Mistral Large 4 vs Claude Opus 5.5：唯一の直接対決の数字は、間違ったバージョンに対するものだ

について存在する唯一のブラインド直接対決は、Mistral Large 4とClaude Opus 5.5そのどちらか一方の前バージョンに対して測定されたものだった。Surge AI はモデルの素性を伏せ、プロのアノテーターにコーディング出力を1～5の尺度で評価させた。Mistral Large 4 Preview は5モデル中2位となる3.74で、Claude Opus 5の4.22に後れ、Kimi K3の3.59とGLM-5.3の3.60を上回った。Claude Opus 5.5 は9月22日にリリースされたため、この組み合わせについて公表された人間による比較に最も近いものは、対戦相手の現行リリースより3週間古いものであり、これを再実行した者はいない。それ以外はすべて比較可能で、方向性は一つに定まる。Artificial Analysis のインテリジェンス指数では、Mistral Large 4 Preview が38.4、Claude Opus 5.5 が58——216モデル中1位——であり、指数タスク1件を完了するコストは1.13ドル対5.98ドルである。

それら二つの事実が、この判断の全体像そのものだ。能力差は大きく、このバージョンの時点では以前よりもさらに広がっている。コスト差は5倍強で、Anthropicが価格を下げたときにも変わらなかった。

Anthropic自身の説明による、Claude Opus 5.5とは何か

Claude Opus 5.5はAnthropicの現行フラッグシップモデルで、2026年9月22日にリリースされ、長期的なエージェント作業——多段階のセッション、ツールの多用、コード——に位置づけられています。価格は入力トークン100万あたり4ドル、出力100万あたり20ドルで、キャッシュ読み取りは0.20ドル、キャッシュ書き込みは5ドル。Anthropicはこれらについて、入力と出力ではOpus 5より20%安く、キャッシュ読み取りでは60%安いと説明しています。同社によると、Claude CodeとClaude Platform内で最大2.5倍速く動作するFastモードが8ドル／40ドルで用意されています。Amazon Web Services、Google Cloud、Microsoft Azureで利用可能で、ゼロデータ保持も提供されており、Anthropicは今後数週間のうちにClaude Sonnet 5.5とClaude Haiku 5.5が続くと述べています。

そのページには、他よりも重要な2つの詳細がある。1つ目は機能ではなく、移行上の制約だ。Anthropicは、Claude Opus 5.5が思考モードをオフにした状態ではもはや利用できないと述べている。現在のパイプラインが、安価で高速、かつ決定的なターンのために非思考モードでOpus 5を呼び出しているなら、その構成にはこのモデルにおける直接の後継が存在しない。2つ目は、Anthropic自身がスコアの横に記した注意書きで、ベンチマークの差は実世界での違いを示す指標としては以前ほど信頼できなくなっているというものだ——これは、自社が勝利している表の横にベンダーが書くとしては異例なことで、以下の数字を読む際には、額面通りに受け止める価値がある。

Anthropicの発表によるベンダー報告の数値は、Terminal-Bench 4.0が66.4%、FrontierCode v1.1が54.4%、CursorBench 4.0が57.8%、GDPval-AA v2.1が1,846 Elo、AutomationBenchが40.0%、Humanity's Last Examがツール使用時で67.7%、Terminal-Bench-Science 0.1が58.7%、OSWorld 2.1が81.8%の部分達成である。これらはすべてAnthropic自身の実行結果であり、比較対象モデルのスコアは各ベンダー自身のページから取得されたもので、この組み合わせについても、その他の組み合わせについても、独立に再現されたものは一つもない。

10月13日時点でのMistral Large 4とは

Mistral Large 4は、2026年10月6日に発表されたパブリックプレビューであり、リビジョンはv26.10で、Mistral AIがこれまでに投入した中で最大のモデルです。同社はこれを、ネイティブにマルチモーダルなスパースMixture-of-Expertsであり、総パラメータ数1兆500億、アクティブ5,200億、さらに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基のNVIDIA Grace Blackwell GPU上で、160以上の言語にまたがるデータを用いてゼロから学習されたものと説明しています。Artificial Analysisはアクティブ数を520億ではなく490億と記録しています——ある一つの次元における30億の隔たりであり、平均化されるのではなく注記されています。Mistral自身のモデルカードには100万トークンのコンテキストウィンドウと記載されていますが、Artificial Analysisはテストする構成で524,288を読み取り、そのFAQでは520kとしています。これは、ベンダーが宣伝する上限と、実際にサービス提供されるデプロイメントが与えるウィンドウとの違いです。

料金はレートカード上では、入力トークン100万個あたり1.36ドル、キャッシュ済み入力が0.14ドル、出力トークン100万個あたり4.18ドル。ローンチプロモーションでは、同じ3行が取り消し線付きで0.68ドル、0.07ドル、2.09ドルと表示されている。カード上のステータスラベルはパブリックプレビュー、オープン、およびv26.10 — そしてその2番目こそ注意深く読むべきものだ。Mistralは今月末までに重みを公開すると述べており、ローンチ投稿もその約束を2回繰り返している。ただ、ライセンス名は明示していない。Artificial Analysisはこの分野を独自に追跡しており、ライセンス名をnullとして記録し、モデルをisOpenWeights: falseとマークし、プロプライエタリとして分類している。ここでは誰も誰かと矛盾しているわけではない。ベンダー自身のクラスタから提供され、チェックポイントリポジトリもライセンス文も存在しないプレビューは、オープンウェイトのリリースというより呼び出し可能なモデルであり、オープンウェイトという主張はダウンロードリンクではなく、期限が付いた計画である。

Mistral自身のベンチマーク数値は、全体を通じてベンダー報告によるものだが、DeepSWE v1.1で61.7%、SWE-Atlas-QnAで59.4%、Terminal-Bench 4.0で28.3%、総合Coding Agent Indexで49.8%、657の業務ワークフローにわたるAutomationBenchで59.9%、AA-BriefcaseでElo 1,393、視覚的グラウンディングのDense 200で42%、そしてサイバー評価では、Mistralがどのモデルよりも最高だと説明する再現・パッチ適用テストで82%、併せてCybenchの40の競技課題で93%となっている。同社はまた、ブラインドの人間研究を委託して実施し、それを公表した。これは自己実施のベンチマークより強い形態の証拠であり、それでもなお、その公表を同社が管理した研究である。

5.5への引き上げがこの決定について変えたこと

このブログのMistral Large 4対Claude Opus 5のページを読んだなら、ここには新しい点が3つあり、そのうち1つだけが値下げです。

• 能力格差は狭まるどころか、むしろ広がった。Claude Opus 5はIntelligence Indexで50.8を記録し、Claude Opus 5.5は58を記録している。Mistral Large 4 Previewの38.4に対しては、その差は12.4ポイントから19.6ポイントへと広がる。挑戦者が足踏みする一方で、首位に7ポイントを上乗せするバージョンアップは、フロンティア路線をより曖昧な買いではなく、より明確な買いにする。

• 値下げは請求書には届かなかった。Anthropic は入力と出力を20%削減した — $5 / $25 から $4 / $20 へ — しかし Artificial Analysis の1つのインデックスタスクを完了するためのコストは上がった。Claude Opus 5 の $5.86 から Claude Opus 5.5 の $5.98 へ。安くなったトークンは、それをより多く使うモデルによって消費された。これがこのページで最も有用な数字であり、じっくり考える価値がある。定価は請求書への入力であって、その予測ではない。

• 1つの構成が消えた。Opus 5.5では思考モードをオフに切り替えられなくなった。Opus 5を安価な非思考経路のために一部購入したのであれば、このモデルはその経路を代替するものではなく、置き換えの判断はバージョンの入れ替えではなく2モデルでの判断となる。

変わらなかった点：キャッシュの話では、繰り返し使われるコンテキストに関して依然として Anthropic が有利だ——キャッシュ読み取りで100万トークンあたり0.20ドルに対し、Mistral は定価0.14ドル、プロモーション価格0.07ドル。安定したプレフィックスを持つ長文コンテキストのエージェントループでは、請求額を最も大きく動かすのはこの行であり、両方の数値には、先ほどヘッドライン価格が受けたのと同じ精査が必要だ。

ボード上で最も冗長な2つのモデル

Artificial Analysisは各モデルのインデックス実行における出力トークン数を公開しており、ここに挙げた2つのモデルはその両極端に位置しています。Claude Opus 5.5はその実行で2億6000万出力トークンを生成しました。Mistral Large 4 Previewは2億トークンを生成しました。計測されたモデル全体の中央値は8500万です。どちらも同じ質問に答えるために典型的なモデルの2〜3倍を費やしており、そのうえで100万トークンあたり$4と$20を請求しているのはそのうちの一方だけです。

冗長さは欠陥ではないし、品質のシグナルでもない。それは価格に掛かる乗数であり、Opusの値下げが実現してもタスクあたりのコストには届かなかった理由でもある。料金表だけから予算を立てているなら、その乗数も予算に入れよう。出力100万トークンあたり20ドルでは、中央値の3倍を出力するモデルは、中央値並みに振る舞うモデルに対して実効出力単価が100万トークンあたり60ドル近くになる。そして評価スイート全体で2億6000万トークンは、丸め誤差ではない。

スコアボード

• 100万トークンあたりの価格、入力／出力 — Mistral Large 4 は $1.36 / $4.18（定価）、$0.68 / $2.09（プロモーション価格）、対して Claude Opus 5.5 は $4.00 / $20.00

• キャッシュ済み入力 — 定価 $0.14、プロモーション価格 $0.07 対 100万あたり読み取り $0.20、100万あたり書き込み $5.00

• Intelligence Indexタスクあたりのコスト — $1.13 対 $5.98（Artificial Analysis調べ）

• Intelligence Index — 38.4、216中65位 対 58、216中1位、Artificial Analysisによる

• そのインデックス実行での出力トークン — 200M 対 260M、中央値 85M に対して

• コンテキストウィンドウ — Mistral は 1M と公称し、テスト済み構成では 524,288 である一方、Artificial Analysis が Claude Opus 5.5 を読み取ったところでは 1M だが、その発表ページにはどちらの数値も明記されていない

・最大出力 — どちらのベンダーも公表していません

• 実測速度 — Mistral Large 4 Previewでは非公開。これに対し毎秒95.2出力トークンで、Anthropicによれば最大2.5倍に達する$8 / $40のFast modeを備える

• 重みとライセンス — ライセンス名を明かさず10月末までに約束、現在はArtificial Analysisによりプロプライエタリと判定、対クローズド

• 可用性 — MistralのプレビューAPIおよびMistral Studio（Mistral自身の欧州インフラ上で提供）対 AWS、Google Cloud、Azure、OrcaRouterカタログ

Mistral Large 4 が適した選択となるのは、どのような場合か

大量で、仕様が明確で、検証コストが低い仕事には Mistral Large 4 を選べ。分類、抽出、大規模な要約、構造化出力の生成、一次コードレビュー、そして、誤った回答の代償がインシデントではなく再試行で済む社内タスクのロングテール。インデックスタスク1件あたり1.13ドル対5.98ドルなら、月に100万タスクを実行するパイプラインは、安価なモデルを正当化するために微妙な議論を必要としない。必要なのは、安価なモデルが十分に優れていることだ。そして AutomationBench — モデルが通常のビジネスワークフローを完了するよう求められる行 — では、Mistral 自身が報告した59.9%は、Anthropic が同じハーネスで Opus 5.5 について報告した数値と競争力がある。実行もベンダーも異なるので、結果ではなくシグナルとして読むべきだが、これは事業部門が実際にモデルに求める内容に最も近い行だ。

Mistral Large 4は、このペアの中で自己デプロイへの信頼できる道筋を持つ一方の側でもあり、一部の読者にとってはベンチマークの1ポイントよりも価値がある。10月末までの重みの約束は重みではなく、名前のないライセンスはライセンスではない。したがって、これは今日移行する理由ではなく、注目する理由である。しかし、ここにある2つのモデルのうち、データレジデンシーやインシデント中のアクセスの議論が「自分たちで運用する」で終わり得るのはこれだけである。欧州でのトレーニングとサービングの話も、その台帳の同じ側に位置している。

Claude Opus 5.5が最適な選択となる場合

タスクが長く、各ステップが相互に依存し、間違えると高くつく場合は、Claude Opus 5.5 を選びましょう。Terminal-Bench 4.0 はこの比較で最も鮮明な分水嶺です — Anthropic は同じハーネス上で Opus 5.5 について 66.4% を報告しており、Mistral の自社モデルは 28.3% です — そしてターミナル作業はエージェント型コーディングに最も近い公開指標であり、チームがフロンティアモデルを購入する主な理由はまさにそこにあります。19.6 ポイントの Intelligence Index の差と、約 2.4 倍の Terminal-Bench の差を同じように言えば、難易度の高い領域ではこれは僅差の判断ではなく、あなたのワークロードがそこにあるなら、価格の議論でそれを埋めることはできません。さらに 1M コンテキスト、測定された毎秒 95.2 トークン（相手側は非公開の数値）、レイテンシに敏感な経路向けの Fast モード、そしてゼロデータ保持での 3 大クラウド全体での可用性を加えれば、そのプレミアムは実際の運用上の余裕を買うことになります。

実務上の問いは、すべての呼び出しで最高級モデルを必要とするかどうかだ。フロンティアモデルを大量に運用しているチームの多くは、少数のリクエスト——真に多段階の曖昧さを伴うもの——が能力の大半を消費し、残りのリクエストはそうではないことに気づく。それはモデルの選択ではなくルーティングの判断であり、両方を動かすことが実際の答えとなるケースだ。Claude Opus 5.5 は OrcaRouter のカタログに Anthropic の定価、マークアップ 0% で、他の 200 以上のモデルと同じ OpenAI 互換エンドポイント上に掲載されている。つまり両方を試すのに必要なのは 2 つ目のベンダー契約ではなく、1 つのキーだけだ。Mistral Large 4 は現在当社のカタログにはない——Mistral 自身のプレビュー API やいくつかのサードパーティプラットフォーム経由でアクセスする——そしてこれは当社のリストに関する事実として述べているのであり、ソフトローンチの発表ではない。

プレビュー版において、その座を得る価値のある機能はフェイルオーバーだ。ライセンス、重み、提供されるコンテキストがすべて未解決の問題であるモデルへトラフィックの一部を流すということは、有用な障害モードは停止ではなく再ルーティングだということであり、誰かのリーダーボード上ではなく自分のデータ上で、そのモデルの本当の障害モードを学ぶことになる。

それを決める一つの事実

Mistral Large 4 と Claude Opus 5.5 を、名前の付いたハーネス上で同一設定にして直接ベンチマークした人はまだいない。唯一存在するブラインドの人間による評価は Claude Opus 5 に対するものであり、あなたが比較対象として選んでいるバージョンは Claude Opus 5 ではない。したがって、今日下す判断の正直な根拠は、安いモデルのほうが完了タスクあたりのコストが5分の1で、高いモデルのほうが約20インデックスポイント、そして Terminal-Bench でほぼ2.4倍の差だけ先行しているということであり、それは Anthropic がタスクあたりのコストを削ることなく引き下げた定価での話だ。

ワークロード内の失敗した回答のコストが4.6回の再試行未満なら、Mistral Large 4を購入してください。それより高くつくなら、Claude Opus 5.5を購入してください — そして、自分のトラフィックについてその問いにまだ答えられないなら、両方を1つのエンドポイントで実行し、1か月分の実際のリクエストにその答えを出してもらいましょう。