Mistral Large 4 kontra GPT-6.1 Sol: jeden możesz pobrać, drugi możesz tylko wynająć

Prawie każde porównanie Mistral Large 4 i GPT-6.1 Sol w otwartym internecie przytacza liczby, które przestały istnieć 27 października. Strony podają 38 i 52. Artificial Analysis przebudowało swój Intelligence Index do serii v5 tego dnia, ponownie uruchomiło modele i publikuje teraz 26 dla Mistral Large 4 wobec 55 dla GPT-6.1 Sol. To nie jest zmiana w którymkolwiek z modeli — to inny instrument, z dziewięcioma ocenami zamiast starego zestawu i znacznie trudniejszą mieszanką — ale oznacza, że luka, o której być może czytano, czternaście punktów, wynosi teraz dwadzieścia dziewięć punktów na papierze i nie można jej porównywać z niczym sprzed przebudowy. Porównania między kolejnymi uruchomieniami indeksu to najczęstszy błąd w tej niszy i warto najpierw ustalić właściwą aktualną parę, zanim zacznie się spierać o cokolwiek innego.

To, co czyni to starcie ciekawszym niż różnica w wyniku, to fakt, że dziś rano oba produkty przestały być tym samym typem produktu. GPT-6.1 Sol jest modelem wynajmowanym od momentu, gdy OpenAI udostępniło go 29 września 2026 r. w cenie 2,00 USD i 10,00 USD za milion tokenów; możesz go wywoływać, ale nie możesz go zatrzymać. Mistral Large 4, zaprezentowany w podglądzie 6 października 2026 r., opublikował swoje wagi 29 października 2026 r. o 14:51 UTC — 1 060,6 GB w FP8 i 610,1 GB w NVFP4, dostępne do pobrania, na licencji zmodyfikowanej MIT. Jeden z tych modeli ma licznik, który nigdy się nie zatrzymuje. Licznik drugiego kończy się w dniu, w którym kupujesz sprzęt. To jest ta decyzja, a tabela benchmarków jest jej następstwem.

Dwa produkty, dwie daty, jeden z nich zakończony

Ta asymetria nie jest jedynie czepialstwem w kwestii dojrzałości — zmienia to, które pytania warto zadawać. GPT-6.1 Sol to wdrożony, udokumentowany i niezależnie zmierzony model, dla którego wymieniono dziesięciu dostawców API. Jego cennik jest ustalony, kontekst 1M udokumentowany, a jego pozycja w ofercie OpenAI plasuje się poniżej flagowego Astra, a nie na szczycie. Mistral Large 4 przez dwadzieścia trzy dni był dostępny jako API w wersji zapoznawczej, a dziś stał się plikiem. Jego cennik hostingu jest ustalony na 0,70 USD za wejście i 2,10 USD za wyjście za milion tokenów, a jego przyszłość jest teraz częściowo w rękach tego, kto go uruchamia, a nie w planach rozwojowych Mistrala.

Sześć linijek, które mają znaczenie

Te same wymiary po obu stronach, obecny instrument, odczytane z dwóch stron modeli Artificial Analysis oraz z własnej dokumentacji dostawców w dniu 29 października 2026 r.:

• Indeks Inteligencji — GPT-6.1 Sol 55 (seria v5, sklasyfikowany na siódmym miejscu spośród 54 w swojej klasie porównawczej); Mistral Large 4 26 (sklasyfikowany na ósmym miejscu spośród 19 w innej klasie — te dwa rankingi nie są na jednej skali).

• Koszt zadania indeksowego — GPT-6.1 Sol 1,27 $; Mistral Large 4 2,06 $.

• Cena tokenów — GPT-6.1 Sol 2,00 USD na wejściu / 10,00 USD na wyjściu za milion, z progiem 4,00 / 15,00 USD powyżej 272 000 tokenów wejściowych; Mistral Large 4 0,70 USD na wejściu / 0,07 USD z cache / 2,10 USD na wyjściu.

• Szybkość generowania — GPT-6.1 Sol 79,1 tokena na sekundę; Mistral Large 4 161,3.

• Kontekst — 1 mln tokenów w obu, udokumentowane w obu.

• Wdrożenie — GPT-6.1 Sol: tylko hostowany, żadnych wag za żadną cenę. Mistral Large 4: hostowany lub self-hostowany, 610,1 GB w NVFP4, osiem GPU klasy Blackwell w opublikowanym przepisie vLLM.

Indeks jest średnią, a średnie ukrywają kształt luki. W indywidualnych wierszach Artificial Analysis podział jest nierówny, a nie jednakowo zły: HLE-Diamond 17% wobec 59%, Terminal-Bench-Science 0.1 przy 4% wobec 58%, FrontierCode 2.0 przy 15% wobec 41%, Terminal-Bench 4.0 przy 25% wobec 56% oraz GDPpdf przy 18% wobec 31%. Mistral Large 4 nie odstaje o dwadzieścia dziewięć punktów w każdym zadaniu; odstaje znacznie w ocenach nagradzających długotrwałe wieloetapowe rozumowanie i jest mniej więcej na równi w krótszej pracy jednoetapowej. Jeśli Twoje obciążenie przypomina ten drugi rodzaj, średnia jest niewłaściwą liczbą, na podstawie której należy kupować. Jeśli przypomina pierwszy, żadna obniżka tego nie zniweluje.

Dlaczego liczby się przesunęły i dlaczego nie jest to skandal

W ramach przebudowy v5 ponownie przetestowano całą stawkę na nowym zestawie ewaluacyjnym, a około 60% tego zestawu jest prywatne — to pytania, które nie były publicznie dostępne przed przebudową. Nie wszystkie modele zmieniły się w tym samym kierunku: niektóre mocno spadły, inne wzrosły. Spadek Mistral Large 4 z 38 do 26 i wzrost GPT-6.1 Sol z 52 do 55 to dwa odczyty tego samego zdarzenia — i żaden z nich nie oznacza, że dostawca ma zły kwartał. Wynikająca z tego zasada jest prosta i łatwo ją przypadkiem złamać: nigdy nie odejmuj wyniku z jednego przebiegu indeksu od wyniku z innego i nigdy nie podawaj różnicy, której dwie połowy zmierzono w odstępie tygodnia. Istniejąca dziś różnica to dwadzieścia dziewięć punktów w ramach jednego narzędzia pomiarowego.

Dwadzieścia dziewięć punktów to dużo, ale to też nie cała historia. Indeks 26 opisuje model, który jest kompetentny w ogólnej pracy i przeciętny w trudnych przypadkach; Indeks 55 opisuje jeden z najsilniejszych dostępnych modeli. Jeśli Twoim obciążeniem jest kodowanie agentowe w dużym repozytorium, odpowiedź jest już przesądzona i żaden argument dotyczący ceny tego nie zmieni. Reszta tego tekstu dotyczy obciążeń, w przypadku których nie jest to przesądzone.

Odwrócenie przetrwało rebase.

Jedynym ustaleniem z październikowego okresu podglądu, które utrzymało się w świetle nowego narzędzia pomiarowego, jest inwersja ceny za zadanie — i potwierdziło się ono na świeżych danych. Mistral Large 4 nalicza około jedną trzecią stawki GPT-6.1 Sol za tokeny wejściowe i jedną piątą jego stawki za tokeny wyjściowe, a mimo to ukończenie tego samego zadania ewaluacyjnego kosztuje 62% więcej — 2,06 USD wobec 1,27 USD. To nie trik cenowy. Rachunek za model rozumujący jest zdominowany przez liczbę tokenów, które decyduje się wyemitować, a Mistral Large 4 emituje ich bardzo dużo: Artificial Analysis odnotowuje 110 milionów tokenów wyjściowych w swojej próbie gadatliwości wobec mediany 100 milionów, podczas gdy GPT-6.1 Sol plasuje się na 64 milionach, poniżej mediany. Tańsze tokeny pomnożone przez większą liczbę tokenów nie są oszczędnością, a rachunek to pokaże.

Praktyczna konsekwencja jest węższa niż „tani model w rzeczywistości jest drogi”. W przypadku pracy z krótkimi wynikami — klasyfikacji, ekstrakcji, routingu, wszystkiego, co kończy się po dwustu tokenach i nigdy nie wchodzi w pętlę rozumowania — cały rachunek to cena tokenów, a $0,70 w porównaniu z $2,00 to cały argument. Odwrócenie daje o sobie znać w rozumowaniu długodystansowym, czyli dokładnie tam, gdzie również występuje luka dwudziestu dziewięciu punktów. Dwa różne pomiary wskazujące ten sam kierunek to powód, by ufać temu kierunkowi, a nie powód, by uogólniać go na każde obciążenie.

Szybkość zmierza w przeciwnym kierunku, podobnie jak cierpliwość.

Mistral Large 4 jest ponad dwukrotnie szybszy na wyjściu: 161,3 tokena na sekundę wobec 79,1. Zwraca też pierwszy token w 1,42 s, nieco lepiej niż mediana 1,68 s w jego zestawie porównawczym. Opublikowana wartość czasu do pierwszego tokena odpowiedzi dla GPT-6.1 Sol wynosi 249,48 s wobec mediany 3,53 s, czyli jest to liczba, którą trzeba raczej wyjaśnić, niż przytaczać.

Te 249 sekund to niemal na pewno nie opóźnienie w sensie sieciowym. To czas, jaki model poświęca na rozumowanie, zanim wyemituje pierwszy token odpowiedzi, mierzony przy maksymalnym wysiłku rozumowania, i jest to uczciwy sposób pokazania, ile długi budżet rozumowania kosztuje oczekującego użytkownika. Nasze własne dane routingowe czynią tę różnicę konkretną: wśród 584,7 mln tokenów GPT-6.1 Sol przepuszczonych przez OrcaRouter w siedmiodniowym okresie kończącym się 29 października p50 czasu do pierwszego tokenu przesyłanego strumieniowo wynosiło 1,36 sekundy, a p95 — 10 sekund. Pierwszy token pojawia się szybko; to pierwsza odpowiedź zajmuje minuty, a flagi w API decydują, którego z nich doświadczy użytkownik. Jeśli Twoja aplikacja przesyła strumieniowo tokeny rozumowania, oczekiwanie jest wypełnione treścią i znośne. Jeśli nie — jeśli użytkownik wpatruje się w spinner, dopóki nie pojawi się pierwsza odpowiedź — wtedy czterominutowy czas do pierwszego tokenu jest ograniczeniem produktu, którego żadna ocena benchmarkowa nie zrekompensuje, a model odpowiadający w 1,4 sekundy będzie sprawiał lepsze wrażenie niż ten, który jest mocniejszy o dwadzieścia dziewięć punktów Index. To jest oś, na której tańszy model o niższym wyniku najczęściej wygrywa rzeczywiste wdrożenia, i nie pojawia się w żadnej tabeli porównawczej.

Co się zmieniło dziś rano: licznik się kończy

Do dziś argument za self-hostingiem Mistral Large 4 był obietnicą, a obietnice nie przetrwają przeglądu zakupowego. Teraz jest repozytorium. Dwa checkpointy, jeden plik licencji i opublikowany przez dostawcę przepis na serwowanie: vLLM z tensor parallelism 8 i FP8 MLA KV cache, SGLang z tp-size 4, oba z osadzoną głową draftową DSpark do dekodowania spekulacyjnego zamiast drugiego modelu.

To, co to daje, to nie tańszy token — to koniec tokena jako jednostki kosztu. Na własnym sprzęcie rachunek staje się amortyzacją, energią, miejscem w szafie rackowej i inżynierem, który opiekuje się klastrem, a obciążenie pracujące z wysokim, stałym wolumenem przechodzi z kosztu zmiennego w stały. To jest argument przemawiający za europejskim bankiem z wymogiem dotyczącym rezydencji danych, wykonawcą z branży obronnej, którego procedury zakupowe zakazują inferencji za granicą, albo producentem osadzającym model w linii produktów na pięć lat. To nie jest argument dla start-upu o skokowym ruchu i bez zespołu operacyjnego: 610 GB wag, osiem GPU Blackwell i 1 mln tokenów KV cache to projekt kapitałowy, a hostowana stawka 0,70 USD jest tańsza niż kapitał przez bardzo długi czas.

Licencja to część, którą ludzie pomijają. To zmodyfikowana licencja MIT z jedną klauzulą, która ma znaczenie: uruchamianie wag jako oferty modelu jako usługi wymaga oddzielnej licencji komercyjnej od Mistral. Przeczytaj jednak uważnie definicję — wyklucza ona osadzone produkty dla użytkowników końcowych oraz „samo przekazywanie żądań do modeli hostowanych przez innych”, więc bramka przekazująca ruch do inferencji hostowanej przez Mistral jest objęta wyłączeniem, natomiast firma, która stawia własną farmę inferencyjną i odsprzedaje dostęp, już nie. Jeśli Twoim planem jest „pobrać to i zostać dostawcą”, przeczytaj tę klauzulę przed wyceną sprzętu.

Gdzie każda z nich tak naprawdę jest prawidłową odpowiedzią

• Programowanie agentowe, długoterminowe korzystanie z narzędzi, praca z dużymi repozytoriami — GPT-6.1 Sol. Luka w Indeksie jest najszersza właśnie tutaj, a premia cenowa to koszt posiadania racji.

• Ekstrakcja i klasyfikacja o dużym wolumenie i krótkich wynikach — Mistral Large 4 po 0,70 USD za wejście. Sufit rozumowania nigdy nie wchodzi w grę, więc luka Index nigdy nie ma zastosowania.

• Wdrożenie regulowane, ograniczone jurysdykcją — Mistral Large 4, i nie dlatego, że jest lepszy. GPT-6.1 Sol nie da się hostować samodzielnie za żadną cenę, co kończy porównanie.

• Interaktywni asystenci, w których pierwszy token jest produktem — Mistral Large 4 pod względem szybkości, chyba że strumieniujesz rozumowanie i możesz znieść oczekiwanie.

• Narzędzia bezpieczeństwa defensywnego — Mistral Large 4, ze względu na zgłoszony przez dostawcę współczynnik odmów wynoszący 96,6% w przypadku złośliwych żądań cybernetycznych oraz zestaw testów cybernetycznych, wokół którego Mistral zorganizował premierę. Te liczby pochodzą od Mistrala, a nie od niezależnego laboratorium, i należy je traktować jako twierdzenia, dopóki ktoś nie powtórzy ich weryfikacji.

• Wszystko, gdzie odpowiedź musi być poprawna, a budżet opóźnienia jest hojny — GPT-6.1 Sol. Dwadzieścia dziewięć punktów to nie błąd zaokrąglenia.

Jeśli zamierzasz uruchomić oba

Mieszane środowiska są typowym wynikiem takiego porównania, a pytanie operacyjne brzmi: jak dwa bardzo różne modele funkcjonują w ramach jednej faktury. GPT-6.1 Sol jest dostępny w OrcaRouter dokładnie w cenie katalogowej OpenAI — $2.00 i $10.00 za milion tokenów, z progiem powyżej 272 tys. tokenów w cenie $4.00 i $15.00 — kierowany z 0% narzutem, więc stawka, którą widzisz, jest stawką pobieraną przez OpenAI. Mistral Large 4 nie znajduje się w naszym katalogu: 214 modeli, brak endpointu Mistral, a jeśli chcesz go wywołać, udajesz się do własnego API Mistral lub do własnego wdrożenia vLLM. To, co platforma faktycznie oferuje w części hostowanej, to routing DSL — skierowanie obciążenia na jeden model i przeniesienie go bez zmiany kodu — oraz automatyczne przełączanie awaryjne, które umożliwia bezpieczne wypróbowanie nowego modelu na ścieżce produkcyjnej. Podłącz endpoint self-hosted według tego samego wzorca, a obie połowy tego porównania przestaną być decyzją, którą trzeba podejmować tylko raz.

Dwa pytania, nie jedno.

Strony porównawcze powiedzą ci, że wygrywa GPT-6.1 Sol, i na jedynym niezależnym narzędziu pomiarowym wspólnym dla obu modeli rzeczywiście wygrywa — 55 do 26, przy 62% niższym koszcie na ukończone zadanie i nieco ponad połowie prędkości wyjściowej. To jest prawidłowa odpowiedź na pytanie „który model jest lepszy”, a gdyby to było jedyne pytanie, rynek rozstrzygnąłby tę kwestię we wrześniu.

Pytanie, które pojawiło się dziś rano, jest inne: który model możesz wciąż uruchamiać za trzy lata, na sprzęcie, który kontrolujesz, na licencji, którą przeczytałeś. Dla bardzo wielu zespołów odpowiedź pozostanie „żaden z nich, wynajmujemy” — i wtedy GPT-6.1 Sol jest lepszą opcją wynajmu. Dla tych, których ograniczeniem jest własność, a nie możliwości, model z wynikiem 26 przestał dziś być kompromisem i stał się jedyną opcją na stole. Obie odpowiedzi mogą być słuszne, dlatego interesująca praca nie polega na wybraniu zwycięzcy, ale na ustaleniu, które pytanie twoja organizacja tak naprawdę zadaje.