Mistral Large 4 vs GPT-6 Sol: Een previewprijs tegenover een uitgebrachte standaard

Op papier is dit geen nek-aan-nekstrijd. Mistral Large 4, het open-weight vlaggenschip van Mistral met 1,05 biljoen parameters, kost $0,68 per miljoen inputtokens en $2,09 per miljoen outputtokens. GPT-6 Sol, de kostenefficiënte high-endcategorie, kost $2,00 en $10,00 — ongeveer drie keer zoveel voor input en bijna vijf keer zoveel voor output, en de prijs gaat naar $4,00 en $15,00 zodra een verzoek de 272.000 tokens overschrijdt. Een maand met 100 miljoen tokens bij een input/output-verdeling van 4:1 kost ongeveer $140 bij Mistral Large 4 en ongeveer $480 bij GPT-6 Sol. Dat is het hele argument, en het is een sterk argument, tot je de tweede regel van de eigen documentatie van Mistral leest: Mistral Large 4 is in openbare preview, en het is het enige van deze twee modellen dat nog in beweging is.

Dat onderscheid is de hele vergelijking. GPT-6 Sol is op 22 september 2026 uitgebracht en is stabiel; zijn gedrag, zijn tariefkaart en zijn onafhankelijke scores staan vast. Mistral Large 4 kwam op 6 oktober 2026 met een preview-API, een beloofde release van de gewichten "tegen het einde van de maand", en een reinforcement-learning-run waarvan Mistral zegt dat die nog gaande is. De versie die je vandaag aanroept, is niet de versie die je in november zult hebben. Dus de interessante vraag is niet "welke beter is" — qua gemeten intelligentie zitten ze nog niet in dezelfde categorie — maar "welke in je stack thuishoort, en onder welke voorwaarden".

Wat elke leverancier daadwerkelijk heeft uitgebracht

Mistral Large 4 is een granulair mixture-of-experts-model met 49 miljard actieve parameters van de in totaal 1,05 biljoen, plus een vision-encoder van 1,6 miljard parameters. Het verwerkt tekst en afbeeldingen, biedt een contextvenster van ongeveer een miljoen tokens en is vanaf nul getraind op 3.800 NVIDIA Grace Blackwell GPU's in Mistral's eigen Europese datacenters. Mistral beschrijft het als zijn grootste en meest capabele model tot nu toe en zegt dat de gewichten — vrijgegeven onder een open licentie — vóór eind oktober 2026 komen, in afwachting van een red-teamingperiode met cybersecuritypartners en staatsautoriteiten. Tot dan is de enige toegangsweg de preview-API.

GPT-6 Sol is het middelste niveau van OpenAI's GPT-6-serie, onder het vlaggenschip GPT-6 Astra en boven het snelle GPT-6 Luna. Het accepteert tekst, afbeeldingen en bestanden, heeft een contextvenster van iets meer dan een miljoen tokens met maximaal 128.000 uitvoertokens, en biedt configureerbare redeneerinspanning, function calling, gestructureerde outputs en seeded sampling. Het is een gesloten, gemodereerde API — het tegenovergestelde van Mistrals propositie, namelijk dat een organisatie uiteindelijk ML4 op haar eigen hardware en volgens haar eigen beleid kan draaien.

• Totaal aantal parameters — Mistral Large 4 1,05T (49B actief) vs GPT-6 Sol niet bekendgemaakt

• Contextvenster — ongeveer 1 miljoen tokens elk, Mistral Large 4 adverteert met 1M, GPT-6 Sol op ~1,05M

• Maximale uitvoer — GPT-6 Sol 128K tokens vs. Mistral Large 4 nog niet gedocumenteerd

• Invoermodaliteit — Mistral Large 4 tekst en afbeelding vs GPT-6 Sol tekst, afbeelding en bestand

• Invoerprijs — Mistral Large 4 $0,68 per 1 miljoen vs GPT-6 Sol $2,00, oplopend naar $4,00 bij meer dan 272 tokens

• Prijs van output — Mistral Large 4 $2,09 per 1 miljoen vs GPT-6 Sol $10,00, oplopend tot $15,00 na overschrijding van dezelfde drempel

• Gecachte invoer — Mistral Large 4 $0,07 per 1M vs GPT-6 Sol $0,20, oplopend tot $0,40

• Gewichten — Mistral Large 4 open licentie, beloofd tegen eind oktober 2026 vs GPT-6 Sol gesloten

• Releasestatus — Mistral Large 4 openbare preview, 6 oktober 2026 vs. GPT-6 Sol algemeen beschikbaar, 22 september 2026

Waar GPT-6 Sol simpelweg vooroploopt

Het lanceringsbericht van Mistral is ongewoon direct hierover, wat iedereen het giswerk bespaart. Op de Artificial Analysis Intelligence Index — de v4.3.2-revisie, tien evaluaties van AA-Briefcase tot CritPt — scoort GPT-6 Sol 47,6 en staat rond de 14e plaats van de 147 modellen op die ranglijst. Mistral Large 4 heeft helemaal geen gepubliceerde Index-score. Wat bestaat, is een gedeeltelijke rij op Artificial Analysis, die het model vermeldt als "Mistral Large 4 Preview" en meldt dat de positie ervan niet openbaar beschikbaar is. Op de afzonderlijke evaluaties die zichtbaar zijn, leidt GPT-6 Sol duidelijk: 47,9 tegen een drempel op Humanity's Last Exam die het haalt, terwijl ML4 niet voorkomt, 83,7 tegen 80,3 op AA-LCR long-context recall, 43,9 tegen 28,3 op Terminal-Bench 4.0.

Die Terminal-Bench-cijfers verdienen een voorbehoud dat de andere kant op snijdt. De 28,3% van Mistral en de 59,4% op SWE-Atlas-QnA komen uit cijfers die Artificial Analysis privé heeft geëvalueerd voorafgaand aan de lancering van een testharnas, en Mistral zegt expliciet dat ze op de Artificial Analysis Coding Agent Index zullen verschijnen wanneer dat testharnas uitkomt. Ze zijn niet door de leverancier verzonnen, maar ze zijn vandaag ook niet door jou te reproduceren. Beschouw ze als veelbelovend en ongeverifieerd.

Waar Mistral wél cijfers publiceert, zijn er verschillende het waard om goed te lezen, want het is het soort bewering dat een leverancier doet wanneer die zelfverzekerd is. Mistral meldt dat ML4 op één test van de Artificial Analysis Cyber Index — het reproduceren van een echte kwetsbaarheid in open-source software en die vervolgens patchen — 82% scoort, het hoogste van alle modellen, en dat het 93% van de 40 uitdagingen in Cybench oplost. Het meldt ook dat toonaangevende gesloten modellen, waaronder Claude Opus 5.5 en GPT-6 Astra, bijna nul scoren op dezelfde reproduceerbaarheidstest omdat ze de taak weigeren. Dat zijn door de leverancier gerapporteerde cijfers die niet onafhankelijk zijn gereproduceerd, maar het onderliggende mechanisme is niet exotisch: een model dat meer weigert, voltooit in de praktijk minder, en Mistral verkoopt dat argument al sinds zijn omslag naar open gewichten.

Wat algemene capaciteiten betreft, is de eerlijke inschatting dat GPT-6 Sol vandaag het betere model is en Mistral Large 4 het goedkopere. Als je workload een simpele vraag-en-antwoord- of codeertaak is zonder voorkeur voor zelfhosting, dan krijg je met de extra vijf dollar per miljoen outputtokens van GPT-6 Sol een model waarvan het gedrag niet onder je voeten verandert.

Het pleidooi voor de preview, die niet alleen om prijs draait

Drie dingen maken van Mistral Large 4 meer dan een kortingsoptie, en geen ervan is het prijskaartje.

Het eerste is soevereiniteit in de letterlijke zin. ML4 is getraind in Europese datacenters op Europese hardware en zal kunnen worden aangeboden in een Europese regio die Mistral end-to-end beheert. Voor een gereguleerde koper is dat geen marketingpraatje; het is een inkoopvereiste waaraan GPT-6 Sol momenteel tegen geen enkele prijs kan voldoen. Mistral haalde €3 miljard op in een Series D, specifiek om dit te financieren — de grootste aandelenronde die een Europese technologieonderneming ooit heeft opgehaald — en dit model is de eerste mijlpaal in dat kader.

Het tweede zijn de gewichten. Wanneer ze beschikbaar komen, kan een organisatie die de GPU's heeft ML4 on-premises draaien zonder dat er een provider aan te pas komt, wat zowel het weigeringsgedrag als het verhaal rond dataresidentie verandert. GPT-6 Sol zal dan nog steeds een API-aanroep zijn. Als jouw roadmap een on-premisefase heeft, is ML4 de enige van de twee die er een heeft.

Het derde is cadans. Mistral zegt dat de RL-run achter deze preview nog niet verzadigd is en dat men "grote en snelle verbeteringen in de komende weken en maanden" verwacht. Wanneer een leverancier een preview uitbrengt en stelt dat de curve nog steeds stijgt, is de prijs die je vandaag wordt genoemd gekoppeld aan de slechtste versie van het model waarvoor je ooit wordt gefactureerd. De prijs van GPT-6 Sol is gekoppeld aan een vaste capaciteit.

Beide draaien zonder op een van beide te wedden

Het lastige van een preview is dat je hem niet kunt vastpinnen. Als je product afhankelijk is van het huidige gedrag van ML4, is een update volgende week een productie-incident. Als het afhankelijk is van GPT-6 Sol, betaal je een vaste meerprijs voor stabiliteit. De verstandigste opzet is meestal beide, achter één endpoint, zodat de beslissing een routeringsregel is en geen architectuur.

Daar is OrcaRouter voor bedoeld. Beide modellen zitten achter één enkele OpenAI-compatibele API met 0% markup, wat hier meer dan gewoonlijk uitmaakt: de previewprijzen van Mistral zijn een introductietarief en zullen veranderen — omhoog wanneer de preview eindigt, mogelijk omlaag wanneer de weights beschikbaar komen en de concurrentie op het open model toeslaat — en omdat de lijstprijzen van providers rechtstreeks worden doorgegeven, is een prijsverlaging van een leverancier dezelfde dag bij ons live in plaats van telkens wanneer iemand een hardgecodeerde tabel bijwerkt. Met de routerings-DSL kun je documentwerk met een lange context naar het model sturen dat voor die vorm het goedkoopst is, en GPT-6 Sol als fallback houden voor alles wat stabiel moet zijn. Automatische failover dekt het scenario dat een preview-API het vaakst uitlokt: dat de endpoint bezet of kortstondig niet beschikbaar is, wat normaal is voor elk model in zijn eerste maand.

Welke moet je kiezen?

Kies GPT-6 Sol als de workload productie is, het gedrag belangrijker is dan de prijs per eenheid, en je het model niet zelf hoeft te draaien. De 47,6 op de Intelligence Index, het uitvoerplafond van 128K en de cache-leesbewerkingen van $0,20 maken het de veiligere standaardkeuze, en de prijsherziening voor long-context bij 272.000 tokens is eenvoudig in te plannen omdat de drempelwaarde gepubliceerd is.

Kies Mistral Large 4 als je iets bouwt waarbij een van drie dingen waar is: je hebt een in Europa geïmplementeerd model nodig, je hebt uiteindelijk open weights nodig, of je zit in de beveiligingsonderzoeksbranche waar een weigering een mislukking is — 82% op de reproduce-and-patch-test tegenover bijna nul voor de gesloten alternatieven is een echte capaciteitskloof, of dat nu door de leverancier wordt gerapporteerd of niet. En accepteer dat je een model midden in ontwikkeling koopt. Reken erop dat het API-oppervlak verandert, en hardcode de previewprijs niet in een prognose voor volgend kwartaal.

Waar je op moet letten voordat je je in welke richting dan ook vastlegt: de daadwerkelijke release van de gewichten eind oktober, het moment waarop de open-weightsclaim ophoudt een belofte te zijn; de eerste gepubliceerde score van de Artificial Analysis Intelligence Index voor ML4, die zal uitmaken of het prijsverschil een koopje of een korting voor minder is; en de Coding Agent Index, waar de niet-openbare Terminal-Bench-cijfers van Mistral ofwel worden bevestigd, ofwel geruisloos niet.