Mistral Large 4 kontra Qwen3.8 Max: domniemana przewaga, której przeczą opublikowane liczby

Post premiery Mistrala dotyczący Mistral Large 4 stwierdza, że jego łączny wynik w Coding Agent Index na poziomie 49,8% stawia go „przed DeepSeek V4 Pro 0813 i Qwen3.8 Max". Artificial Analysis ma już Qwen3.8 Max w tej samej rodzinie indeksów, a jego wynik w Terminal-Bench 4.0 to 38,9%. Mistral podaje dla swojego modelu 28,3% w tym samym zestawie testowym. Obie liczby pochodzą od Artificial Analysis — jedna jest publiczna, druga została wygenerowana prywatnie przed premierą zestawu testowego — i wskazują przeciwne kierunki. To nie jest powód, by odrzucać którykolwiek z tych modeli. To najcenniejsza rzecz w tym starciu, bo mówi dokładnie, który z tych dwóch możesz dziś zweryfikować, i ostro stawia pytanie o cenę: Qwen3.8 Max kosztuje 2,00 USD za milion tokenów wejściowych i 6,00 USD za milion tokenów wyjściowych, podczas gdy Mistral Large 4 kosztuje 0,68 USD i 2,09 USD — około trzykrotnie więcej — a przy każdym opublikowanym wskaźniku to on jest modelem silniejszym.

Obie to próby tego samego — na skalę Alibaba i na skalę Mistral — natywnie multimodalnego flagowca obsługującego około miliona tokenów kontekstu, z rozumowaniem, narzędziami i ustrukturyzowanymi danymi wyjściowymi — wypuszczone w odstępie dziewięciu tygodni, odpowiednio w publicznej wersji zapoznawczej i w wersji ogólnie dostępnej. Jeden z nich jest udostępniany od 3 sierpnia 2026 r. i ma pełną kolumnę niezależnych wyników. Drugi pojawił się 6 października 2026 r. z obietnicą wydania wag do końca miesiąca oraz z przebiegiem uczenia ze wzmocnieniem, który według jego dostawcy wciąż się pnie.

Opublikowana kolumna i ta obiecana

Qwen3.8 Max to najwyższy pod względem możliwości poziom Alibaby do tej pory, a Alibaba pozycjonuje go bezpośrednio przeciwko GPT-5.5, Claude Opus 4.7 i Gemini 3.1 Pro w swoim własnym przewodniku migracji. Jest natywnie multimodalny w zakresie tekstu, obrazów i wideo, z wyjściem tekstowym, dysponuje oknem kontekstowym o rozmiarze 1 000 000 tokenów, a jego matryca możliwości potwierdza tryb myślenia, wywoływanie funkcji, wbudowane narzędzia i ustrukturyzowane dane wyjściowe. Jest udostępniany w trzech formatach transmisji — zgodnym z OpenAI, zgodnym z Anthropic i natywnym DashScope — z Pekinu, Singapuru, Tokio, Frankfurtu i kolejnych regionów.

W Artificial Analysis uzyskuje 45,4 w Intelligence Index v4.3.2, co daje 17. miejsce na 147 modeli, oraz 76,2 w indeksie AA Coding, co daje 9. miejsce na 138 i ex aequo z Kimi K3 na szczycie stawki modeli o otwartych wagach. Osiąga 92,8% w GPQA Diamond, 80,3% w przywoływaniu długiego kontekstu, 52,1% w SciCode i 47,8% w tau-banking. Jego wynik w Terminal-Bench 2.1 to 88,8%.

Mistral Large 4 to granularny model mieszaniny ekspertów z 49 miliardami aktywnych parametrów z łącznej liczby 1,05 biliona oraz enkoderem wizyjnym o 1,6 miliarda parametrów, wytrenowany od zera na 3800 GPU NVIDIA Grace Blackwell we własnych europejskich centrach danych Mistral na danych obejmujących ponad 160 języków. Obsługuje tekst i obrazy w kontekście wynoszącym około miliona tokenów. Jego strona w Artificial Analysis widnieje pod tytułem „Mistral Large 4 Preview” i nie zawiera wyniku Intelligence Index; udostępnienie wag obiecano do końca października 2026 r.

• Indeks Inteligencji — Qwen3.8 Max 45,4 (17. miejsce na 147) vs Mistral Large 4 — jeszcze nieopublikowany

• Indeks kodowania — Qwen3.8 Max 76,2 (9. z 138) vs Mistral Large 4 brak porównywalnych

• Terminal-Bench 4.0 — Qwen3.8 Max 38,9% vs Mistral Large 4 28,3%, oceniane prywatnie

• Okno kontekstu — Qwen3.8 Max 1 000 000 tokenów vs Mistral Large 4 około 1 000 000

• Modalność wejściowa — Qwen3.8 Max: tekst, obraz i wideo vs Mistral Large 4: tekst i obraz

• Cena wejściowa — Mistral Large 4 0,68 USD za 1 mln vs Qwen3.8 Max 2,00 USD za 1 mln

• Cena za wyjście — Mistral Large 4 2,09 USD za 1 mln vs Qwen3.8 Max 6,00 USD za 1 mln

• Wejście z pamięci podręcznej — Mistral Large 4 $0,07 za 1 mln vs Qwen3.8 Max $0,25 za 1 mln

• Wagi — Mistral Large 4 otwarta licencja obiecana na koniec października 2026 vs zamknięty Qwen3.8 Max

• Premiera — Qwen3.8 Max 3 sierpnia 2026 vs Mistral Large 4 6 października 2026, wersja zapoznawcza

Rozwiązując tę sprzeczność, na ile można ją rozwiązać

Te dwie wartości dla Terminal-Bench 4.0 są rzeczywiście niespójne, a najbardziej prawdopodobne wyjaśnienie jest tym najmniej dramatycznym: to różne przebiegi. Wynik Mistrala na poziomie 28,3% opisano jako oceniony prywatnie przez Artificial Analysis przed publicznym wydaniem harnessu, co oznacza, że mógł zostać zmierzony na przedpremierowej wersji harnessu, przy innym poziomie wysiłku rozumowania lub z innym próbkowaniem. Wynik Qwena 38,9% pochodzi z opublikowanego harnessu w konfiguracji ustandaryzowanej przez Artificial Analysis. Porównywanie ich bezpośrednio to porównywanie wersji roboczej z finalną, a to wersja robocza wypada gorzej.

Warto również zauważyć, w którą stronę działa ta sprzeczność. Mistral twierdzi, że prowadzi w łączonym Coding Agent Index — 49,8%, przed Qwen3.8 Max — publikując jednocześnie wynik Terminal-Bench 4.0, który ustępuje wynikowi Qwena o dziesięć punktów. Łączny indeks agreguje kilka ewaluacji, więc oba te fakty mogą być prawdziwe jednocześnie, a model z mocnym wynikiem w DeepSWE v1.1 (Mistral podaje 61,7%) i słabym wynikiem w Terminal-Bench wciąż może wygrać średnią. Ale dopóki Coding Agent Index nie jest publiczny, jedynym składnikiem tego twierdzenia, który czytelnik może sprawdzić, jest ten, w którym Mistral jest z tyłu. Ta asymetria jest właśnie tym, co powinno wzbudzać podejrzenia — w obie strony.

Co tak naprawdę daje trzykrotność ceny

Dwie rzeczy, a tylko jedna z nich to wydajność.

Wideo to ten konkretny przypadek. Qwen3.8 Max natywnie przyjmuje wideo jako pełnoprawne dane wejściowe; Mistral Large 4 nie. Multimodalny rozdział Mistrala dotyczy obrazów — osadzania gęstych scen, weryfikacji części mechanicznych na rysunkach technicznych, wyszukiwania dowodów w plikach PDF, skanowania gigapikselowych zdjęć satelitarnych — a nic z tego nie wymaga ruchomych obrazów. Jeśli Twój potok przetwarza nagrania, demonstracje lub archiwa wideo, porównanie cen jest nieistotne, ponieważ jeden z tych modeli nie może przyjąć Twoich danych wejściowych. To granica możliwości, a nie różnica w cenniku, i żadna zmiana ceny tego nie zmieni.

Drugie to dowód. Wynik 45,4 Qwen3.8 Max w Indeksie, jego 9. miejsce w rankingu kodowania i 88,8% w Terminal-Bench 2.1 można odtworzyć na opublikowanych zestawach testowych przez każdego, kto chce wydać tokeny. ML4 od Mistrala oferuje wyższy deklarowany pułap w kodowaniu agentowym i automatyzacji, ślepą ocenę ludzką, w której minimalnie wyprzedził Kimi K3 i GLM-5.3 pod względem postrzeganej jakości kodowania, oraz konkretne twierdzenie dotyczące cyberbezpieczeństwa — 82% w teście odtwarzania i łatania Artificial Analysis, najwyższy wynik spośród wszystkich testowanych modeli, przy 93% w Cybench. Każdy z tych wyników jest raportowany przez dostawcę lub pochodzi z prywatnej oceny. Zespół, który musi uzasadnić wybór modelu przed przeglądem zakupowym, płaci trzykrotnie wyższą cenę, aby mieć odpowiedź na piśmie.

To powiedziawszy, wskaźnik dotyczący cyberbezpieczeństwa jest jedynym twierdzeniem w tym porównaniu, którego niższa cena nie zrekompensuje, ponieważ jest to zdolność, a nie przewaga. Mistral podaje, że kilka wiodących modeli zamkniętych, w tym Claude Opus 5.5 i GPT-6 Astra, uzyskuje niemal zerowy wynik w tym samym teście odtwarzania i łatania, ponieważ odmawiają wykonania zadania, a średni odsetek odmów ML4 w przypadku promptów dotyczących cyberbezpieczeństwa pochodzących z JailbreakBench, StrongREJECT i AgentHarm jest wyższy niż w innych modelach o otwartych wagach, przy czym ML4 wciąż wykonuje tę pracę. Nie podano wyników Qwen3.8 Max w tym teście. Jeśli twoja praca obejmuje odtwarzanie luk w zabezpieczeniach, pytanie nie brzmi, kto jest tańszy; brzmi, kto w ogóle wykona to zadanie.

Wagi i gdzie działają

To tutaj Mistral Large 4 ma tę jedną przewagę strukturalną, której trzykrotnie wyższa cena Qwena nie może przebić. Mistral zobowiązał się do udostępnienia wag ML4 na otwartej licencji do końca października 2026 r., wraz ze szczegółami architektury i metodologii post-trainingu. To zamienia koszt za token na decyzję kapitałową: jeśli masz GPU, przestajesz płacić za token, przestajesz wysyłać dane do strony trzeciej i przestajesz podlegać czyjejś polityce moderacji. Poziom Max firmy Alibaba to zamknięta oferta dostępna wyłącznie przez API i nic nie wskazuje, że ma się to zmienić.

Geografia to ten sam argument w innym rejestrze. Qwen3.8 Max jest obsługiwany m.in. z Pekinu, Singapuru, Tokio i Frankfurtu — prawdziwie globalny zasięg, ale obsługiwany przez Alibaba. Publiczny podgląd Mistral Large 4 działa na własnej europejskiej infrastrukturze Mistral, w europejskim regionie, który Mistral obsługuje od początku do końca i niezależnie od innych dostawców usług cyfrowych, zgodnie z prawem europejskim. Dla europejskiego nabywcy podlegającego regulacjom te dwa zdania prowadzą do bardzo różnych rezultatów zakupowych, mimo że oba modele są dostępne w tym samym mieście. Runda Series D Mistral o wartości 3 mld euro — największa runda kapitałowa, jaką kiedykolwiek pozyskała europejska firma technologiczna — istnieje, aby sfinansować dokładnie tę różnicę, a ML4 jest jej pierwszym rezultatem.

Routing między dwiema formami dostępności

Niezwykłe w tym zestawieniu jest to, że dwa modele różnią się nie tylko ceną i możliwościami, ale także sposobem, w jaki się do nich dostajesz. Qwen3.8 Max obsługuje protokoły zgodne z OpenAI, zgodne z Anthropic oraz natywne protokoły DashScope z różnych regionów; Mistral Large 4 to pojedynczy endpoint podglądowy od jednego operatora. Ujednolicanie tego na poziomie kodu aplikacji to prawdziwa praca — i to taka, która zaczyna się od niewielkiego zakresu, a rośnie za każdym razem, gdy dostawca coś zmieni.

Oba znajdują się za jednym punktem końcowym zgodnym z OpenAI w OrcaRouter z 0% narzutu, co sprawia, że luka cenowa w tym artykule jest stabilna, a nie chwilowa: ceny katalogowe dostawców są przekazywane bez zmian, więc w dniu, w którym Mistral zakończy swoją stawkę preview albo Alibaba zmieni stawki Qwena, liczby, względem których oceniają Twoje reguły routingu, zmienią się razem z nimi. DSL routingu to miejsce, w którym odmienne mocne strony obu modeli stają się jedną powierzchnią wywołań — żądania z wideo do Qwen3.8 Max, praca z obrazami i dokumentami do Mistral Large 4, a wszystko, co musi zmieścić się w ścisłym budżecie, trafia najpierw do ML4, z Qwenem jako eskalacją, gdy twierdzenie o indeksie łączonym okaże się mieć znaczenie w rzeczywistym zadaniu. Automatyczne przełączanie awaryjne jest w tej parze warte więcej niż w większości przypadków, ponieważ jedno ogniwo to API w wersji preview w swoim pierwszym miesiącu, a drugie to zamknięty poziom, którego nie da się zaplanować pod kątem przepustowości. Tam, gdzie kwestia 49,8 kontra 76,2 w kodowaniu jest dla Twojego obciążenia naprawdę nierozstrzygnięta, fuzja modeli może uruchomić oba na tym samym prompcie i pozwolić panelowi wybrać, co jest tańsze niż dwukrotne przeprowadzenie porównania.

Werdykt

Qwen3.8 Max to lepszy model pod każdym względem, jaki został opublikowany. Jego wynik 45,4 w indeksie, 76,2 w indeksie kodowania i 38,9% w Terminal-Bench 4.0 opierają się na tych samych wersjach co u wszystkich innych, obsługuje wideo, jest dostarczany od dwóch miesięcy i jest osiągalny przez trzy formaty transmisji z pięciu regionów. Jeśli wydajność i weryfikowalność są czynnikami decydującymi, trzykrotna cena to koszt dostarczonego, zmierzonego flagowca.

Mistral Large 4 wygrywa pod względem ceny mniej więcej trzykrotnie, w odczytach z pamięci podręcznej ponad trzykrotnie, w pracy związanej z cyberbezpieczeństwem, gdzie alternatywa odmawia, oraz w dwóch argumentach, na które Qwen nie potrafi odpowiedzieć: obiecanych otwartych wagach do końca października i europejskim wdrożeniu, które Mistral prowadzi od początku do końca. Twierdzenie o 49,8% w Coding Agent Index to rzecz, która rozstrzygnęłaby sprawę — jeśli ta liczba pojawi się w publicznym środowisku testowym przed wynikiem Qwen, tańszy model staje się tym lepszym, a premia znika. Jeśli tak się nie stanie, Mistral sprzedaje cenę wersji zapowiedziowej za model, który pozostaje w tyle za wydanym konkurentem, a uczciwa konkluzja jest taka, że kupujesz plan rozwoju, a nie model.

Miej na oku trzy daty. Koniec października 2026 r., kiedy wagi ML4 albo zostaną wydane, albo twierdzenie o otwartych wagach złagodnieje. Publikacja Artificial Analysis Coding Agent Index, w której prywatne oceny Mistrala i publiczne wyniki Qwen spotkają się w jednej kolumnie. I koniec okresu preview, kiedykolwiek Mistral go ogłosi, ponieważ $0,68 i $2,09 to stawka startowa i żadna prognoza nie powinna zakładać, że przetrwa ona wydanie wag.