Mistral Large 4 kontra Llama 4 Maverick: Przepaść pokoleniowa, a nie różnica cenowa

Mistral Large 4 i Llama 4 Maverick to obiekty tego samego rodzaju, ale nie tej samej generacji. Oba są rzadkimi mieszaninami ekspertów z oknem kontekstu o długości miliona tokenów w karcie modelu, oba obsługują zarówno obrazy, jak i tekst oraz oba można pobrać i uruchomić na własnym sprzęcie. Maverick ukazał się 5 kwietnia 2025 r. z 400 miliardami parametrów łącznie i 17 miliardami aktywnymi. Mistral Large 4 pojawił się w wersji zapoznawczej 6 października 2026 r., a 29 października udostępnił swoje wagi: łącznie 1,05 biliona parametrów i 52 miliardy aktywne. Dzieli je dziewiętnaście miesięcy. Przy medianowej cenie na rynku hostingu Mavericka również dzieli je tylko około 1,3-krotna różnica kosztów — a tego prawie nikt nie spodziewa się usłyszeć o tak starym modelu.

Krótka odpowiedź, zanim przejdę do zastrzeżeń

Jeśli rozpoczynasz nowy build pod koniec 2026 r. i potrzebujesz rozumowania, pracy z długimi dokumentami lub kodowania agentowego, Mistral Large 4 jest lepszym modelem i tym droższym. Jeśli potrzebujesz modelu z otwartymi wagami, który możesz dostroić, uruchamiać w środowisku air-gapped lub wywoływać za ułamek centa za żądanie w prostym zadaniu ekstrakcji, Llama 4 Maverick wciąż jest wyborem, którego można bronić — nie dlatego, że jest konkurencyjna pod względem możliwości, lecz dlatego, że obciążenie może nie wymagać tych możliwości. Błędem jest traktowanie 19-miesięcznej luki jako rywalizacji. To poziom cenowy, który przypadkiem dzieli kategorię, a kwestia ceny jest dziwniejsza niż kwestia możliwości.

Liczby obok siebie

• Łączna liczba parametrów — Mistral Large 4 ma 1,05 bln parametrów rozdzielonych między 128 ekspertów routowanych i jeden wspólny ekspert, podczas gdy Llama 4 Maverick ma 402 mld między 128 ekspertami, podawane przez Meta jako 400 mld.

• Aktywne parametry — 52B na token w Mistral Large 4 (49B dla stosu językowego; doliczenie osadzeń i warstw wyjściowych daje 52B) w porównaniu z 17B w Llama 4 Maverick, więc różnica w obliczeniach na token wynosi około trzy do jednego.

• Kontekst — 1 mln tokenów reklamowane w obu; to, ile faktycznie serwuje host, to inna liczba, a późniejsza sekcja dotyczy właśnie tego.

• Modalność — tekst i obraz na wejściu, tekst na wyjściu, w obu przypadkach. Koder wizyjny Mistral Large 4 ma 1,6 mld parametrów; koder wczesnej fuzji Mavericka nie jest wyszczególniony w opublikowanych danych Meta.

• Rozumowanie — Mistral Large 4 oferuje skalę wysiłku: niski, średni i wysoki, przy czym domyślny jest wysoki. Panel specyfikacji Artificial Analysis podaje, że Llama 4 Maverick nie ma w ogóle trybu rozumowania.

• Cena za milion — 0,70 USD za wejście i 2,10 USD za wyjście bezpośrednio od Mistral, z wejściem z pamięci podręcznej po 0,07 USD, w porównaniu z całkowitym brakiem ceny katalogowej first-party dla Mavericka, ponieważ Meta go nie sprzedaje. Dostawcy pobierają nawet 0,17 USD za wejście i 0,60 USD za wyjście; Artificial Analysis podaje medianę dostawców na poziomie 0,50 USD i 1,68 USD.

• Licencja — Mistral Ecosystem Open-Weight License, zmodyfikowana licencja MIT z wyłączeniem model-as-a-service, w porównaniu z Llama 4 Community License z progiem 700 milionów miesięcznie aktywnych użytkowników.

• Wydanie — 29 października 2026 r. dla checkpointu Mistral Large 4, w porównaniu z 5 kwietnia 2025 r. dla Llama 4 Maverick, z datą odcięcia wiedzy w sierpniu 2024 r.

Walka na benchmarki toczy się między dwoma różnymi władcami.

Wyszukaj ten pojedynek, a znajdziesz strony twierdzące, że Mistral Large 4 uzyskuje 38,0 w Artificial Analysis Intelligence Index wobec 14,3 Mavericka, oraz inne strony twierdzące, że Maverick wygrywa dziewięć z jedenastu testów porównawczych. Oba zestawy liczb są prawdziwe w tym sensie, że ktoś je wydrukował. Żaden z nich nie jest porównaniem.

W obecnym Artificial Analysis Intelligence Index v5, przebudowanym 27 października 2026 r., Mistral Large 4 uzyskuje 26 w trybie wysokiego rozumowania i 23 w trybie średnim. Podawane 38,0 to jego wynik w poprzedniej wersji v4.3.2, z październikowego podglądu, i nie można go odejmować od niczego mierzonego po przebudowie — zmienił się indeks, nie tylko model. Maverick natomiast nie ma żadnego wyniku w indeksie v5. Na jego stronie Artificial Analysis widnieje „N/A” tam, gdzie powinna być wartość inteligencji, obok prędkości 62,7 tokenów wyjściowych na sekundę i uwagi, że jest wolniejszy niż średnia w swojej klasie. Wartość 14,3 krążąca po stronach porównawczych pochodzi sprzed przebudowy.

To, co mierzalne, jest węższe i bardziej uczciwe. Mistral podaje 41% w Terminal-Bench 4.0, w górę z 28% w wersji preview; 61,7% w DeepSWE v1.1; 79% w CyberGym-E2E; oraz 51 w Artificial Analysis Cyber Index, trzecie miejsce wśród modeli z otwartymi wagami. Wszystkie te wyniki poza Cyber Index są raportowane przez dostawcę na własnym szkielecie agenta Mistrala, a zwłaszcza wynik Terminal-Bench odtworzono znacznie niżej — 24,7% — gdy te same wagi uruchomiono na neutralnym harnessie mini-swe-agent Artificial Analysis. Opublikowane wyniki Mavericka pochodzą z kwietnia 2025 r. i opierają się na całkowicie starszym zestawie: 85,5 MMLU, 80,5 MMLU-Pro, 69,8 GPQA Diamond, 91,6 DocVQA, wszystkie raportowane przez Meta w momencie premiery. Nie istnieje wspólny harness, w którym uruchomiono oba modele, więc jedyne możliwe do obrony stwierdzenie ma charakter kierunkowy: nowszy, większy model trenowany w rozumowaniu jest lepszy w trudnych zadaniach, o wielkość, której nikt jednoznacznie nie zmierzył w przypadku tej pary.

Co faktycznie daje ci milion tokenów w każdym z nich

Okno kontekstu to obszar, w którym oba modele wyglądają najbardziej podobnie, a jednocześnie zachowują się najbardziej odmiennie w środowisku produkcyjnym.

Karta modelu Llama 4 Maverick podaje 1 048 576 tokenów, a panel specyfikacji Artificial Analysis powtarza 1M. W praktyce większość hostów ogranicza go znacznie mocniej — 128K jest powszechne — i prawie żaden nie da ci jednocześnie pełnego okna i użytecznego budżetu wyjściowego. Maksymalna długość wyjścia w Mavericku wynosi zazwyczaj od 8K do 16K w zależności od dostawcy, a własny hostowany endpoint Meta był podawany jako około 4K. Zatem wersja „1M kontekstu” na Mavericku to zwykle wersja 128K u zewnętrznego hosta — i przekonujesz się o tym przy pierwszym długim dokumencie.

Mistral Large 4 podaje 1M przez własne API Mistrala, co jest co najmniej jedną konkretną liczbą, za którą ktoś odpowiada, a nie loterią zależną od hosta. Dokumentacja Mistrala nie podaje maksymalnej wartości wyjściowej, więc obowiązuje ta sama rada: zmierz tę parę — okno wejściowe i limit wyjściowy — na endpointcie, który faktycznie będziesz wywoływać, a nie na karcie.

Właśnie do tego służy router. OrcaRouter przekazuje cenę katalogową dostawcy bez narzutu (0% marży) i automatycznie przełącza się między dostawcami w razie awarii, dzięki czemu host, który po cichu skraca okno kontekstu, pojawia się jako decyzja routingu, a nie incydent produkcyjny. Ani Mistral Large 4, ani Llama 4 Maverick nie znajdują się dziś w naszym katalogu, więc to argument o sposobie uruchamiania dowolnego wybranego przez ciebie modelu o otwartych wagach, a nie twierdzenie, że obsługujemy te dwa.

Rachunek wyliczony — i dlaczego spread jest tu sednem

Weźmy umiarkowane obciążenie produkcyjne: 100 milionów tokenów wejściowych i 40 milionów tokenów wyjściowych miesięcznie.

• {{1}}Mistral Large 4 według cennika{{/1}} — {{2}}100 × 0,70 USD to 70 USD, a 40 × 2,10 USD to 84 USD, czyli 154 USD miesięcznie{{/2}}.

• Llama 4 Maverick przy medianie dostawcy — 100 × 0,50 USD to 50 USD, a 40 × 1,68 USD to 67,20 USD, czyli 117,20 USD miesięcznie.

• Llama 4 Maverick u konkurencyjnego dostawcy hostingu — przy około 0,25 USD i 0,92 USD to samo obciążenie kosztuje 61,80 USD.

• Llama 4 Maverick u najtańszych dostawców hostingu — około 0,17 USD i 0,60 USD, co daje 41 USD.

Zatem stosunek względem Mistral Large 4 waha się od 1,3 razy przy medianie do około 3,8 razy na dole rynku. Ten zakres nie jest właściwością modelu. Jest właściwością tego, gdzie kupujesz Mavericka, i jest szerszy niż różnica między oboma modelami w środku rozkładu. Zespół, który przeprowadza benchmarki na tanim hostingu i planuje budżet według mediany, wprowadził do własnej prognozy błąd wynoszący 3×.

Zestaw to z możliwościami, których obecnie nie da się zmierzyć parami, a decyzja przestaje być arytmetyką. Rozsądne ujęcie to koszt na ukończone zadanie, a nie koszt na token: jeśli Mistral Large 4 kończy jednym przebiegiem zadanie, które na Mavericku wymaga trzech prób i pętli naprawczej, nawet 1,3× różnica mediany znika. To twierdzenie, które musisz przetestować na własnych zadaniach, i to najbardziej wartościowy eksperyment, jakiemu w tym miesiącu można poddać którykolwiek z modeli.

To, czego nikt nie mówi na głos: Maverick jest ostatnim otwartym modelem Llama.

Llama 4 Maverick nie został wycofany. Nadal jest dostępny na Hugging Face, nadal objęty licencją Llama 4 Community License i wciąż szeroko wdrażany w środowiskach lokalnych oraz odizolowanych od sieci. Ale to koniec pewnej linii. Rozwój modeli frontier Meta przeniósł się w 2026 roku do zamkniętej rodziny Muse Spark i żaden Llama 5 nie został wydany — strony twierdzące, że tak się stało, podawały specyfikacje sprzeczne ze sobą nawzajem oraz z własnymi komunikatami Meta. Inwestycje w otwarty nurt Llama praktycznie ustały.

To zmienia znaczenie „wybrać Maverick”. Nie oznacza to wyboru modelu, który będzie się poprawiał; oznacza wybór modelu, który pozostanie dokładnie taki, jaki jest, podczas gdy otaczające go narzędzia będą powoli dryfować. W przypadku dostrojonego, zamrożonego i wdrożonego systemu jest to w porządku — można wręcz uznać to za zaletę, ponieważ nic nie zmienia się pod tobą. W przypadku platformy, na której zamierzasz się rozwijać, to ślepa uliczka z dwuletnim horyzontem. Pamiętaj, że granica wiedzy modelu przypada na sierpień 2024 r.: model nigdy nie widział niczego, co wydarzyło się później, i żadna ilość inżynierii promptów tego nie naprawi.

Mistral Large 4 ma odwrotny profil ryzyka. Od sześciu dni jest dostępny jako wydanie z otwartymi wagami, jego dokumentacja wciąż określa je jako publiczną wersję zapoznawczą, a licencja wymaga umowy komercyjnej, jeśli zamierzasz odsprzedawać na nim wnioskowanie. Młode i dynamiczne, z warunkami, które trzeba przeczytać, zanim zbudujesz na nim biznes.

Gdzie Maverick wciąż wygrywa

Trzy sprawy, i to nie byle jakie.

Pierwsza kwestia to sprzęt. Parametry Mavericka o wielkości 400B mieszczą się w około 373 GB przy FP8, co odpowiada jednemu węzłowi z ośmioma GPU H100 lub H200. Checkpoint FP8 modelu Mistral Large 4 zajmuje około 1,06 TB w 54 shardach, a Mistral twierdzi, że skwantyzowana wersja NVFP4 działa na czterech GPU B200 lub B300. Jeśli twoje wdrożenie to jeden węzeł w szafie, którą już posiadasz, wybór został dokonany za ciebie.

Druga kwestia to dostrajanie. Maverick ma za sobą dziewiętnaście miesięcy społecznościowych LoRA, przepisów kwantyzacji i przewodników po wdrażaniu. Mistral Large 4 ma za sobą sześć dni. Luka ekosystemowa jest realna i mierzy się ją w godzinach debugowania, a nie w benchmarkach.

Trzecia kwestia to charakter zadania. Klasyfikacja, ekstrakcja, routing, streszczanie krótkich dokumentów, masowe generowanie opisów obrazów — żadne z nich nie wymaga modelu rozumującego o bilionie parametrów, a wszystkie są tańsze w przypadku modelu z 17B aktywnych parametrów. Przepłacanie za tokeny rozumowania, których nigdy nie używasz, to najczęstszy sposób, w jaki zespoły marnują pieniądze przy wyborze modelu.

Jeśli szukasz aktualnego modelu o otwartych wagach, który nie jest żadnym z tych dwóch, katalog OrcaRouter oferuje Kimi K3 oraz GLM-5.3-Flash, a oba można wywołać tym samym kluczem API co pozostałe ponad 200 modeli, które obsługujemy, w cenie katalogowej dostawcy bez marży. Stanowią one ramy tego porównania, a nie jego część — GLM-5.3-Flash ma cennik 0,15 USD za wejście i 0,50 USD za wyjście, znacznie poniżej obu modeli z tego tekstu, podczas gdy Kimi K3 wyceniono na 3,00 USD i 15,00 USD, znacznie powyżej obu. Żaden z nich nie zastępuje dwóch modeli z tego artykułu, ale to dwa oczywiste miejsca, w których warto szukać, jeśli żaden z końców tego zakresu nie pasuje.

Jak podjąć decyzję w ciągu jednego popołudnia

Wyciągnij dwadzieścia rzeczywistych zadań ze swoich logów. Przepuść je przez oba modele z tymi samymi promptami i tym samym limitem tokenów wyjściowych, a następnie oceń je pod kątem tego, czy wynik nadawał się do użycia bez ręcznej edycji. Zapisz, ile tokenów zużyło każde z nich, pomnóż przez ceny powyżej i podziel przez liczbę użytecznych wyników. Otrzymasz koszt przypadający na jeden użyteczny wynik — jedyną liczbę, która przetrwa zetknięcie z budżetem.

Moje oczekiwanie, wyrażone jako oczekiwanie, a nie ustalenie: Mistral Large 4 wygrywa w trudnej połowie tego zestawu, a przegrywa w łatwej połowie pod względem kosztu, a punkt podziału wypada tam, gdzie Twoje zadania przestają wymagać wieloetapowego rozumowania. Maverick nie jest lepszym modelem. Jest tańszy w medianie tak długo, jak tanie wystarcza — a po dziewiętnastu miesiącach bez następcy to zakład z widoczną datą ważności.