GPT-6.1 Sol vs Mistral Large 4: Tańszy model za token jest droższym modelem za zadanie

Najciekawsze w zestawieniu GPT-6.1 Sol obok Mistral Large 4 nie polega na tym, który z nich jest mądrzejszy — w jedynym niezależnym pomiarze, jaki oba mają, nie jest nawet blisko. Chodzi o to, że model z niższą ceną katalogową jest tym, który kosztuje więcej, by dokończyć zadanie. Mistral Large 4, udostępniony w wersji zapoznawczej przez Mistral 6 października 2026 r., kosztuje 0,68 USD za milion tokenów wejściowych i 2,09 USD za milion tokenów wyjściowych, dopóki trwa wersja zapoznawcza, w porównaniu z 2,00 USD i 10,00 USD w przypadku GPT-6.1 Sol od czasu, gdy Open​AI udostępnił go 29 września 2026 r. A jednak wyliczenia Artificial Analysis dotyczące kosztu wykonania zadania wyceniają Mistral Large 4 na 1,13 USD za zadanie wobec 0,72 USD w przypadku GPT-6.1 Sol — ponieważ tańsze tokeny to nie cały rachunek i ponieważ modele rozumujące zużywają tokeny w ilościach, których nie wybiera się z cennika.

Wszystko poniżej pochodzi z własnego ogłoszenia i dokumentacji Mistrala, stron modeli i cenników Open​AI, przeprowadzonych przez Artificial Analysis testów dla każdego modelu oraz naszych własnych danych z serwowania, odczytanych 2026-10-12. Gdy liczba pochodzi od samego dostawcy i nikt jej nie powtórzył, zdanie, które ją zawiera, mówi o tym.

Dwie daty, a tylko jedna z nich jest zakończona

Jeszcze przed jakąkolwiek specyfikacją stan obu produktów jest różny, a ta różnica odgrywa w tym porównaniu większą rolę niż jakakolwiek komórka benchmarku.

• GPT-6.1 Sol to model, który został już wydany. Zadebiutował w API Open​AI 29.09.2026 w cenie 2,00 USD / 10,00 USD za milion tokenów, z 0,10 USD za wejście z pamięci podręcznej i 2,50 USD za zapis do pamięci podręcznej, i to on zajmuje domyślne miejsce w API. Jego cennik jest opublikowany, jego okno kontekstowe jest udokumentowane, a niezależne narzędzia pomiarowe już go przetestowały. To, co o nim przeczytasz, możesz wywołać jeszcze dziś po południu.

• Mistral Large 4 jest wersją zapoznawczą. Mistral ogłosił ją 2026-10-06 jako model typu mixture-of-experts o 1,05 biliona parametrów, z 52 miliardami parametrów aktywnych na token, dostępny we własnym API dostawcy w cenie wersji zapoznawczej. Otwarte wagi mają zostać udostępnione przed końcem października, dlatego to wersja zapoznawcza, a nie ukończone wydanie. Nic w kwestii jego przyszłej ceny katalogowej, przyszłego okna kontekstowego ani przyszłej licencji nie zostało przesądzone przez wersję zapoznawczą.

Ta asymetria wyznacza kształt wszystkiego poniżej. Gdy jedna strona porównania to produkt, a druga to zapowiedź z przypisaną datą, większość ciekawych pytań dotyczy terminu, a nie możliwości — a jedno pytanie, które ludzie faktycznie zadają („czy powinienem się przełączyć?”), ma różne odpowiedzi w październiku i listopadzie.

Jedna liczba, co do której obie strony się zgadzają, oraz 14 punktów, które za nią stoją

Artificial Analysis ma niezależny wiersz Intelligence Index dla obu modeli i nie ma w tym żadnej niejednoznaczności:

• Indeks inteligencji — GPT-6.1 Sol 52 przy maksymalnym wysiłku rozumowania; Mistral Large 4 38.

• Koszt uruchomienia Index — GPT-6.1 Sol 0,72 USD za zadanie; Mistral Large 4 1,13 USD za zadanie.

• Szybkość generowania — GPT-6.1 Sol osiąga od 5,4 do 66,8 tokenów na sekundę — Mistral 4 również nie jest szybką stroną tej pary.

Przeczytaj te trzy wiersze razem, a kształt tej wymiany stanie się widoczny. Mistral Large 4 pobiera około jednej trzeciej stawki GPT-6.1 Sol za tokeny wejściowe i jednej piątej jego stawki za tokeny wyjściowe, a mimo to ukończenie tego samego zadania ewaluacyjnego kosztuje go około 57% więcej. To nie sztuczka cenowa ani artefakt pomiarowy; tak dzieje się, gdy model osiąga określony poziom jakości, wydając na to więcej tokenów. O rachunku modelu rozumującego decyduje przede wszystkim liczba tokenów, które zdecyduje się wygenerować, a nie stawka za token z cennika, a 14-punktowa różnica w Indexie to duża ilość dodatkowego myślenia, którą trzeba nadrobić.

Nic z tego nie czyni Mistral Large 4 złym modelem. Indeks 38 to przyzwoity, uniwersalny wynik z pogranicza czołówki, a w przypadku bardzo wielu zadań produkcyjnych dodatkowe 14 punktów nie daje niczego, co można wykorzystać. Chodzi o coś węższego i bardziej praktycznego: nie kupuj tego modelu w przekonaniu, że tańsza karta czyni miesiąc tańszym. Mierz koszt przypadający na ukończoną jednostkę pracy — to liczba, którą faktycznie raportuje Artificial Analysis i którą odzwierciedli Twój rachunek.

Tam, gdzie argumentacja Mistrala jest naprawdę mocna — i nie chodzi o cenę.

Trzy argumenty za Mistral Large 4 przetrwają zetknięcie z numerem Indeksu, a dwa z nich wcale nie dotyczą modelu.

• Europejski trening i suwerenny hosting. Mistral to europejskie laboratorium pionierskie, a ogłoszenie wpisuje się w przekaz o suwerennej chmurze, a nie w przekaz o benchmarkach. Dla europejskiego nabywcy z sektora publicznego, regulowanego banku lub każdego, czyje zasady zamówień wskazują jurysdykcję, jest to wymóg, a nie preferencja — i to jedyna oś, na której GPT-6.1 Sol nie może konkurować za żadną cenę. Jeśli twoim ograniczeniem jest „wagi i serwowanie muszą być europejskie”, porównanie kończy się tutaj, a liczba w Indeksie nie ma znaczenia.

• Otwarte wagi nadchodzą, a samodzielny hosting zmienia rachunek. Mistral zobowiązał się do udostępnienia wag przed końcem października. Model typu mixture-of-experts o rozmiarze 1.05T/52B nie jest modelem, który większość zespołów uruchomi na własnym sprzęcie — 52B aktywnych parametrów to przyjazna połowa tego zdania, bilion parametrów łącznie to nieprzyjazna połowa — ale organizacjom, które już eksploatują infrastrukturę tej klasy albo mają wymóg rezydencji danych, którego nie spełni żadne hostowane API, otwarte wagi zamieniają API rozliczane za użycie w koszt stały. GPT-6.1 Sol nigdy nie będzie możliwy do samodzielnego hostowania.

• Cena w wersji zapoznawczej jest realna, dopóki obowiązuje. Przy $0.68 / $2.09 zniżka w wersji zapoznawczej wynosi około połowy ogłoszonej stawki katalogowej wynoszącej $1.36 / $4.18. Jeśli jakieś obciążenie jest na tyle tanie, że liczba tokenów naprawdę stanowi wiążące ograniczenie — masowa klasyfikacja, ekstrakcja, routing, cokolwiek z krótkimi wyjściami i bez pętli rozumowania — ta cena jest najlepsza na tej stronie, a luka w Index nie dotyczy pracy, która nigdy nie potrzebowała Index o wartości 52. Po prostu zaplanuj przełączenie, gdy zakończy się wersja zapoznawcza, zamiast dać się temu zaskoczyć.

To, co nie jest argumentem, to surowa zdolność na najwyższym poziomie. W przypadku kodowania agentowego i długoterminowego korzystania z narzędzi luka jest widoczna i jest to kierunek, jakiego można oczekiwać od Indeksu: wiersz GPT-6.1 Sol w Artificial Analysis Terminal-Bench 4.0 pokazuje 56,06, a to samo narzędzie umieściło jego poprzednika, GPT-6 Sol, na poziomie 43,94 — około 12-punktowy skok generacyjny w benchmarku, który dotyczy konkretnie kończenia zadań w powłoce.

Numer kontekstu, który nie zgadza się sam ze sobą

To jedyna specyfikacja na tej stronie, której nie możesz przytoczyć z pełnym przekonaniem, i warto to wyraźnie zaznaczyć, zamiast łagodzić.

Własna dokumentacja Mistrala dla Mistral Large 4 opisuje okno kontekstu wynoszące do 1 miliona tokenów. Niezależny zapis dla tego modelu w Artificial Analysis podaje 524 000. Te dwie liczby nie różnią się zaokrągleniem; różnią się dwukrotnie i wskazują na różne rzeczy. Najbardziej prawdopodobne wyjaśnienie jest takie, że jedna opisuje górny limit architektury, a druga to, co jest faktycznie udostępniane podczas podglądu — rozróżnienie, które ma ogromne znaczenie, jeśli planujesz wczytać duże repozytorium w jednym wywołaniu. Nie widzieliśmy, aby dostawca uzgodnił którąkolwiek z tych liczb, a dopóki tego nie zrobi, traktuj mniejszą liczbę jako tę, na której możesz się opierać.

Dla kontrastu, żaden z głównych limitów GPT-6.1 Sol nie ma tego problemu. Jego okno kontekstowe wynosi 1 050 000 tokenów, maksymalna długość odpowiedzi to 128 000 tokenów, a data odcięcia wiedzy to 2026-04-30 — wszystko to udokumentowano na stronie modelu dostawcy i jest spójne z tym, co jest udostępniane przez API.

Ile kosztuje tysiąc zadań agentowych na każdym

Weź obciążenie typowe dla obu modeli: jedno wywołanie obejmujące 40 000 tokenów wejściowych i generujące odpowiedź o długości 2000 tokenów, powtórzone tysiąc razy. Aby zachować porównywalność obu cenników, załóż, że dane wejściowe są za każdym razem przesyłane od nowa, a nie obsługiwane z pamięci podręcznej.

• Na GPT-6.1 Sol — 40 000 tokenów wejściowych po 2,00 USD za milion to 0,080 USD, a 2000 tokenów wyjściowych po 10,00 USD za milion to 0,020 USD. To daje $0.100 za wywołanie, czyli około $100 za tysiąc.

• W przypadku Mistral Large 4 według stawek dla wersji zapoznawczej — 40 000 tokenów wejściowych po 0,68 USD za milion to 0,027 USD, a 2 000 tokenów wyjściowych po 2,09 USD za milion to 0,004 USD. To daje 0,031 USD za wywołanie, czyli około 31 USD za tysiąc wywołań.

Więc różnica w cenie jest realna i wynosi mniej więcej trzy do jednego w przypadku, gdy wyjście jest krótkie — z jednym uczciwym zastrzeżeniem, które działa w przeciwnym kierunku. GPT-6.1 Sol pobiera 0,10 USD za milion za prefiks z pamięci podręcznej, a dokumentacja podglądu Mistrala nie ustala równoważnego rabatu. Uruchom tę samą pętlę z 40 000 tokenów obsługiwanych z pamięci podręcznej, a strona GPT-6.1 Sol spada do około 0,024 USD za wywołanie, co jest poniżej wartości po stronie Mistrala. Cenniki rozstrzygają to porównanie tylko wtedy, gdy wiesz, czy dane wejściowe się powtarzają. Teraz zmień drugi parametr i obserwuj, jak otwiera się druga różnica: uruchom tę samą pętlę na końcu o dużym udziale rozumowania, gdzie Mistral Large 4 wykonuje zużycie tokenów, jakie implikuje jego Index of 38, a wartość 1,13 USD na zadanie w porównywalnej ewaluacji mówi, że strona Mistrala na fakturze rośnie szybciej, niż sugeruje cennik. Uczciwe podsumowanie jest takie, że Mistral Large 4 wygrywa arytmetykę w pracy z krótkim wyjściem przy stawkach za świeże dane wejściowe, a przegrywa ją w pracy z pamięcią podręczną oraz w długoterminowej pracy agentowej; to, który wariant uruchamiasz, jest kwestią twojego obciążenia, a nie modeli.

Obie te rzeczy to dokładnie ten rodzaj porównania, do którego służy router. GPT-6.1 Sol jest w naszym katalogu w cenach katalogowych Open​AI, z 0% narzutu — to, co publikuje Open​AI, jest tym, co płaci wywołujący, a gdy dostawca zmienia cenę, odpowiedni wiersz w katalogu zmienia się wraz z nią, zamiast czekać, aż zauważy to reseller. Oznacza to, że powyższą arytmetykę na token można sprawdzić w aktualnym wierszu katalogu, a nie na tej stronie. Mistral Large 4 nie jest czymś, co obsługujemy, więc jeśli go chcesz, znajdziesz go we własnym API dostawcy oraz na kilku platformach zewnętrznych.

Co robić w poniedziałek

Nie ma takiej wersji tego scenariusza, w której oba modele byłyby dziś dla siebie zamiennikami w tym samym zadaniu, a powodem tego jest timing, a nie jakość.

Jeśli w tym tygodniu potrzebujesz modelu kodowania agentowego klasy frontier — długie pętle narzędziowe, kontekst w skali repozytorium, obsługa komputera, praca zawodowa oparta w dużej mierze na dokumentach — odpowiedzią jest GPT-6.1 Sol; to jedyny z dwóch, który jest gotowym produktem, a jego cena jest publikowana i stabilna. Uwzględnij w budżecie to, że pieniądze idą na licznik jego wyjścia, i utrzymuj zbiór roboczy poniżej progu 272 000 tokenów, powyżej którego całe żądanie jest ponownie wyceniane.

Jeśli jesteś w Europie i Twoje wymagania wskazują konkretną jurysdykcję, albo jeśli zamierzasz hostować rozwiązanie samodzielnie, ponieważ żadne API nie spełnia Twoich zasad dotyczących danych, Mistral Large 4 jest tutaj jedynym kandydatem niezależnie od wyników — ale ta jego część, na którą czekasz, czyli wagi, jeszcze nie istnieje, a rozmiar kontekstu, wokół którego planowałbyś swoją infrastrukturę, jest obecnie kwestionowany o czynnik dwa. Wypatruj wydania wag i tego, czy dostawca uzgodni 1M z 524,000, zanim zdecydujesz się na jego wdrożenie.

A jeśli tak naprawdę chcesz używać obu — Mistral Large 4 w taniej warstwie o dużym wolumenie, a GPT-6.1 Sol do trudnych przypadków — to praktycznym ograniczeniem jest to, że te dwa działają na różnych kluczach, różnych rozliczeniach i mają różne tryby awarii, a właśnie ten problem ma rozwiązywać pojedynczy endpoint z automatycznym przełączaniem awaryjnym w ponad 200 modelach. W międzyczasie wierszem wartym otwarcia jest ten, który faktycznie istnieje: strona modelu GPT-6.1 Sol pod adresem https://www.orcarouter.ai/models/openai/gpt-6.1-sol.