Mistral Large 4 対 Claude Fable 5.1：指数ポイント17点差と出力価格12倍

この対決の前提は2026年10月29日に変わりました。しかも、Mistral Large 4が賢くなったからではありません。その日の午後、このモデルはレンタルできるプレビューではなく、1.06 TBのダウンロードになったのです。つまりClaude Fable 5.1との比較は、どちらがより良く答えるかという話にとどまらず、どちらの制約なら受け入れられるかという話でもあります。Claude Fable 5.1は100万入力トークンあたり10ドルのモデルで、API経由で呼び出せますが、所有することも、ファインチューニングすることも、自社のハードウェア上で実行することも決してできません。Mistral Large 4は1兆パラメータのMixture of Expertsであり、今や自社で所有し、適応させ、自社ネットワーク内に展開できます。ただし、サービスとして再販することを明示的に禁じるライセンスの下で、です。一方は契約です。もう一方は、条件が付いたダウンロードです。

能力に関しては、答えは僅差ではない。そして価格の議論が始まる前に、それを言っておく価値がある。Artificial Analysisのv5 Intelligence Indexでは、Claude Fable 5.1が43、Mistral Large 4が26だ。これは同じ指標上での17ポイントの差であり、インデックスのバージョンに関するあらゆる合理的な留保にも耐える。なぜなら両方の数値はv5の測定値だからだ——Fable 5.1の数値はライブリーダーボードによるもので、Large 4の数値はMistralが自社のモデルカードに記載している数値による。インデックスが再実行されれば、両方の数値は動く。順序は動かない。

そのギャップが実際に現れるのはどこか

公開ベンチマークはこのインデックスと一致しており、これは珍しいことです。以下の両方の数値セットはベンダーが実施したもので、どちらも独立に再現されていません。したがって、これらは異なる品質の証拠としてではなく、同等の立場の主張として扱ってください。

• Terminal-Bench 4.0 — Anthropic によると Claude Fable 5.1 が 55.8%、Mistral によると Mistral Large 4 が 41%。両ベンダーとも自社のハーネスで実行しており、Anthropic が自ら報告した数値は一部の記事では 58.1% として登場しているため、両列とも正確な小数値は不確かである。

• 長期的な科学 — Claude Fable 5.1 は Terminal-Bench-Science 0.1 で 52.6%。これは Anthropic の際立った主張であり、その後、別のラボの表では同じモデルについてはるかに低い値が示されている。Mistral Large 4 には比較可能な公開行がない。それ自体が示唆的だ。このモデルはコーディングとセキュリティ向けに位置づけられており、研究グレードのエージェント型科学向けではない。

Humanity's Last Exam — Claude Fable 5.1 ではツールなしで60.9%、ツールありで65.0%。Mistral は同じベンチマークで、10月のプレビュー版について35.0%を公表した。このプレビュー版の数値は3週間のRLと最終チェックポイントより前のもので、リリースされたモデルを過小評価している——ただし、HLEについて両陣営が公表した唯一の数値ではある。

• セキュリティ分野の作業 — ここではMistral Large 4の方がより強い主張が可能で、RL後のCyberGym-E2Eで79%、B3エージェントセキュリティスイートで97.1%を記録しています。Anthropicのモデルは、この種の作業を失敗するというよりむしろ拒否する傾向が強く、これは能力の差であると同時にポリシーの違いでもあり、能力の不足と受け取るべきではありません。

• トークン効率 — Mistral自身の説明によれば、公開されたモデルはArtificial AnalysisのCoding Agent IndexでGLM-5.3と並ぶ48%を記録しつつ、タスクあたりのトークン消費量はGLM-5.3より47%少なくて済む。ベンダーがスコアと並べてベンチマークのコスト面を公表するのは珍しい事例であり、どちらの列においても最も有用な数字である。

回帰のように見えるが、そうではない数値

Mistral Large 4のプレビュー版は、Artificial Analysisのインデックスで38.4を記録した。リリース版は26だ。この2つの数値を比較した何気ない読者は、3週間の強化学習によってモデルが12ポイント悪化したと結論するだろう。そうではない。38.4はv4.3インデックス上で記録されたものだ。Artificial Analysisは10月下旬にインデックスを再構築しており、v5への再構築は全体的により厳しい測定基準になっている。v4.3で50台だったモデルが、v5では40台に位置している。この2つの数値は同じものを測定した結果ではなく、それらを引き算することこそ、今回のリリースに関する報道で最もよく見られる誤りだ。

41%というTerminal-Benchの数値にも同じ注意が当てはまります。Mistralは追加のRL前が28.3%、後が41%だと報告しており、これは単一のハーネス上での真に同条件の向上です。しかし41%は、Claude Fable 5.1の55.8%と比べると依然として低い絶対スコアであり、改善をどう印象付けてもその順位関係は変わりません。

ギャップ以上に決定的となるライセンス条項

Mistral Large 4はMistral Ecosystem Open-Weight Licenseの下で提供されており、同社はこれを修正MIT条文と説明している。実際には、4つのことを認め、1つを留保している。

• 収益基準なしの商用利用 — 「これを利用するには売上$X million未満でなければならない」という文言はありません。

• ファインチューニングと派生モデル。これが、day-zero RLをそもそも可能にする条項です。

• 社内導入とオンプレミスでのホスティング。これは Mistral が今回のリリース全体をこの訴えを軸に組み立ててきた、ソブリン AI の売り文句そのものです。

• 製品への埋め込み。ただし、埋め込み利用および出力の単なる中継を対象とする除外規定を伴う。

• 許諾されないもの：これを利用したモデル・アズ・ア・サービス事業の運営。トークン単位の API エンドポイントを立ち上げてアクセスを販売する場合は、Mistral との別途商用契約が必要です。

Claude Fable 5.1には同等の問いは存在しない。同等の付与がないからだ。得られるのはAPI、利用規約、レート制限だ。重みは得られず、ファインチューニングもできず、どんな価格を払ってもモデルをエアギャップされたネットワーク内に置くことはできない。Anthropicの規約は独自の制限を加え、しかも同じ方向に作用する。ベンダー自身のAPIでは、ゼロデータ保持は個別に承認される必要があり、強制ツール使用はサポートされず、thinkingをオフにすることもできない。同じモデルをゼロ保持契約を結んだプロバイダー経由でルーティングするのが、チームがその最初の制限を回避する方法だ。こうした制限は、17ポイントの指標差にはない形で、規制対象の買い手にとって重要になる。

コスト（ただし冗長性に関する注意点付き）

まず定価を提示してください。というのも、プロモーション価格は期限が切れ、契約に記載されるのは定価だからです。

• Claude Fable 5.1 — 入力トークン100万あたり$10.00、出力100万あたり$50.00、キャッシュ読み取りは100万あたり$0.25に削減。バッチ料金では両方が半額になり、$5と$25になります。

• Mistral Large 4 — 定価は入力100万トークンあたり1.36ドル、出力100万トークンあたり4.18ドル。現在は約半額に割引され、約0.68ドルと2.09ドルになっているが、終了日は公表されていない。

定価では、入力で7.4倍、出力で12倍です。現在のプロモーションでは、15倍と24倍に近づきます。どちらも十分に大きいため、実際に大量の処理量を抱える人にとっては、ベンチマークの疑問よりも価格の疑問の方が重要になります。これこそが、この対決がそもそも記事にされる正直な理由です。

注意点は冗長性であり、それは現実の問題だ。プレビュー版のArtificial Analysisインデックス実行では、Mistral Large 4は約2億トークンの出力を生成し、ボードの中央値は約8,500万トークンだった。トークン単価はその係数で掛け算される。同じ2億出力トークンを両モデルに通すと、計算はMistral Large 4がプロモーション価格で418ドル、Claude Fable 5.1が定価で10,000ドルになる。その倍数は冗長性を経ても残る——縮むが、逆転はしない——しかし、モデルが実際に何トークン出力するか確認せずにトークン単価比を引用する人は、数字の半分を引用している。リリースされたチェックポイントがプレビュー版と同じくらい冗長かどうかは未測定である；Mistralが追加RLによる30%の出力トークン削減と主張するのは、その問いに対する同社自身の答えだ。

それぞれが実際に呼び出せる場所

比較の中で、2つのモデルが対称でなくなるのはこの部分です。Claude Fable 5.1はOrcaRouterのカタログにとしてanthropic/claude-fable-5.1、1Mトークンのコンテキスト、$10/$50の価格、そしてプロバイダー定価のまま引き継がれる低減されたキャッシュ読み取りレートを備えています。上乗せはないため、ベンダーの価格変更は当日に反映されます。Mistral Large 4はそのカタログにありません。当社はそれを提供しておらず、この記事はそこへの経路ではありません。リリース済みモデルはHugging Face上にあり、ベンダー自身のAPIの背後で提供されています。そうでないと示唆するよりも、はっきりそう述べる方が有用です。

これが実際に何を意味するかは、ライセンスのどちらの側に立つかによって変わります。自分のハードウェアで実行し、端から端まで監査し、LoRAアダプターで適応できるモデルを望むなら、この2つのうち利用できるのは一方だけであり、17ポイントの差がその制御の代価です。呼び出しごとに最も強力な回答を望み、何も所有するつもりがないなら、この2つのうち真剣な選択肢は一方だけであり、12倍の出力価格がその能力のコストです。両方を単一のキーの背後に置き、ルートごとにフェイルオーバーを設定することは、同じ判断の運用上の形です。これにより、2つ目の契約なしで、高価なモデルを既定にし、より安価なモデルにフォールバックできます。

どちらを選ぶか

あなたの仕事が長期的なエージェント実行、ターミナルを多用するコーディング、または誤った回答のコストがトークンのコストを上回る研究グレードの推論であるなら、Claude Fable 5.1 を採用してください。55.8% という Terminal-Bench の主張は、ベンダーが実施したものという留保付きで受け止めるべきですが、その順位付けは真剣に受け止めるべきです。Mistral が公表したものの中に、Mistral Large 4 を同じ水準に位置づけるものはありません。

制約が知的なものではなく法的または地理的なものであるなら、Mistral Large 4を選ぼう。プロンプトを国境を越えて送信できない欧州企業、拒否ポリシーを処理のループから外す必要があるセキュリティチーム、モデルを自社のバイナリ内に同梱して出荷しなければならない製品——これらはいずれも、より良いインデックススコアでは解決されず、610 GBのアクセス制限のないNVFP4重みと、社内ファインチューニングを許可するライセンスによってすべて解決される。

どちらも採用せず、両者の間で振り分けてください。正直な答えが、制約の異なる2つのワークロードを抱えているというものであるなら。それは価格差が意図的に生み出すケースであり、ほとんどのチームが行き着くケースでもあります。

未解決の問題

この比較を変える数字は、どちらのベンダーのスライドにも載っていない。それは、Artificial Analysisのv5インデックス上で公開済みチェックポイントを独立に再実行した結果だ。現在の「26」は、最終ウェイトを新たに測定したものではなく、Mistralが第三者から引用したものだからである。もし3週間のRLと30%少ない出力トークンがその数字を実質的に動かすなら、差は縮まり、価格面の論拠はより強くなる。そうでなければ、公開されたモデルは作法が良くなったプレビュー版であり、17ポイントの差は構造的なものだ。

そのランが存在するまでは、擁護できる立場は地味なものだ。すなわち、Claude Fable 5.1 はより優れたモデルであり、Mistral Large 4 はより優れたライセンスであり、これが僅差の判断になるのは、両方を必要とする人々だけである。