Mistral Large 4 vs Claude Opus 5.5: Het enige head-to-head-cijfer is tegen de verkeerde versie

De enige blinde rechtstreekse vergelijking die bestaat voor Mistral Large 4 en Claude Opus 5.5 werd gemeten tegen de vorige versie van een van hen. Surge AI verborg de identiteit van de modellen en liet professionele annotatoren codeeroutput beoordelen op een schaal van 1–5; Mistral Large 4 Preview eindigde als tweede van vijf met 3,74, achter Claude Opus 5 met 4,22 en voor Kimi K3 met 3,59 en GLM-5.3 met 3,60. Claude Opus 5.5 werd op 22 september uitgebracht, dus het dichtst in de buurt van een gepubliceerde menselijke vergelijking voor deze combinatie is drie weken ouder dan de huidige release van de tegenstander, en niemand heeft die opnieuw uitgevoerd. Al het overige is vergelijkbaar, en het wijst in één richting: op de Intelligence Index van Artificial Analysis scoort Mistral Large 4 Preview 38,4 en Claude Opus 5.5 scoort 58 — eerste van 216 modellen — terwijl de kosten voor het voltooien van één indextaak $1,13 tegen $5,98 bedragen.

Die twee feiten bepalen de hele vorm van de beslissing. De kloof in capaciteiten is groot en, in deze versie, groter dan hij was. Het kostverschil is iets meer dan een factor vijf, en het bleef gelijk toen Anthropic zijn prijzen verlaagde.

Wat Claude Opus 5.5 is, volgens Anthropic zelf

Claude Opus 5.5 is Anthropics huidige vlaggenschip, uitgebracht op 22 september 2026 en gepositioneerd voor agentisch werk met een lange horizon: sessies met meerdere stappen, intensief toolgebruik en code. Het kost $4 per miljoen inputtokens en $20 per miljoen outputtokens, met het lezen uit cache tegen $0,20 en het schrijven naar cache tegen $5 — volgens Anthropic liggen die prijzen 20% onder Opus 5 voor input en output en 60% eronder voor het lezen uit cache. Er is een snelle modus voor $8 / $40 waarvan het bedrijf zegt dat die tot 2,5x sneller werkt binnen Claude Code en het Claude Platform. Het is beschikbaar op Amazon Web Services, Google Cloud en Microsoft Azure, met de mogelijkheid van zero data retention, en Anthropic zegt dat Claude Sonnet 5.5 en Claude Haiku 5.5 in de komende weken zullen volgen.

Twee details op die pagina wegen zwaarder dan de rest. Het eerste is eerder een migratiebeperking dan een functie: Anthropic stelt dat Claude Opus 5.5 niet langer beschikbaar is met de denkmodus uitgeschakeld. Als je huidige pipeline Opus 5 in niet-denkmodus aanroept voor goedkope, snelle, deterministische beurten, heeft die configuratie geen directe opvolger in dit model. Het tweede is het eigen voorbehoud van Anthropic, afgedrukt naast de scores, dat benchmarkmarges een minder betrouwbare leidraad zijn geworden voor verschillen in de praktijk — wat ongewoon is voor een leverancier om te schrijven naast een tabel waarin hij wint, en het loont om dat letterlijk te nemen wanneer je de onderstaande cijfers leest.

De door de leverancier gerapporteerde cijfers uit de aankondiging van Anthropic zijn Terminal-Bench 4.0 op 66,4%, FrontierCode v1.1 op 54,4%, CursorBench 4.0 op 57,8%, GDPval-AA v2.1 op 1.846 Elo, AutomationBench op 40,0%, Humanity's Last Exam op 67,7% met tools, Terminal-Bench-Science 0.1 op 58,7% en OSWorld 2.1 op 81,8% gedeeltelijk. Allemaal zijn het Anthropics eigen runs, waarbij de scores van de vergelijkingsmodellen van de eigen pagina's van de leveranciers zijn overgenomen, en geen enkele ervan is onafhankelijk gereproduceerd voor deze combinatie of welke andere dan ook.

Wat Mistral Large 4 is, per 13 oktober

Mistral Large 4 is een openbare preview die op 6 oktober 2026 is aangekondigd, revisie v26.10, en het is het grootste model dat Mistral AI heeft uitgebracht. Het bedrijf beschrijft het als een van nature multimodale sparse mixture-of-experts met 1,05 biljoen totale parameters en 52 miljard actieve, plus een vision-encoder met 1,6 miljard parameters, from scratch getraind op 3.800 NVIDIA Grace Blackwell GPU's in Mistrals eigen Europese datacenters, op data die meer dan 160 talen bestrijkt. Artificial Analysis registreert het actieve aantal als 49 miljard in plaats van 52 miljard — een verschil van drie miljard op één dimensie, opgemerkt in plaats van gemiddeld. Mistrals eigen modelkaart vermeldt een contextvenster van 1M tokens; Artificial Analysis leest 524.288 op de configuratie die het test, en de FAQ zegt 520k, wat het verschil is tussen een plafond dat een leverancier adverteert en een venster dat een daadwerkelijk operationele deployment je geeft.

De prijs bedraagt $1.36 per miljoen inputtokens, $0.14 voor gecachte input en $4.18 per miljoen output op de tariefkaart, met een introductieactie waarbij dezelfde drie regels zijn doorgestreept tegen $0.68, $0.07 en $2.09. De statuslabels op de kaart luiden Public Preview, Open en v26.10 — en de tweede daarvan is degene die je zorgvuldig moet lezen. Mistral zegt dat de gewichten tegen het einde van de maand worden vrijgegeven, en het aankondigingsbericht herhaalt die toezegging tweemaal; wat het niet doet, is een licentie noemen. Artificial Analysis volgt het veld onafhankelijk en registreert de licentienaam als null, markeert het model isOpenWeights: false, en classificeert het als propriëtair. Niemand spreekt daar iemand tegen. Een preview die vanaf het eigen cluster van de leverancier wordt geserveerd, zonder checkpoint-repository en zonder licentietekst, is een aanroepbaar model in plaats van een open-weights-release, en de open-weightclaim is een plan met een deadline eraan vast in plaats van een downloadlink.

Mistrals eigen benchmarkcijfers, die allemaal door de leverancier zijn gerapporteerd, zijn 61,7% op DeepSWE v1.1, 59,4% op SWE-Atlas-QnA, 28,3% op Terminal-Bench 4.0 en een gecombineerde Coding Agent Index van 49,8%; 59,9% op AutomationBench over 657 bedrijfsworkflows; 1.393 Elo op AA-Briefcase; 42% op Dense 200 voor visuele grounding; en, op zijn cyberevaluaties, 82% op een reproduce-and-patchtest die Mistral beschrijft als de hoogste van alle modellen, naast 93% op de 40 wedstrijdoefeningen van Cybench. Het bedrijf gaf ook opdracht tot een blinde menselijke studie en publiceerde die, wat een sterkere vorm van bewijs is dan een zelf uitgevoerde benchmark en toch een studie waarvan het de publicatie controleerde.

Wat de 5.5-bump veranderde aan deze beslissing

Als je de pagina Mistral Large 4 versus Claude Opus 5 op deze blog leest, zijn drie dingen hier nieuw, en slechts één daarvan is de prijsverlaging.

• De capaciteitskloof werd groter, niet kleiner. Claude Opus 5 scoorde 50,8 op de Intelligence Index; Claude Opus 5.5 scoort 58. Tegenover de 38,4 van Mistral Large 4 Preview loopt de afstand op van 12,4 punten naar 19,6. Een versiesprong die zeven punten toevoegt aan de top van het klassement terwijl de uitdager stilstaat, maakt het frontier-vak een duidelijkere koop, niet een onduidelijkere.

• De prijsverlaging kwam niet op de factuur terecht. Anthropic verlaagde de input- en outputprijzen met 20% — $5 / $25 naar $4 / $20 — maar de kosten van Artificial Analysis om één indextaak te voltooien gingen omhoog, van $5,86 voor Claude Opus 5 naar $5,98 voor Claude Opus 5.5. De goedkopere tokens werden verbruikt door een model dat er meer van gebruikte. Dat is het nuttigste getal op deze pagina en het is de moeite waard om er even bij stil te staan: lijstprijzen zijn een input voor je factuur, niet een voorspelling ervan.

• Eén configuratie is verdwenen. De denkmodus kan in Opus 5.5 niet meer worden uitgeschakeld. Als u Opus 5 deels kocht voor een goedkope route zonder denkmodus, dan vervangt dit model die route niet, en de vervangingsbeslissing is nu een keuze tussen twee modellen in plaats van een versiewissel.

Wat niet veranderde: het cacheverhaal bevoordeelt Anthropic nog steeds voor herhaalde context — $0,20 per miljoen bij een cache-read tegenover Mistral's lijstprijs van $0,14 en promotieprijs van $0,07. In een long-context-agentloop met een stabiele prefix is dat de regel die de rekening het sterkst beïnvloedt, en beide cijfers verdienen dezelfde kritische blik die de headlineprijzen net kregen.

De twee meest wijdlopige op het bord

Artificial Analysis publiceert een outputtokenaantal voor de indexrun van elk model, en de twee modellen hier vormen de uitersten daarvan. Claude Opus 5.5 genereerde tijdens die run 260 miljoen outputtokens. Mistral Large 4 Preview genereerde er 200 miljoen. De mediaan over de gemeten modellen is 85 miljoen. Allebei verbruiken ze twee tot drie keer zoveel als een typisch model verbruikt om dezelfde vragen te beantwoorden, en slechts één van hen rekent daarbij $4 en $20 per miljoen.

Uitvoerigheid is geen defect, en het is ook geen kwaliteitssignaal. Het is een vermenigvuldiger op een prijs, en het is de reden dat de Opus-prijsverlaging wel is doorgevoerd, maar de kosten per taak niet naar beneden heeft gebracht. Als u alleen op basis van het tariefoverzicht budgetteert, begroot dan ook de vermenigvuldiger: bij $20 per miljoen output heeft een model dat drie keer de mediaan uitstoot een effectief outputtarief dat dichter bij $60 per miljoen ligt dan een model dat zich mediaan gedraagt, en 260 miljoen tokens over een evaluatiesuite is geen afrondingsfout.

Het scorebord

Prijs per miljoen tokens, input / output — Mistral Large 4 $1,36 / $4,18 lijstprijs, $0,68 / $2,09 actieprijs, versus Claude Opus 5.5 $4,00 / $20,00

• Gecachte invoer — $0,14 lijstprijs, $0,07 promotieprijs vs. $0,20 per miljoen keer lezen en $5,00 per miljoen keer schrijven

• Kosten per Intelligence Index-taak — $1,13 vs $5,98, volgens Artificial Analysis

• Intelligence Index — 38,4, 65e van 216 vs 58, 1e van 216, volgens Artificial Analysis

• Uitvoertokens bij die index-run — 200M vs 260M, afgezet tegen een mediaan van 85M

• Contextvenster — 1M opgegeven door Mistral met 524.288 op de geteste configuratie versus 1M volgens de interpretatie van Artificial Analysis van Claude Opus 5.5, waarvan de aankondigingspagina hoe dan ook geen cijfer vermeldt

• Maximale output — door geen van beide leveranciers gepubliceerd

• Gemeten snelheid — niet gepubliceerd voor Mistral Large 4 Preview vs. 95,2 outputtokens per seconde, met een Fast-modus van $8 / $40 waarvan Anthropic zegt dat die tot 2,5x reikt

• Gewichten en licentie — beloofd tegen eind oktober, waarbij de licentie niet genoemd wordt, momenteel door Artificial Analysis als propriëtair aangemerkt, tegenover gesloten

• Beschikbaarheid — Mistral's preview-API en Mistral Studio, aangeboden op Mistral's eigen Europese infrastructuur, tegenover AWS, Google Cloud, Azure en de OrcaRouter-catalogus

Wanneer Mistral Large 4 de juiste keuze is

Kies Mistral Large 4 wanneer het werk grootschalig, goed gespecificeerd en goedkoop te controleren is. Classificatie, extractie, samenvatting op schaal, het genereren van gestructureerde output, een eerste code-review, en de lange staart van interne taken waarbij een fout antwoord een nieuwe poging kost in plaats van een incident. Bij $1,13 per indextaak tegenover $5,98 heeft een pipeline die een miljoen taken per maand draait geen subtiel argument nodig om het goedkope model te rechtvaardigen; hij heeft een goedkoop model nodig dat goed genoeg is, en op AutomationBench — de rij waarin een model wordt gevraagd gewone bedrijfsworkflows af te ronden — is de door Mistral zelf gerapporteerde 59,9% vergelijkbaar met het cijfer dat Anthropic rapporteert voor Opus 5.5 op dezelfde testomgeving. Verschillende runs, verschillende leveranciers, dus lees het als een signaal en niet als een resultaat, maar het is de rij die het dichtst komt bij wat een businessunit een model daadwerkelijk vraagt te doen.

Mistral Large 4 is ook de kant van dit tweetal met een geloofwaardige route naar zelfimplementatie, en dat is voor sommige lezers meer waard dan een benchmarkpunt. Een belofte van gewichten tegen eind oktober is nog geen gewichten, en een niet nader genoemde licentie is geen licentie, dus dit is een reden om het in de gaten te houden in plaats van een reden om vandaag te migreren. Maar van de twee modellen hier is het het enige waarbij een argument over dataresidentie of toegang tijdens een incident kan eindigen in "we draaien het zelf". Het Europese verhaal van training en serving staat aan dezelfde kant van dat grootboek.

Wanneer Claude Opus 5.5 de juiste keuze is

Kies Claude Opus 5.5 wanneer de taak lang is, de stappen van elkaar afhangen en een fout maken duur is. Terminal-Bench 4.0 is de scherpste scheidslijn in deze vergelijking — Anthropic rapporteert 66,4% voor Opus 5.5 tegenover 28,3% voor Mistrals eigen model op dezelfde harness — en terminalwerk is de dichtstbijzijnde publieke proxy voor agentic coding, en dat is grotendeels waarvoor teams een frontier-model kopen. Een verschil van 19,6 punten op de Intelligence Index en een Terminal-Bench-verschil van bijna 2,4x, op dezelfde manier gesteld: dit is geen nipte keuze aan de zware kant, en geen enkel prijsargument dicht die kloof als je workload daar ligt. Voeg daarbij de 1M-context, de gemeten 95,2 tokens per seconde tegenover een ongepubliceerd cijfer aan de andere kant, de Fast-modus voor latentiegevoelige paden, en beschikbaarheid via drie grote clouds met zero data retention, en de meerprijs levert echte operationele speelruimte op.

De praktische vraag is of je bij elke aanroep de volledige premium nodig hebt. De meeste teams die op grote schaal een frontiermodel draaien, merken dat een minderheid van de verzoeken — die met echte meerstapsambiguïteit — het grootste deel van de capaciteit verbruikt, en dat de rest dat niet doet. Dat is een routeringsbeslissing, geen modelbeslissing, en het is het geval waarin beide draaien het werkelijke antwoord is. Claude Opus 5.5 staat in de OrcaRouter-catalogus tegen de lijstprijs van Anthropic met 0% markup op hetzelfde OpenAI-compatibele endpoint als meer dan 200 andere modellen, dus beide uitproberen kost één sleutel in plaats van een tweede leverancierscontract. Mistral Large 4 staat vandaag niet in onze catalogus — het is te bereiken via de preview-API van Mistral zelf en via verschillende platforms van derden — en dat wordt als een feit over onze lijst gepresenteerd, niet als een aankondiging van een soft launch.

Voor een preview is de functie die zijn plek verdient, failover. Een deel van het verkeer naar een model sturen waarvan de licentie, de gewichten en de geserveerde context allemaal nog open vragen zijn, betekent dat de nuttige faalmodus een omleiding is in plaats van een storing, en je leert de echte faalmodi van het model kennen op je eigen data in plaats van op het leaderboard van iemand anders.

Het ene feit dat de doorslag geeft

Niemand heeft Mistral Large 4 en Claude Opus 5.5 rechtstreeks tegen elkaar gebenchmarkt bij gelijke instellingen op een genoemde harness — het enige blinde menselijke cijfer dat bestaat, is afgezet tegen Claude Opus 5, en de versie waartegen je een keuze maakt, is niet Claude Opus 5 — dus de eerlijke basis voor een beslissing vandaag is dat het goedkope model per voltooide taak een vijfde zoveel kost en dat het dure model daar ongeveer twintig indexpunten en een bijna 2,4x Terminal-Bench-kloof op voorligt, tegen een lijstprijs die Anthropic heeft verlaagd zonder de kosten per taak te verlagen.

Als een mislukt antwoord in je workload minder dan 4,6 retries kost, koop Mistral Large 4. Als het meer kost, koop Claude Opus 5.5 — en als je die vraag over je eigen verkeer nog niet kunt beantwoorden, draai beide op één endpoint en laat een maand echte verzoeken het voor je beantwoorden.