Mistral Large 4 vs GPT-6.1 Sol: De een kun je downloaden, de ander alleen huren

Bij bijna elke vergelijking van Mistral Large 4 en GPT-6.1 Sol op het open web worden getallen geciteerd die op 27 oktober niet meer bestonden. De pagina's zeggen 38 en 52. Artificial Analysis heeft zijn Intelligence Index die dag omgebouwd naar de v5-reeks, de modellen opnieuw uitgevoerd en publiceert nu 26 voor Mistral Large 4 tegenover 55 voor GPT-6.1 Sol. Dat is geen verandering in een van beide modellen — het is een ander meetinstrument, met negen evaluaties in plaats van de oude set en een veel moeilijkere mix — maar het betekent wel dat de kloof waarover je mogelijk hebt gelezen, veertien punten, nu op papier negenentwintig is en niet vergelijkbaar met iets van vóór de ombouw. Vergelijkingen tussen verschillende indexruns zijn de meest voorkomende fout in deze niche, en het is de moeite waard om het huidige paar correct te hebben voordat je over iets anders discussieert.

Wat deze vergelijking interessanter maakt dan een scoreverschil, is dat de twee producten deze ochtend opgehoord hebben hetzelfde soort ding te zijn. GPT-6.1 Sol is een gehuurd model sinds OpenAI het op 29 september 2026 uitbracht voor $2,00 en $10,00 per miljoen tokens; je roept het aan, je kunt het niet houden. Mistral Large 4, op 6 oktober 2026 in preview, publiceerde zijn gewichten op 29 oktober 2026 om 14:51 UTC — 1.060,6 GB in FP8 en 610,1 GB in NVFP4, vrij te downloaden, onder een gewijzigde MIT-licentie. Een van deze modellen heeft een meter die nooit stopt. De meter van het andere eindigt op de dag dat je de hardware koopt. Dat is de beslissing, en de benchmarktabel volgt daaruit.

Twee producten, twee data, één ervan voltooid

De asymmetrie is geen detailkritiek op maturiteit — ze verandert welke vragen de moeite waard zijn om te stellen. GPT-6.1 Sol is een uitgebracht, gedocumenteerd, onafhankelijk gemeten model met tien API-providers die daarbij worden vermeld. Zijn tariefkaart ligt vast, zijn context van 1M is gedocumenteerd, en zijn positie in OpenAI's line-up staat onder het Astra-vlaggenschip而非 aan de top. Mistral Large 4 was drieëntwintig dagen lang een API-preview, en vandaag werd het een bestand. Zijn tariefkaart voor gehoste versies ligt vast op $0,70 invoer en $2,10 uitvoer per miljoen tokens, en zijn toekomst ligt nu deels in de handen van wie het ook runt, niet in Mistral's roadmap.

De zes regels die ertoe doen

Dezelfde dimensies op beide zijden, huidig instrument, gelezen van de twee modelpagina's van Artificial Analysis en de eigen documentatie van de leveranciers op 29 oktober 2026:

• Intelligence Index — GPT-6.1 Sol 55 (v5-serie, zevende van 54 in zijn vergelijkingsklasse); Mistral Large 4 26 (achtste van 19 in een andere klasse — de twee rangen liggen niet op dezelfde schaal).

• Kosten per Index-taak — GPT-6.1 Sol $1,27; Mistral Large 4 $2,06.

• Tokenprijs — GPT-6.1 Sol $2,00 invoer / $10,00 uitvoer per miljoen, met een tarief van $4,00 / $15,00 boven 272.000 invoertokens; Mistral Large 4 $0,70 invoer / $0,07 uit cache / $2,10 uitvoer.

• Uitvoersnelheid — GPT-6.1 Sol 79,1 tokens per seconde; Mistral Large 4 161,3.

• Context — 1M tokens voor beide, gedocumenteerd voor beide.

• Implementatie — GPT-6.1 Sol: alleen gehost, geen gewichten tegen welke prijs dan ook. Mistral Large 4: gehost of zelf-gehost, 610,1 GB in NVFP4, acht GPUs van Blackwell-klasse in het gepubliceerde vLLM-recept.

De Index is een gemiddelde, en gemiddelden verbergen de vorm van een kloof. Op de afzonderlijke rijen van Artificial Analysis is de verdeling eerder ongelijk dan uniform slecht: HLE-Diamond 17% tegen 59%, Terminal-Bench-Science 0,1 bij 4% tegen 58%, FrontierCode 2.0 bij 15% tegen 41%, Terminal-Bench 4.0 bij 25% tegen 56%, en GDPpdf bij 18% tegen 31%. Mistral Large 4 staat niet op elke taak 29 punten achter; het staat veel achter op de evaluaties die aanhoudend redeneren in meerdere stappen belonen, en ongeveer gelijk op korter werk in één doorgang. Als je werklast op de tweede soort lijkt, is het gemiddelde het verkeerde getal om een aankoop op te baseren. Als die op de eerste soort lijkt, maakt geen enkele korting dat goed.

Waarom de cijfers verschoven, en waarom dat geen schandaal is

De v5-herbouw heeft het volledige veld opnieuw laten draaien op een nieuwe evaluatieset, en ongeveer 60% daarvan is privé — vragen die vóór de herbouw niet openbaar beschikbaar waren. De modellen bewogen niet allemaal in dezelfde richting: sommige daalden sterk, andere stegen. Mistral Large 4 dat van 38 naar 26 daalt en GPT-6.1 Sol dat van 52 naar 55 stijgt, zijn twee aflezingen van dezelfde gebeurtenis, en geen van beide betekent dat een leverancier een slecht kwartaal heeft. De regel die daaruit volgt is eenvoudig en gemakkelijk onbedoeld te overtreden: trek nooit een score uit de ene indexrun af van een score uit een andere indexrun, en citeer nooit een kloof waarvan de twee helften een week na elkaar zijn gemeten. De kloof die vandaag bestaat, is negenentwintig punten op één meetinstrument.

Negenentwintig punten is veel, en het is ook niet het hele verhaal. Een Index van 26 beschrijft een model dat competent is in algemene taken en onopvallend aan de zware kant; een Index van 55 beschrijft een van de sterkste beschikbare modellen. Als je workload agentisch programmeren over een grote repository is, is de beslissing al genomen en geen prijsargument verandert dat. De rest van dit stuk gaat over de workloads waar de beslissing nog niet genomen is.

De terugdraaiing heeft de rebase overleefd.

De enige bevinding uit de previewperiode van oktober die onder het nieuwe instrument standhield, is de inversie van prijs per taak, en die hield stand met nieuwe cijfers. Mistral Large 4 rekent ongeveer een derde van het inputtarief van GPT-6.1 Sol en een vijfde van zijn outputtarief, en kost nog steeds 62% meer om dezelfde evaluatietaak te voltooien — $2,06 tegen $1,27. Dat is geen prijstruc. De rekening van een reasoning-model wordt vooral bepaald door hoeveel tokens het genereert, en Mistral Large 4 genereert er heel veel: Artificial Analysis registreert 110 miljoen outputtokens in zijn uitvoerigheidssample, tegen een mediaan van 100 miljoen, terwijl GPT-6.1 Sol op 64 miljoen zit, onder de mediaan. Goedkopere tokens maal meer tokens is geen besparing, en de factuur zal dat zeggen.

De praktische consequentie is nauwer dan "het goedkope model is in werkelijkheid duur". Voor werk met korte output — classificatie, extractie, routering, alles wat na tweehonderd tokens eindigt en nooit in een redeneerloop terechtkomt — is de tokenprijs de rekening, en $0,70 tegenover $2,00 is het hele argument. De inversie slaat toe bij redeneren over een lange horizon, en precies daar zit ook het gat van negenentwintig punten. Twee verschillende metingen die dezelfde richting wijzen, zijn een reden om de richting te vertrouwen, geen reden om ze naar elke workload te generaliseren.

Snelheid gaat de andere kant op, en geduld ook.

Mistral Large 4 is meer dan twee keer zo snel in output: 161,3 tokens per seconde tegenover 79,1. Het levert ook een eerste token in 1,42 seconden, iets beter dan de mediaan van 1,68 seconden voor zijn vergelijkingsset. De gepubliceerde waarde van GPT-6.1 Sol voor de tijd tot het eerste antwoordtoken is 249,48 seconden, tegenover een mediaan van 3,53 seconden, wat een getal is dat uitleg nodig heeft en niet gewoon geciteerd moet worden.

Die 249 seconden zijn vrijwel zeker geen latency in de netwerkzin. Het is de tijd die het model doorbrengt met redeneren voordat het het eerste antwoordtoken uitzendt, gemeten bij maximale redeneerintensiteit, en het is de eerlijke manier om te tonen wat een groot redeneerbudget een wachtende gebruiker kost. Onze eigen routeringsdata maakt het onderscheid concreet: over 584,7 miljoen GPT-6.1 Sol-tokens die in de zeven dagen tot 29 oktober via OrcaRouter werden verwerkt, was de p50-tijd tot het eerste gestreamde token 1,36 seconden, terwijl de p95 op 10 seconden lag. Het eerste token komt snel; het is het eerste antwoord dat minuten kost, en de flags in de API bepalen welke van de twee uw gebruiker meemaakt. Als uw applicatie redeneertokens streamt, is de wachttijd gevuld en draaglijk. Als dat niet het geval is — als een gebruiker naar een spinner staart tot het eerste antwoord binnenkomt — dan is een eerste token na vier minuten een productbeperking waarvoor geen enkele benchmarkscore compenseert, en een model dat in 1,4 seconden antwoordt, zal beter aanvoelen dan een dat negenentwintig Index-punten sterker is. Dit is de as waarlangs het goedkopere, lager scorende model in echte implementaties meestal wint, en die komt in geen enkele vergelijkingstabel voor.

Wat er vanochtend veranderd is: {{1}}de meter eindigt{{/1}}

Tot vandaag was het self-hostingargument voor Mistral Large 4 een belofte, en beloftes overleven geen inkoopbeoordeling. Nu is het een repository. Twee checkpoints, één licentiebestand en een door de leverancier gepubliceerd servingrecept: vLLM met tensorparallelisme 8 en een FP8-MLA-KV-cache, SGLang met tp-size 4, beide met een ingebouwde DSpark-draft-head voor speculatieve decoding in plaats van een tweede model.

Wat dat oplevert, is geen goedkopere token — het is het einde van de token als eenheid van kosten. Op eigen hardware wordt de rekening afschrijving, stroom, rackruimte en de engineer die het cluster beheert, en een workload die op hoog, gelijkmatig volume draait, gaat van een variabele kostenpost naar een vaste. Dat is het argument voor een Europese bank met een dataresidentie-regel, een defensiecontractant wiens inkoop buitenlandse inferentie verbiedt, of een fabrikant die een model vijf jaar in een productlijn inbouwt. Het is geen argument voor een startup met piekbelasting en geen operations-team: 610 GB aan weights, acht Blackwell-GPU's en een 1M-token-KV-cache is een kapitaalproject, en het gehoste tarief van $0.70 is heel lang goedkoper dan het kapitaal.

De licentie is het deel dat mensen overslaan. Het is een aangepaste MIT met één clausule die ertoe doet: de gewichten aanbieden als model-as-a-service-aanbod vereist een aparte commerciële licentie van Mistral. Lees de definitie echter zorgvuldig — ze sluit ingebedde producten voor eindgebruikers uit en "louter doorgeven van verzoeken aan modellen die door anderen worden gehost", dus een gateway die verkeer doorstuurt naar door Mistral gehoste inferentie valt erbuiten, terwijl een bedrijf dat zijn eigen inferentieboerderij opzet en toegang doorverkoopt er niet buiten valt. Als je plan is "het te downloaden en een provider te worden", lees de clausule dan voordat je de hardware-offerte opvraagt.

Waar elk ervan eigenlijk het juiste antwoord is

• Agentisch coderen, langdurig toolgebruik, werken in grote repositories — GPT-6.1 Sol. De Index-gap is precies hier het grootst en de prijspremie is de prijs van gelijk hebben.

• Extractie en classificatie met hoge volumes en korte output — Mistral Large 4 bij $0.70 input. Het reasoning-plafond wordt nooit geactiveerd, dus de Index-kloof geldt nooit.

• Gereguleerde, aan jurisdictie gebonden implementatie — Mistral Large 4, en niet omdat het beter is. GPT-6.1 Sol kan voor geen enkele prijs zelf worden gehost, wat de vergelijking beëindigt.

• Interactieve assistenten waarbij het eerste token het product is — Mistral Large 4 op snelheid, tenzij je redeneringen streamt en het wachten kunt absorberen.

• Defensieve beveiligingstools — Mistral Large 4, op basis van een door de leverancier gemeld weigeringspercentage van 96,6% bij kwaadwillige cyberverzoeken en een cyberbenchmarkset waarrond Mistral zijn lancering heeft opgebouwd. Die cijfers zijn afkomstig van Mistral, niet van een onafhankelijk lab, en moeten als claims worden behandeld tot iemand ze opnieuw uitvoert.

• Alles waarbij het antwoord correct moet zijn en het latentiebudget ruim is — GPT-6.1 Sol. Negenentwintig punten is geen afrondingsfout.

Als je beide gaat uitvoeren

Gemengde omgevingen zijn de normale uitkomst van een vergelijking zoals deze, en de operationele vraag wordt hoe twee heel verschillende modellen achter één factuur zitten. GPT-6.1 Sol staat op OrcaRouter tegen exact de lijstprijs van OpenAI — $2,00 en $10,00 per miljoen tokens, met de staffel boven 272K op $4,00 en $15,00 — gerouteerd met 0% opslag, zodat het tarief dat je ziet het tarief is dat OpenAI berekent. Mistral Large 4 staat niet in onze catalogus: 214 modellen, geen Mistral-endpoint, en als je het wilt aanroepen, ga je naar de eigen API van Mistral of naar je eigen vLLM-deployment. Wat het platform voor de gehoste helft wel biedt, is de routing-DSL — een workload op één model richten en die zonder codewiziging verplaatsen — en automatische failover, waardoor het uitproberen van een nieuw model op een productiepad niet langer een riskante stap is. Sluit het zelfgehoste endpoint volgens hetzelfde patroon aan, en de twee helften van deze vergelijking zijn niet langer een beslissing die je maar één keer hoeft te nemen.

Twee vragen, niet één.

De vergelijkingspagina's zullen je vertellen dat GPT-6.1 Sol wint, en op het enige onafhankelijke instrument dat beide modellen delen, doet het dat ook — 55 tegen 26, tegen 62% minder per voltooide taak en iets meer dan de helft van de outputsnelheid. Dat is het juiste antwoord op "welk model is beter", en als dat de enige vraag was, zou de markt dit in september hebben beslist.

De vraag waarmee deze ochtend begon, is een andere: welk model kun je in drie jaar nog steeds draaien, op hardware die je zelf beheert, onder een licentie die je hebt gelezen. Voor heel veel teams blijft het antwoord "geen van beide, we huren" — en dan is GPT-6.1 Sol de betere huur. Voor degenen voor wie eigendom de beperkende factor is en niet capaciteit, is het model dat 26 scoort vandaag opgehoord een compromis te zijn en de enige optie op tafel geworden. Beide antwoorden kunnen juist zijn, en daarom is het interessante werk niet een winnaar kiezen, maar beslissen welke vraag je organisatie eigenlijk stelt.