Mistral Large 4 対 GPT-6.1 Sol：ダウンロードできるものと、レンタルしかできないもの

オープンウェブ上にある Mistral Large 4 と GPT-6.1 Sol の比較は、ほぼすべてが10月27日をもって存在しなくなった数値を引用している。ページには38と52と書かれている。Artificial Analysis はその日に自社の Intelligence Index を v5 シリーズへと再構築し、モデルを再実行して、現在は Mistral Large 4 に26、GPT-6.1 Sol に55を公表している。これはどちらのモデルが変わったということではない。測定器が変わったのであり、旧来のセットの代わりに9つの評価を備え、はるかに難しい構成になっている。ただ、それは、あなたが読んだかもしれない14ポイントという差が、今や紙上では29ポイントになり、再構築前のいかなる数値とも比較できないことを意味する。インデックスの実行をまたいだ比較は、この分野で最もよくある誤りであり、他の何かを論じる前に、まず現在のこのペアを正しく把握しておく価値がある。

この対決をスコア差以上に興味深くしているのは、今朝からこの2つの製品が同じ種類のものではなくなったことだ。GPT-6.1 Solは、OpenAIが2026年9月29日に100万トークンあたり2.00ドルと10.00ドルで提供開始して以来、レンタルモデルであり続けている。呼び出すことはできても、手元に保持することはできない。Mistral Large 4は、2026年10月6日にプレビューされ、2026年10月29日14:51 UTCに重みを公開した——FP8で1,060.6 GB、NVFP4で610.1 GB、ダウンロード可能で、修正MITライセンスの下にある。一方のモデルには、止まらないメーターがある。もう一方のメーターは、ハードウェアを購入した日で終わる。それが判断であり、ベンチマークの表はその下流に位置する。

2つの製品、2つの日付、そのうちの1つは完了しました

この非対称性は成熟度に関する些末な論争ではなく、問う価値のある問いがどれかを変える。GPT-6.1 Solは出荷済みで文書化され、独立に測定されたモデルであり、10社のAPIプロバイダーがそれに対して記載されている。その料金表は確定しており、100万トークンのコンテキストは文書化され、OpenAIのラインナップにおける位置は最上位ではなくAstraフラッグシップの下にある。Mistral Large 4は23日間をAPIプレビューとして過ごし、今日、それはファイルになった。ホスト型の料金表は入力100万トークンあたり0.70ドル、出力100万トークンあたり2.10ドルで確定しており、その将来は今やMistralのロードマップではなく、一部はそれを運用する者の手に委ねられている。

重要な6行

両側とも同じ次元で、現在の計器により、2026年10月29日時点の2つのArtificial Analysisモデルページと各ベンダー自身のドキュメントから読み取った：

• インテリジェンス・インデックス — GPT-6.1 Sol 55{{1}}（v5シリーズ、比較クラス54件中7位）{{/1}}、Mistral Large 4 26（別のクラスで19件中8位 — この2つの順位は同一尺度ではありません）。

• Indexタスクあたりのコスト — GPT-6.1 Sol $1.27、Mistral Large 4 $2.06。

• トークン価格 — GPT-6.1 Sol は100万トークンあたり入力 $2.00 / 出力 $10.00、入力トークンが272,000を超える場合は $4.00 / $15.00 の料金階層。Mistral Large 4 は入力 $0.70 / キャッシュ $0.07 / 出力 $2.10。

• 出力速度 — GPT-6.1 Sol は毎秒79.1トークン、Mistral Large 4 は161.3。

• コンテキスト — 両方とも1Mトークン、両方ともドキュメント化済み。

• デプロイ — GPT-6.1 Sol：ホステッドのみ、いかなる価格でもウェイトは提供されません。Mistral Large 4：ホステッドまたはセルフホステッド、NVFP4で610.1 GB、公開されているvLLMレシピではBlackwellクラスのGPUを8基使用。

The Indexは平均値であり、平均値は格差の形を隠す。Artificial Analysisの個別行では、差は一様に悪いのではなく不均一だ。HLE-Diamondは17%対59%、Terminal-Bench-Science 0.1は4%対58%、FrontierCode 2.0は15%対41%、Terminal-Bench 4.0は25%対56%、GDPpdfは18%対31%。Mistral Large 4はすべてのタスクで29ポイント遅れているわけではない。持続的な多段階推論を評価する評価では大きく遅れており、短い単一パスの作業ではほぼ同等だ。あなたのワークロードが後者の種類に似ているなら、平均値は購入判断に使うべき数字ではない。前者に似ているなら、どんな割引でもその差は埋まらない。

数字が動いた理由と、それがスキャンダルではない理由

v5の再構築では、新しい評価セットで全モデルを再実行し、その約60%は非公開だった。つまり、再構築前に公開されていなかった問題だ。モデルのスコアは一様に同じ方向へ動いたわけではなく、大きく下落したものもあれば上昇したものもあった。Mistral Large 4が38から26へ下がったことと、GPT-6.1 Solが52から55へ上がったことは、同じ出来事に対する二つの読み方であり、どちらもベンダーが四半期に不振だったことを意味しない。そこから導かれるルールは単純だが、うっかり破りやすい。あるインデックス実行のスコアから別の実行のスコアを引いてはいけないし、二つの半分が一週間離れて測定された差分を引用してもいけない。今日存在する差は、一つの計測器における29ポイントである。

29ポイントは大きな差であり、それだけで全てを語れるわけでもない。Index 26 は、一般的な作業には十分に対応できるものの、難易度の高い領域では際立ったところがないモデルを表す。Index 55 は、入手可能な中で最強クラスのモデルの一つを表す。ワークロードが大規模リポジトリ上でのエージェント型コーディングであるなら、答えはすでに決まっており、価格に関する議論でそれが変わることはない。この記事の残りでは、まだ答えが決まっていないワークロードについて扱う。

リバートはリベース後も維持されました

10月のプレビュー期間で得られた所見のうち、新しい測定手法のもとでも揺るがなかったのは、タスクあたり価格の逆転であり、それは新たな数値でも維持された。Mistral Large 4の料金は、GPT-6.1 Solの入力単価の約3分の1、出力単価の約5分の1でありながら、同じ評価タスクを完了するのに62%多くかかる——$2.06 対 $1.27。これは価格設定のトリックではない。推論モデルの請求額は、出力するトークン数に大きく左右され、Mistral Large 4は非常に多く出力する。Artificial Analysisの記録では、その冗長性サンプル全体で1億1,000万出力トークンに対し中央値は1億トークンだった一方、GPT-6.1 Solは6,400万で中央値を下回る。安いトークンに多くのトークンを掛けても節約にはならず、請求書がそれを物語る。

実務上の帰結は、「安価なモデルが実は高くつく」ほど広いものではない。短い出力の作業——分類、抽出、ルーティングなど、二百トークンで終わり、推論ループに決して入らないあらゆる作業——では、トークン価格がそのまま請求額であり、$0.70 対 $2.00 が議論のすべてだ。この逆転が効いてくるのは長期ホライズンの推論であり、まさにそこに二十九ポイントの差も存在する。二つの異なる測定が同じ方向を指していることは、その方向を信頼する理由であって、あらゆるワークロードに一般化する理由ではない。

スピードは逆方向へ進み、忍耐もまた同じだ

Mistral Large 4 は出力速度が2倍以上で、毎秒161.3トークン対79.1トークンです。また、最初のトークンを1.42秒で返し、比較対象群の中央値1.68秒よりわずかに優れています。GPT-6.1 Sol の最初の回答トークンまでの時間の公表値は249.48秒で、中央値3.53秒に対しており、これは引用するのではなく説明を要する類の数値です。

その249秒は、ほぼ間違いなくネットワーク的な意味でのレイテンシではありません。それは、モデルが最初の回答トークンを出力する前に推論に費やす時間を、最大推論エフォートで測定したものであり、待っているユーザーにとって長い推論予算がどれほどのコストになるかを正直に示す方法です。当社自身のルーティングデータがこの区別を具体的に示しています。10月29日までの7日間にOrcaRouterを通じて処理された5億8,470万GPT-6.1 Solトークン全体で、最初にストリーミングされるトークンまでの時間はp50が1.36秒、p95が10秒でした。最初のトークンはすぐに届きます。数分かかるのは最初の回答であり、APIのフラグによって、ユーザーがどちらを体験するかが決まります。アプリケーションが推論トークンをストリーミングするなら、待ち時間は推論トークンで埋まり、許容できるものになります。そうでない場合、つまりユーザーが最初の回答が届くまでスピナーを見つめ続ける場合、最初のトークンまで4分かかることは、どのベンチマークスコアでも補えない製品上の制約であり、1.4秒で回答するモデルの方が、Indexポイントが29高いモデルよりも良く感じられます。これが、より安価でスコアの低いモデルが実際の導入で最も頻繁に勝る軸であり、どの比較表にも現れません。

今朝変わったこと：メーターが終わる

これまでMistral Large 4のセルフホスティングの根拠は約束にすぎず、約束は調達審査を生き残れない。今やそれはリポジトリになった。チェックポイント2つ、ライセンスファイル1つ、ベンダーが公開したサービングレシピ：vLLMはテンソル並列数8とFP8 MLA KVキャッシュ、SGLangはtp-size 4で、どちらも2つ目のモデルではなく、投機的デコーディング向けに組み込まれたDSparkドラフトヘッドを備える。

それが得られるのは安いトークンではない。コストの単位としてのトークンが終わるということだ。自社所有のハードウェアでは、請求額は減価償却費、電力、ラックスペース、そしてそのクラスタを所有するエンジニアのコストになり、高い安定した量で動くワークロードは変動費から固定費に変わる。これが、データレジデンシー規制を持つ欧州の銀行、調達で海外での推論を禁じている防衛請負業者、あるいはモデルを製品ラインに5年間組み込む製造業者にとっての論拠だ。これは、トラフィックが急増し、運用チームを持たないスタートアップにとっての論拠ではない。610 GBの重み、8基のBlackwell GPU、1MトークンのKVキャッシュは資本プロジェクトであり、ホスト型の$0.70の料金は、非常に長い間、資本より安い。

ライセンスは、多くの人が飛ばしがちな部分だ。これは修正MITライセンスで、重要な条項が1つある。重みをモデル・アズ・ア・サービス（model-as-a-service）として提供するには、Mistralからの別途商用ライセンスが必要となる。ただし、定義は注意深く読むこと——そこでは組み込み型のエンドユーザー製品と「他者がホストするモデルへのリクエストを単に中継する行為」が除外されており、Mistralがホストする推論へトラフィックを流すゲートウェイは対象外となる一方、自社の推論ファームを立ち上げてアクセスを再販する企業は対象外ではない。もしあなたの計画が「ダウンロードしてプロバイダーになる」というものなら、ハードウェアの見積もりを取る前にこの条項を読むべきだ。

それぞれが実際に正しい答えとなる場合

エージェント型コーディング、長期間にわたるツール利用、大規模リポジトリでの作業 — GPT-6.1 Sol。Indexの差が最も大きいのはまさにここであり、価格プレミアムは正しさを得るためのコストだ。

• 大量かつ短出力の抽出・分類 — 入力 $0.70 の Mistral Large 4。推論上限は発動しないため、Index ギャップは適用されません。

• 規制された、管轄に縛られたデプロイ — Mistral Large 4。しかも、それが優れているからではない。GPT-6.1 Sol はどんな価格でもセルフホストできず、これで比較は終わる。

• 最初のトークンが製品そのものになる対話型アシスタント — 速度重視ならMistral Large 4、ただし推論をストリーミングして待ち時間を受け入れられる場合を除く。

• 防御的セキュリティツール — Mistral Large 4。ベンダー報告による、悪意のあるサイバーリクエストに対する96.6%の拒否率と、Mistralがそのローンチに合わせて構成したサイバーベンチマークセットを根拠とする。これらの数値はMistralのものであり、独立系ラボのものではない。誰かがこれらを再検証するまでは、主張として扱うべきだ。

• 答えが正確でなければならず、レイテンシの予算に余裕があるあらゆる場面 — GPT-6.1 Sol。29ポイントは丸め誤差ではない。

両方を実行するつもりなら

このような比較では混在構成が当然の結果となり、運用上の問いは、大きく異なる2つのモデルをどう1つの請求に収めるかになります。GPT-6.1 Sol は OrcaRouter 上で、OpenAI の定価とまったく同じ価格 — 100万トークンあたり $2.00 と $10.00、272K 超のティアでは $4.00 と $15.00 — で、0% のマークアップでルーティングされるため、表示される料金は OpenAI が請求する料金そのものです。Mistral Large 4 は当社のカタログにはありません：214 個のモデル、Mistral エンドポイントはなく、呼び出したい場合は Mistral 自身の API か自前の vLLM デプロイメントにアクセスします。ホスト型の部分について、このプラットフォームが実際に提供するのはルーティング DSL — ワークロードを1つのモデルに向け、コード変更なしで移行できる — と自動フェイルオーバーであり、これによって新しいモデルを本番経路で試すことが可能になります。セルフホスト型エンドポイントを同じパターンの背後に組み込めば、この比較の2つの半分は一度きりで下す判断ではなくなります。

質問は2つ、1つではありません

比較ページを見れば、{{1}}GPT-6.1 Sol が勝つ{{/1}}と書かれているでしょう。そして、両モデルに共通する唯一の独立した計測指標でも、実際にそうなっています——{{2}}55 対 26{{/2}}で、{{3}}完了タスクあたり 62% 少ない{{/3}}コスト、出力速度は半分を少し上回る程度です。それが「どちらのモデルが優れているか」への正しい答えであり、それが唯一の問いであれば、市場は9月にこれを決着させていたでしょう。

今朝提起された問いは、これまでとは違う。3年後も、自分たちが管理するハードウェア上で、読んだライセンスのもとで動かし続けられるのはどのモデルか。非常に多くのチームにとって答えは「どちらでもない、借りる」のままであり、その場合 GPT-6.1 Sol のほうがより良い借り先だ。制約が能力ではなく所有にあるチームにとっては、26 というスコアのモデルは今日、妥協ではなくなり、検討対象として唯一の選択肢になった。二つの答えはどちらも正しい可能性がある。だからこそ興味深い仕事は勝者を選ぶことではなく、あなたの組織が実際にどちらの問いを立てているのかを見極めることだ。