Mistral Large 4 vs GPT-6 Sol: Cena wersji zapoznawczej kontra domyślne wdrożenie

Na papierze to nie jest wyrównana walka. Mistral Large 4, flagowy model Mistrala z otwartymi wagami o 1,05 biliona parametrów, kosztuje 0,68 USD za milion tokenów wejściowych i 2,09 USD za milion tokenów wyjściowych. GPT-6 Sol, opłacalna półka wysokiej klasy, kosztuje 2,00 USD i 10,00 USD — około trzy razy więcej na wejściu i prawie pięć razy więcej na wyjściu, a jego cena zmienia się na 4,00 USD i 15,00 USD, gdy zapytanie przekroczy 272 000 tokenów. Miesiąc ze 100 milionami tokenów przy podziale wejście/wyjście 4:1 kosztuje około 140 USD w Mistral Large 4 i około 480 USD w GPT-6 Sol. To cały argument i to mocny, dopóki nie przeczytasz drugiej linijki dokumentacji samego Mistrala: Mistral Large 4 jest w publicznej wersji zapoznawczej, i jest jedynym z tych dwóch modeli, który wciąż ewoluuje.

Na tym rozróżnieniu opiera się całe to porównanie. GPT-6 Sol został wydany 22 września 2026 r. i jest stabilny; jego zachowanie, cennik i niezależne wyniki są ustalone. Mistral Large 4 pojawił się 6 października 2026 r. z API w wersji zapoznawczej, obiecanym udostępnieniem wag „do końca miesiąca” oraz przebiegiem uczenia ze wzmocnieniem, który — jak twierdzi Mistral — wciąż trwa. Wersja, którą wywołujesz dziś, nie jest wersją, którą będziesz mieć w listopadzie. Zatem ciekawe pytanie nie brzmi „który jest lepszy” — pod względem mierzonej inteligencji nadal nie są w tej samej lidze — lecz „który z nich należy do twojego stacku i na jakich warunkach”.

Co każdy dostawca faktycznie dostarczył

Mistral Large 4 to granularny model typu mixture-of-experts z 49 miliardami aktywnych parametrów spośród 1,05 biliona wszystkich, a do tego 1,6-miliardowy enkoder wizyjny. Przyjmuje tekst i obrazy, obsługuje okno kontekstowe wynoszące około miliona tokenów i jest trenowany od zera na 3 800 układach NVIDIA Grace Blackwell w europejskich centrach danych należących do Mistrala. Mistral opisuje go jako swój największy i najbardziej zaawansowany model do tej pory i zapowiada, że wagi — udostępnione na otwartej licencji — pojawią się przed końcem października 2026 r., po zakończeniu okresu testów typu red teaming prowadzonych z partnerami ds. cyberbezpieczeństwa i władzami państwowymi. Do tego czasu jedynym sposobem dostępu jest API w wersji zapoznawczej.

GPT-6 Sol to średni poziom w serii GPT-6 OpenAI, poniżej flagowego GPT-6 Astra i powyżej szybkiego GPT-6 Luna. Przyjmuje tekst, obrazy i pliki, ma okno kontekstowe nieco ponad milion tokenów z maksymalnie 128 000 tokenów wyjściowych i udostępnia konfigurowalny poziom wysiłku rozumowania, wywoływanie funkcji, ustrukturyzowane dane wyjściowe oraz próbkowanie z ziarnem. To zamknięte, moderowane API — przeciwieństwo propozycji Mistral, która zakłada, że organizacja może z czasem uruchomić ML4 na własnym sprzęcie i według własnych zasad.

• Łączna liczba parametrów — Mistral Large 4: 1,05 biliona (49 mld aktywnych) vs GPT-6 Sol: nieujawnione

• Okno kontekstowe — około 1 mln tokenów każde, Mistral Large 4 reklamowany jako 1 mln, GPT-6 Sol przy ~1,05 mln

• Maks. wyjście — GPT-6 Sol 128K tokenów vs Mistral Large 4 jeszcze nie udokumentowano

• Modalność wejściowa — Mistral Large 4: tekst i obraz vs GPT-6 Sol: tekst, obraz i plik

• Cena wejściowa — Mistral Large 4 0,68 USD za 1 mln vs GPT-6 Sol 2,00 USD, rosnąca do 4,00 USD po przekroczeniu 272 tys. tokenów

• Cena za dane wyjściowe — Mistral Large 4: 2,09 USD za 1 mln w porównaniu z GPT-6 Sol: 10,00 USD, rosnąca do 15,00 USD po przekroczeniu tego samego progu

• Wejście z pamięci podręcznej — Mistral Large 4 0,07 USD za 1 mln vs GPT-6 Sol 0,20 USD, wzrost do 0,40 USD

• Wagi — otwarta licencja Mistral Large 4, obiecana do końca października 2026 r. vs zamknięty GPT-6 Sol

• Status wydania — Mistral Large 4 w publicznej wersji zapoznawczej, 6 października 2026 vs GPT-6 Sol ogólnie dostępny, 22 września 2026

Gdzie GPT-7 Sol jest po prostu o krok przed innymi

Post premiery Mistrala jest w tej kwestii wyjątkowo bezpośredni, co uwalnia wszystkich od zgadywania. W Artificial Analysis Intelligence Index — w wersji v4.3.2, obejmującej dziesięć ewaluacji od AA-Briefcase do CritPt — GPT-6 Sol uzyskuje 47,6 punktu i plasuje się na około 14. miejscu wśród 147 modeli w tym zestawieniu. Mistral Large 4 nie ma żadnego opublikowanego wyniku w Artificial Analysis Intelligence Index. Istnieje jedynie częściowy wiersz w Artificial Analysis, w którym model widnieje jako „Mistral Large 4 Preview”, a jego pozycja jest podana jako niedostępna publicznie. W poszczególnych widocznych ewaluacjach GPT-6 Sol wyraźnie prowadzi: 47,9 wobec poprzeczki Humanity's Last Exam, którą przekracza, podczas gdy ML4 się nie pojawia, 83,7 wobec 80,3 w AA-LCR long-context recall, 43,9 wobec 28,3 w Terminal-Bench 4.0.

Te wyniki Terminal-Bench zasługują na zastrzeżenie, które działa w przeciwnym kierunku. Wyniki Mistrala 28,3% i 59,4% w SWE-Atlas-QnA pochodzą z liczb, które Artificial Analysis oceniło prywatnie przed uruchomieniem harnessa, a Mistral wyraźnie zaznacza, że pojawią się one w Artificial Analysis Coding Agent Index, gdy ten harness zostanie udostępniony. Nie zostały wymyślone przez dostawcę, ale nie są też możliwe do odtworzenia przez ciebie dzisiaj. Traktuj je jako obiecujące i niezweryfikowane.

Tam, gdzie Mistral publikuje liczby, kilka z nich warto przeczytać uważnie, bo są to twierdzenia w stylu, jaki dostawca formułuje, gdy jest pewny siebie. Mistral podaje, że w jednym teście Artificial Analysis Cyber Index — odtworzyć prawdziwą lukę w oprogramowaniu open source, a następnie ją załatać — ML4 uzyskuje 82%, najwyższy wynik spośród wszystkich modeli, oraz że rozwiązuje 93% z 40 zadań w Cybench. Podaje również, że wiodące modele zamknięte, w tym Claude Opus 5.5 i GPT-6 Astra, uzyskują wynik bliski zeru w tym samym teście odtwarzalności, ponieważ odmawiają wykonania zadania. Są to dane raportowane przez dostawcę i nie zostały niezależnie odtworzone, ale leżący u ich podstaw mechanizm nie jest egzotyczny: model, który częściej odmawia, w rzeczywistości wykonuje mniej, a Mistral sprzedaje ten argument od czasu swojego zwrotu ku otwartym wagom.

Jeśli chodzi o ogólne możliwości, uczciwa ocena jest taka, że GPT-6 Sol jest dziś lepszym modelem, a Mistral Large 4 jest tańszy. Jeśli twoje obciążenie to proste zadanie typu pytanie-odpowiedź lub programistyczne bez preferencji do samodzielnego hostowania, dodatkowe pięć dolarów GPT-6 Sol za milion tokenów wyjściowych daje ci model, którego zachowanie nie zmieni się pod tobą.

Argument za podglądem, który nie dotyczy wyłącznie ceny

Trzy rzeczy sprawiają, że Mistral Large 4 to coś więcej niż opcja z rabatem — i żadną z nich nie jest metka.

Po pierwsze, suwerenność w dosłownym sensie. ML4 został wytrenowany w europejskich centrach danych na europejskim sprzęcie i będzie można go udostępniać w europejskim regionie, który Mistral obsługuje od początku do końca. Dla kupującego podlegającego regulacjom to nie slogan marketingowy; to wymóg zakupowy, którego GPT-6 Sol obecnie nie jest w stanie spełnić za żadną cenę. Mistral pozyskał 3 mld euro w rundzie Series D specjalnie na sfinansowanie tego celu – była to największa runda kapitałowa, jaką pozyskała europejska spółka technologiczna – a ten model to pierwszy kamień milowy w jej realizacji.

Drugim elementem są wagi. Kiedy się pojawią, organizacja, która ma GPU, będzie mogła uruchomić ML4 na własnej infrastrukturze (on-premises), bez udziału dostawcy, co zmienia zarówno zachowanie w zakresie odmów, jak i kwestię rezydencji danych. Gdy to nastąpi, GPT-6 Sol nadal będzie wywołaniem API. Jeśli Twój plan rozwoju przewiduje fazę lokalną (on-premise), ML4 jest jedynym z tych dwóch, który ją ma.

Trzeci czynnik to rytm. Mistral twierdzi, że przebieg RL stojący za tą wersją zapowiedziową nie osiągnął wysycenia i że oczekuje „dużych i szybkich ulepszeń w nadchodzących tygodniach i miesiącach”. Kiedy dostawca wypuszcza wersję zapowiedziową i stwierdza, że krzywa wciąż rośnie, cena, którą ci dziś podano, dotyczy najgorszej wersji modelu, za jaką kiedykolwiek przyjdzie ci płacić. Cena GPT-6 Sol dotyczy stałego poziomu możliwości.

Prowadzenie obu bez obstawiania żadnego

Kłopotliwa część wersji zapoznawczej polega na tym, że nie można jej przypiąć. Jeśli Twój produkt zależy od obecnego zachowania ML, aktualizacja w przyszłym tygodniu oznacza incydent produkcyjny. Jeśli zależy od GPT-6 Sol, płacisz stałą premię za stabilność. Rozsądny kształt to zwykle jedno i drugie, za jednym, więc decyzja jest regułą routingu, a nie.

Po to właśnie jest OrcaRouter. Oba modele stoją za jednym API zgodnym z OpenAI, z 0% marży, co ma tu większe znaczenie niż zwykle: cennik wersji preview Mistrala to stawka premierowa i będzie się zmieniać — w górę, gdy okres preview się skończy, być może w dół, gdy wagi trafią do sieci, a konkurencja wśród modeli otwartych da o sobie znać — a ponieważ ceny katalogowe dostawców przechodzą bezpośrednio, obniżka ceny przez dostawcę jest u nas widoczna tego samego dnia, a nie wtedy, gdy ktoś zaktualizuje zaszyty na sztywno cennik. DSL routingu pozwala kierować pracę nad długim kontekstem dokumentów do modelu, który jest najtańszy dla takiego kształtu, i zachować GPT-6 Sol jako fallback dla wszystkiego, co musi być stabilne. Automatyczne przełączanie awaryjne obejmuje przypadek, do którego API w wersji preview zachęca najbardziej: endpoint zajęty lub chwilowo niedostępny, co jest normalne dla każdego modelu w pierwszym miesiącu.

Który wybrać

Wybierz GPT-6 Sol, jeśli obciążenie jest produkcyjne, zachowanie liczy się bardziej niż cena jednostkowa, a nie masz wymogu uruchamiania modelu samodzielnie. Jego 47,6 w Intelligence Index, limit wyjścia 128K i odczyty z pamięci podręcznej za 0,20 USD czynią go bezpieczniejszym domyślnym wyborem, a zmiana ceny dla długiego kontekstu przy 272 000 tokenów jest łatwa do zaplanowania, ponieważ próg jest publikowany.

Wybierz Mistral Large 4, jeśli budujesz coś, w przypadku czego spełniony jest jeden z trzech warunków: potrzebujesz modelu wdrożonego w Europie, potrzebujesz docelowo otwartych wag albo działasz w branży badań nad bezpieczeństwem, w której odmowa jest porażką — 82% w teście reproduce-and-patch wobec niemal zera w przypadku zamkniętych alternatyw to realna luka kompetencyjna, niezależnie od tego, czy raportowana przez dostawcę, czy nie. I zaakceptuj, że kupujesz model w trakcie rozwoju. Zaplanuj w budżecie zmiany powierzchni API i nie wpisuj na sztywno ceny wersji preview do prognozy na następny kwartał.

Na co uważać, zanim zdecydujesz się na którąkolwiek z opcji: faktyczne udostępnienie wag pod koniec października, czyli moment, w którym deklaracja otwartych wag przestaje być obietnicą; pierwszy opublikowany wynik ML4 w Artificial Analysis Intelligence Index, który rozstrzygnie, czy różnica w cenie to okazja, czy zniżka za mniej; oraz Coding Agent Index, gdzie prywatne wyniki Mistrala w Terminal-Bench albo zostaną potwierdzone, albo po cichu nie.