドポイントの背後にあり、マークアップは0%。だからこそ本記事の価格差はスナップショットではなく安定的なものになる。プロバイダーの定価はそのまま透過されるため、Mistralがプレビュー料金を終了した日やAlibabaがQwenの価格を動かした日には、ルーティングルールが評価する数値もそれに追随する。ルーティングDSLは、両モデルの異なる強みがひとつの呼び出しサーフェスになる場所だ — 動画を含むリクエストはQwen3.8 Maxへ、画像とドキュメントの処理はMistral Large 4へ、そして厳格な予算を守らなければならないものはまずML4へ送り、実タスクで複合インデックスの主張が実際に重要だと判明したときのエスカレーションとしてQwenを使う。この組み合わせでは、自動フェイルオーバーがほとんどの場合より価値を持つ。一方は開始から1か月のプレビューAPIで、もう一方はキャパシティプランを立てられないクローズドなティアだからだ。49.8対76.2というコーディングの問いがあなたのワークロードにとって本当に未決である場合、モデルフュージョンは同じプロンプトで両方を実行し、パネルに選ばせることができる。これはベンチマーク対決を2回行うより安く済む。

評決

Qwen3.8 Maxは、公表されているあらゆる点でより優れたモデルだ。そのIndexスコア45.4、コーディングインデックス76.2、Terminal-Bench 4.0での38.9%は他社と同じリビジョンに基づいており、動画にも対応し、2か月前から出荷されており、5つのリージョンから3つのワイヤフォーマット経由で利用できる。性能と検証可能性が決め手なら、3倍の価格は、出荷済みで測定済みのフラッグシップにかかるコストだ。

Mistral Large 4 は、価格でおよそ3倍、キャッシュ読み取りで3倍以上、代替モデルが拒否するサイバーセキュリティ作業で、そして Qwen が答えられない2つの論点――10月末までにオープンウェイトを公開するという約束と、Mistral がエンドツーエンドで運用する欧州デプロイ――で優位に立つ。49.8% という Coding Agent Index の主張こそが決着をつける鍵だ。もしその数値が Qwen のものより先に公開ハーネス上で出れば、より安いモデルがより優れたモデルになり、割高さは消える。そうならなければ、Mistral はリリース済みの競合に後れを取るモデルにプレビュー価格を付けて売っていることになり、正直に言えば、モデルではなくロードマップを買っているのだ。

3つの日付に注目してほしい。2026年10月末——ML4の重みがリリースされるか、オープンウェイトという主張が弱まる時期。Artificial Analysis Coding Agent Indexの公表——そこではMistralの非公開評価とQwenの公開スコアが同じ1つの列で並ぶ。そしてプレビュー期間の終わり——Mistralがいつ発表するにせよ、$0.68と$2.09はローンチ時の料金であり、重みのリリース後もそれが続くとはどの予測も仮定すべきではない。