Mistral Large 4 vs DeepSeek V4 Pro: Tweelingarchitecturen, tegengestelde weddenschappen

De twee modellen in deze vergelijking zijn op papier vrijwel identiek en kunnen in de praktijk niet meer van elkaar verschillen. Mistral Large 4 is een sparse mixture-of-experts met 1,05 biljoen parameters en 49 miljard actieve parameters, aangekondigd op 6 oktober 2026. DeepSeek V4 Pro is een sparse mixture-of-experts met 1,6 biljoen parameters en 49 miljard actieve parameters, uitgebracht op 24 april 2026. Hetzelfde activeringsbudget, dezelfde architectuurfamilie, dezelfde claim van frontierprestaties tegen open-weight-economie — en precies één van hen heeft gewichten die je vandaag kunt downloaden.

Die combinatie is niet iets wat dit artikel heeft bedacht. Mistrals eigen launchpost vergelijkt op drie afzonderlijke plekken met naam en toenaam met DeepSeek V4 Pro: agentische coding, kenniswerk met een lange horizon en automatisering van bedrijfsworkflows. Dezelfde vraag aan de andere kant stellen — wat doet DeepSeek V4 Pro al dat Mistral Large 4 belooft — blijkt de snelste manier te zijn om te zien wat de preview daadwerkelijk toevoegt.

De specificatie, naast elkaar

Op 6 oktober gelezen: de cijfers van Mistral uit zijn eigen aankondiging en modelkaart, die van DeepSeek uit zijn live catalogusvermelding:

• Totale vs. actieve parameters — 1,05T totaal / 49B actief vs. 1,6T totaal / 49B actief

• Modaliteiten — tekst en afbeelding in, tekst uit vs alleen tekst

• Contextvenster — 1M opgegeven door Mistral, 524.288 op de configuratie die Artificial Analysis test, vs 1M geserveerd

• Uitvoerplafond — niet gepubliceerd voor de preview vs 384K tokens

• Prijs per miljoen, invoer / uitvoer — $1,36 / $4,18 lijstprijs, momenteel $0,68 / $2,09 in de aanbieding, vs $0,66 / $1,98

• Gecachte invoer per miljoen — $0,14, momenteel $0,07, vs $0,022

• Gewichten — beloofd eind oktober, licentie niet genoemd vs. nu beschikbaar

• Trainingsinfrastructuur — 3.800 NVIDIA Grace Blackwell-GPU's in Mistral's eigen Europese datacenters versus DeepSeek's eigen cluster

De symmetrie van het 49B-activatiegetal is de kop en ook de valkuil. Actieve parameters bepalen wat het genereren van een token kost; totale parameters bepalen wat het model weet. DeepSeek's 1,6T tegenover Mistral's 1,05T betekent dat DeepSeek over ruwweg 50% meer capaciteit per berekend token beschikt — een echt voordeel bij kennisintensief werk en helemaal geen voordeel bij taken waar het knelpunt instructieopvolging of toolgebruik is.

Wat de onafhankelijke index zegt

Beide modellen hebben pagina's op Artificial Analysis, waardoor dit een van de weinige vergelijkingen in de serie is waarbij beide partijen op dezelfde testomgeving worden gemeten. Intelligence Index v4.3, afgelezen op 6 oktober:

• Intelligentie-index 38,4 voor Mistral Large 4 Preview vs. 36,0 voor DeepSeek V4 Pro 081

• Kosten per indextaak — $1,13 vs $0,67

• Terminal-Bench 4.0 — 26,8% vs 14,1%

• Humanity's Last Exam — 35,0% versus 41,0%

• AutomationBench, zakelijke workflows — 59,9% vs 56,7%

• τ²-Bench, agentisch toolgebruik — niet gepubliceerd voor de preview vs 96,2%

• SciCode — 54,2% vs 51,0%

Dit is een veel spannendere strijd dan de prijskaartjes suggereren, en de meningsverschillen zijn informatief in plaats van ruis. Mistral Large 4 wint de rij voor agentisch coderen met bijna dertien punten en de rij voor workflowautomatisering op het nippertje, terwijl DeepSeek V4 Pro open kennis met zes punten wint en 40% minder per taak kost. Merk ook op dat de index de kosten uitspreidt over cache-leesbewerkingen, cache-schrijfbewerkingen, redeneertokens en antwoordtokens — Mistrals cache krijgt 90% korting, terwijl die van DeepSeek 97% korting krijgt, waardoor twee modellen met vergelijkbare gepubliceerde tarieven uitkomen op $1,13 en $0,67 per voltooide taak.

Waar DeepSeek V4 Pro al heeft gewonnen

Het beslissende verschil is geen benchmark. Het is dat DeepSeek V4 Pro vandaag open-weight is en Mistral Large 4 een preview die vanaf het eigen cluster van de maker wordt geserveerd. Mistral zegt dat de gewichten eind oktober vrijkomen — een toezegging, geen artefact. De Hugging Face-organisatie, op 6 oktober gecontroleerd, bevat niets dat nieuwer is dan juli. Totdat er een repository met een licentiebestand verschijnt, komt het zelfimplementatie-argument dat Mistral aanvoert, toe aan DeepSeek.

Het tweede verschil is de breedte van de beschikbaarheid. DeepSeek V4 Pro is sinds april routeerbaar en is met grote afstand het meest gebruikte model in onze eigen catalogus — 1,13 miljard tokens in de afgelopen zeven dagen op het moment van schrijven, tegenover de tientallen miljoenen die een typisch frontiermodel verwerkt. Dat volume is voor een koper van belang op een manier waarop een ranglijst dat niet is: het betekent dat de faalmodi bekend zijn, dat de doorvoerkenmerken bekend zijn, en dat de aanbieders die het leveren onder stress zijn getest door het productieverkeer van anderen.

DeepSeek wint ook op de saaie mechaniek. Een outputplafond van 384K tegenover een niet-gepubliceerd plafond, 1M context die daadwerkelijk wordt geleverd in plaats van alleen opgegeven, en een alleen-tekst-scope die de doorvoer bij lange context voorspelbaar maakt. Als je werklast documentanalyse, het genereren van lange teksten of kennisintensieve extractie over meer dan een miljoen tokens is, is DeepSeek V4 Pro goedkoper, opener en beter bewezen dan de Mistral-preview op elk vlak.

Waar Mistral Large 4 de betere keuze is

Mistral koos zorgvuldig de rijen die het benchmarkt, en de programmeerkloof is niet cosmetisch. 26,8% tegenover 14,1% op Terminal-Bench 4.0 is ongeveer het dubbele, en dat komt overeen met de claim van Mistral van 61,7% op DeepSWE v1.1 en 59,4% op SWE-Atlas-QnA — cijfers waarvan het zegt dat Artificial Analysis ze privé heeft geëvalueerd vóór de publieke lancering van de harness, waardoor ze nog niet op de openbare index staan. Wanneer die verschijnen, of niet, zal dat de programmeervraag beslechten.

Multimodaliteit is de tweede duidelijke scheiding. Mistral Large 4 verwerkt afbeeldingen native, met een toegewijde 1,6B vision-encoder, en Mistral beweert state-of-the-art visuele grounding te hebben onder open modellen — met een score van 42% tegenover de 41% van GPT-6 Astra op Dense 200. DeepSeek V4 Pro is text-only en zijn cataloguskaart zegt dat ronduit. Elke pipeline met screenshots, technische tekeningen, gescande documenten of het lezen van grafieken heeft hier één kandidaat, niet twee.

En dan is er cyber, waar de claim van Mistral scherper is dan alles wat DeepSeek heeft gepubliceerd: 82% op de Artificial Analysis Cyber Index-test, waarin een model een echte kwetsbaarheid moet reproduceren en patchen, naar verluidt de hoogste score van alle modellen, en 93% op de competitieoefeningen van Cybench. Dat zijn door de leverancier aangehaalde cijfers en ze moeten als zodanig worden gelabeld — maar ze staan op een onafhankelijke index, en er is geen vergelijkbaar DeepSeek-resultaat gepubliceerd. Voor beveiligingswerk is de eerlijke positie dat Mistral Large 4 een voorsprong claimt waarvan niet is aangetoond dat die onjuist is.

Het laatste onderscheidende punt betreft jurisdictie. Mistral heeft het model getraind op 3.800 Grace Blackwell-GPU's in zijn eigen Europese datacenters en serveert de preview daar, met een Europese deployment die end-to-end onder Europese wetgeving wordt beheerd. Voor een Europese koper in een gereguleerde sector wiens alternatief een Chinees open-weightmodel of een Amerikaans gesloten model is, is dat een categorie op zich.

De prijsstelling, goed gelezen

De stickerprijs van geen van beide modellen vertelt het hele verhaal. De catalogusvermelding van DeepSeek V4 Pro bevat twee tijdsvensters — 01:00–04:00 en 06:00–10:00 UTC — waarin het vermelde tarief wordt vermenigvuldigd, dus een workload die in die uren valt, kost het dubbele van het hoofdtarief. De $0,68 / $2,09 van Mistral Large 4 is een introductiepromotie tegenover een tariefkaart van $1,36 / $4,18; de promotie is de prijs van vandaag en de tariefkaart is de prijs waarop u uw factuur moet baseren.

Waar OrcaRouter dit opheldert, is de pass-through: 0% opslag op de lijstprijzen van providers, wat betekent dat een prijsverlaging van een aanbieder dezelfde dag jouw prijsverlaging is en een promotietarief van een aanbieder wordt doorgegeven in plaats van geabsorbeerd. DeepSeek V4 Pro is vandaag routeerbaar achter één OpenAI-compatibel endpoint tegen het providertarief, in dezelfde inloggegevens als 200-plus andere modellen, met automatische failover tussen providers wanneer er één verslechtert. Mistral Large 4 staat niet in onze catalogus — de preview is te bereiken via Mistral's eigen API en verschillende platforms van derden — dus als je vandaag beide kanten van deze vergelijking tegelijk wilt draaien, betekent dat één route via ons en één direct.

Welke moet je kiezen?

Als je gewichten nodig hebt die je in handen kunt houden, 384K outputs, een miljoen tokens aan geserveerde context, de laagste kosten per voltooide taak van de twee en een model waarvan anderen het gedrag al in productie hebben gebroken, dan is DeepSeek V4 Pro geen compromis — het is het eindproduct tegenover een trailer. Het is de juiste standaardkeuze voor document-, kennis- en langvormig werk, en de open gewichten betekenen dat het plafond voor wat je ermee kunt doen je eigen infrastructuur is in plaats van de roadmap van een leverancier.

Als je workload agentic coding is, als er afbeeldingen bij betrokken zijn, als er beveiligingswerk bij komt kijken, of als Europese jurisdictie een vereiste is in plaats van een voorkeur, dan is Mistral Large 4 het model dat het previewrisico waard is — en het risico is begrensd, omdat Mistral zich heeft vastgelegd op de gewichten en op een red-teamingvenster met een aangegeven einde. Zet nu een deel van het verkeer erop, houd DeepSeek V4 Pro op de rest, en laat de twee de architectuurvraag op jouw data beslechten. Het activatiebudget van 49B zal er vanaf beide kanten hetzelfde uitzien; wat verschilt, is alles eromheen.