Mistral Large 4 vs Claude Fable 5.1: zeventien indexpunten en een twaalfvoudige outputprijs

De vraag in deze confrontatie veranderde op 29 oktober 2026, en niet omdat Mistral Large 4 slimmer was geworden. Op die middag was het model geen gehuurde preview meer, maar een download van 1,06 TB, wat betekent dat de vergelijking met Claude Fable 5.1 niet langer alleen gaat over welk model beter antwoordt — maar ook over met welke beperking je kunt leven. Claude Fable 5.1 is een model van $10 per miljoen input-tokens dat je via een API kunt aanroepen en dat je nooit kunt bezitten, fine-tunen of op je eigen hardware kunt draaien. Mistral Large 4 is een mixture of experts met een biljoen parameters die je nu kunt bezitten, aanpassen en inzetten binnen je eigen netwerk, onder een licentie die je uitdrukkelijk verbiedt het als dienst door te verkopen. Het ene is een contract. Het andere is een download met een clausule eraan vast.

Qua capaciteit is het geen nek-aan-nekrace, en dat is het waard om te zeggen voordat de prijsdiscussie begint. De v5 Intelligence Index van Artificial Analysis plaatst Claude Fable 5.1 op 43 en Mistral Large 4 op 26. Dat is een verschil van zeventien punten op hetzelfde instrument, en het doorstaat elk redelijk voorbehoud over indexversies, omdat beide cijfers v5-metingen zijn — die van Fable 5.1 van het live leaderboard, die van Large 4 van het cijfer dat Mistral op zijn eigen modelkaart vermeldt. Als de index opnieuw wordt uitgevoerd, verschuiven beide cijfers; de rangorde niet.

Waar de kloof daadwerkelijk zichtbaar wordt

De openbare benchmarks stemmen overeen met de index, wat ongewoon is. Beide reeksen cijfers hieronder zijn door de leverancier uitgevoerd en geen van beide is onafhankelijk gereproduceerd, dus behandel ze als claims van gelijke status, niet als bewijs van verschillende kwaliteit.

• Terminal-Bench 4.0 — Claude Fable 5.1 op 55,8% volgens Anthropic; Mistral Large 4 op 41% volgens Mistral. Beide leveranciers gebruikten hun eigen harness, en het door Anthropic zelf gemelde cijfer is in enkele verslagen als 58,1% opgedoken, dus het exacte decimaal is in beide kolommen onzeker.

• Wetenschap met een lange tijdshorizon — Claude Fable 5.1 op 52,6% bij Terminal-Bench-Science 0.1, Anthropics meest opvallende claim, en een die een tabel van een tweede lab sindsdien voor hetzelfde model veel lager heeft geplaatst. Mistral Large 4 heeft geen vergelijkbare gepubliceerde rij, wat op zichzelf informatief is: het model is gepositioneerd voor codering en beveiliging, niet voor agentische wetenschap op onderzoeksniveau.

• Humanity's Last Exam — 60,9% zonder hulpmiddelen en 65,0% met hulpmiddelen, voor Claude Fable 5.1. Mistral publiceerde 35,0% op dezelfde benchmark voor de oktoberpreview. Dat previewcijfer dateert van vóór drie weken RL en de definitieve checkpoint, dus het onderschat het vrijgegeven model — maar het is het enige cijfer dat een van beide partijen voor HLE heeft genoemd.

• Beveiligingswerk — hier heeft Mistral Large 4 de sterkere claim, met 79% op CyberGym-E2E en 97,1% op zijn B3-agent-beveiligingssuite na RL. De modellen van Anthropic weigeren vaker dit werk dan dat ze erin falen, wat evenzeer een beleidsverschil als een capaciteitsverschil is en niet als een capaciteitskloof mag worden gelezen.

• Tokenefficiëntie — Mistrals eigen formulering is dat het uitgebrachte model per taak 47% minder tokens nodig heeft dan GLM-5.3, bij een gelijke stand van 48% op Artificial Analysis's Coding Agent Index. Dat is een zeldzame rij waarin een leverancier de kostenkant van een benchmark naast de score publiceert, en het is het nuttigste getal in beide kolommen.

Een getal dat op een regressie lijkt, maar het niet is

De voorbeeldversie van Mistral Large 4 scoorde 38,4 op de index van Artificial Analysis. De uitgebrachte versie scoort 26. Een oppervlakkige lezer die die twee cijfers vergelijkt, zal concluderen dat drie weken reinforcement learning het model twaalf punten slechter hebben gemaakt. Dat is niet zo. De 38,4 werd geregistreerd op de v4.3-index; Artificial Analysis heeft de index eind oktober opnieuw opgebouwd, en de v5-herbouw is een strenger meetinstrument over de hele linie — modellen die op v4.3 in de vijftigers zaten, zitten op v5 in de veertigers. De twee getallen meten niet hetzelfde, en ze van elkaar aftrekken is de meest voorkomende fout in de berichtgeving over deze release.

Dezelfde waarschuwing geldt voor het Terminal-Bench-cijfer van 41%. Mistral meldt 28,3% vóór de extra RL en 41% daarna, wat op één harness een echte verbetering op gelijke basis is. Maar 41% is nog steeds een lage absolute score naast de 55,8% van Claude Fable 5.1, en geen enkele manier om de verbetering te framen verandert die rangorde.

De licentieclausule die meer bepaalt dan de leemte

Mistral Large 4 wordt uitgebracht onder de Mistral Ecosystem Open-Weight License, door het bedrijf beschreven als een gewijzigde MIT-tekst. In de praktijk verleent die vier dingen en onthoudt hij één:

• Commercieel gebruik, zonder omzetdrempel — er is geen regel "je moet onder $X miljoen blijven om dit te kunnen gebruiken".

• Fine-tuning en afgeleide modellen, de clausule die day-zero-RL-werk überhaupt mogelijk maakt.

• Interne implementatie en on-premises hosting, het soevereine-AI-verkoopargument waarop Mistral de hele release heeft opgebouwd.

• Inbedding in een product, met uitzonderingsbepalingen voor ingebed gebruik en het louter doorgeven van outputs.

• Niet verleend: hierop een model-as-a-servicebedrijf exploiteren. Als je een API-eindpunt per token wilt opzetten en toegang wilt verkopen, heb je een afzonderlijke commerciële overeenkomst met Mistral nodig.

Claude Fable 5.1 heeft geen gelijkwaardige vraag, omdat het geen gelijkwaardige toekenning heeft. Je krijgt een API, servicevoorwaarden en een snelheidslimiet. Je krijgt geen gewichten, je kunt niet fine-tunen, en je kunt het model voor geen enkele prijs in een air-gapped netwerk onderbrengen. De voorwaarden van Anthropic voegen eigen beperkingen toe die dezelfde richting op werken: op de eigen API van de leverancier moet zero data retention uitdrukkelijk worden goedgekeurd, wordt geforceerd gebruik van tools niet ondersteund, en kan de denkmodus niet worden uitgeschakeld. Hetzelfde model via een provider met een zero-retentionovereenkomst routeren is hoe teams de eerste daarvan omzeilen. Die beperkingen maken voor gereguleerde kopers verschil op een manier waarop een indexkloof van zeventien punten dat niet doet.

De kosten, met het voorbehoud over de uitvoerigheid

Noem eerst de lijstprijzen, omdat actieprijzen verlopen en de lijstprijzen de prijzen zijn die in het contract staan.

Claude Fable 5.1 — $10,00 per miljoen inputtokens, $50,00 per miljoen outputtokens, waarbij het lezen uit de cache is verlaagd naar $0,25 per miljoen. Bij batchprijzen worden beide gehalveerd naar $5 en $25.

• Mistral Large 4 — $1.36 per miljoen input, $4.18 per miljoen output op lijstprijs, momenteel met ongeveer de helft korting naar ongeveer $0.68 en $2.09, zonder gepubliceerde einddatum.

Op de lijstprijs is dat 7,4× op input en 12× op output. Bij de huidige promotie ligt het dichter bij 15× en 24×. Beide zijn groot genoeg dat de prijsvraag zwaarder weegt dan de benchmarkvraag voor iedereen met echt volume, wat de eerlijke reden is dat deze vergelijking überhaupt wordt geschreven.

De kanttekening is breedsprakigheid, en die is reëel. In de Artificial Analysis-indexrun van de preview genereerde Mistral Large 4 ruwweg 200 miljoen outputtokens, tegenover een mediaan op het leaderboard van bijna 85 miljoen. De prijs per token wordt met die factor vermenigvuldigd. Stuur dezelfde 200 miljoen outputtokens door beide modellen en de rekensom is $418 voor Mistral Large 4 tegen het actietarief, tegenover $10.000 voor Claude Fable 5.1 tegen lijstprijs. De veelvoud blijft overeind ondanks de breedsprakigheid — hij krimpt, hij keert niet om — maar wie een per-token-ratio citeert zonder te controleren hoeveel tokens het model daadwerkelijk genereert, citeert maar de helft van een getal. Of het vrijgegeven checkpoint net zo breedsprakig is als de preview, is niet gemeten; de 30% reductie in outputtokens die Mistral claimt dankzij de extra RL is het eigen antwoord van het bedrijf op die vraag.

Waar elk ervan daadwerkelijk kan worden aangeroepen

Dit is het deel van de vergelijking waar de twee modellen niet langer symmetrisch zijn. Claude Fable 5.1 staat in de OrcaRouter-catalogus als anthropic/claude-fable-5.1, met zijn context van 1M tokens, prijsstelling van $10/$50 en het verlaagde tarief voor cache-lezingen doorberekend tegen de leverancierslijstprijs — geen opslag erbovenop, zodat een prijswijziging van de leverancier dezelfde dag doorwerkt. Mistral Large 4 staat niet in die catalogus. Wij bieden het niet aan, en dit artikel is geen route daarnaartoe: het uitgebrachte model staat op Hugging Face en achter de eigen API van de leverancier. Dat gewoon duidelijk zeggen is nuttiger dan iets anders suggereren.

Wat dat in de praktijk betekent, hangt af van aan welke kant van de licentie je staat. Als je een model wilt dat je op je eigen hardware kunt draaien, end-to-end kunt auditen en met een LoRA-adapter kunt aanpassen, is slechts één van deze twee voor jou beschikbaar, en is het verschil van zeventien punten de prijs voor die controle. Als je het sterkste antwoord per aanroep wilt en nooit iets zelf wilt bezitten, is slechts één van deze twee een serieuze optie, en is de twaalfvoudige outputprijs de prijs van die capaciteit. Beide achter één sleutel plaatsen met failover per route geconfigureerd is de operationele versie van dezelfde beslissing: je kunt standaard het dure model gebruiken en terugvallen op een goedkoper model zonder een tweede contract.

Welke te kiezen?

Neem Claude Fable 5.1 als je werk langetermijn-agentische uitvoering is, terminal-intensief programmeren, of redeneren van onderzoekskwaliteit waarbij een fout antwoord meer kost dan een token. Neem de claim van 55,8% op Terminal-Bench met de kanttekening dat die door de leverancier zelf is uitgevoerd, maar neem de rangorde serieus: niets wat Mistral heeft gepubliceerd plaatst Mistral Large 4 in dezelfde band.

Kies Mistral Large 4 als de beperking juridisch of geografisch is, en niet intellectueel. Een Europees bedrijf dat prompts niet over een grens kan versturen, een beveiligingsteam dat het weigeringsbeleid buiten de beslissingslus wil houden, een product dat een model in zijn eigen binary moet meeleveren — geen daarvan wordt opgelost door een betere indexscore, en allemaal worden ze opgelost door 610 GB vrij toegankelijke NVFP4-gewichten en een licentie die interne fine-tuning toestaat.

Kies geen van beide, en routeer tussen beide als het eerlijke antwoord is dat je twee workloads met verschillende beperkingen hebt. Dat is precies het scenario dat het prijsverschil bewust creëert, en het is het scenario waarin de meeste teams terecht zullen komen.

De open vraag

Het getal dat deze vergelijking zou veranderen, staat op de slide van geen van beide leveranciers. Het is een onafhankelijke herrun van de vrijgegeven checkpoint op de v5-index van Artificial Analysis, omdat de 26 momenteel afkomstig is van Mistral, dat een derde partij citeert, en niet van een nieuwe meting van de definitieve gewichten. Als drie weken RL en 30% minder outputtokens dat cijfer wezenlijk veranderen, wordt de kloof kleiner en wordt het prijsargument sterker. Als dat niet zo is, is het uitgebrachte model de preview met betere manieren, en zijn de zeventien punten structureel.

Zolang die run er niet is, is het verdedigbare standpunt het saaie: Claude Fable 5.1 is het betere model, Mistral Large 4 is de betere licentie, en de enige mensen voor wie dit een moeilijke keuze is, zijn degenen die beide nodig hebben.