Mistral Large 4 vs Claude Opus 5.5: Jedyny wynik bezpośredniego porównania dotyczy niewłaściwej wersji

Jedyny istniejący ślepy bezpośredni pojedynek dla Mistral Large 4 i Claude Opus 5.5 został zmierzony względem poprzedniej wersji jednego z nich. Surge AI ukrył tożsamości modeli i zlecił profesjonalnym adnotatorom ocenę wyników kodowania w skali 1–5; Mistral Large 4 Preview zajął drugie miejsce z pięciu z wynikiem 3,74, za Claude Opus 5 z wynikiem 4,22 i przed Kimi K3 z 3,59 i GLM-5.3 z 3,60. Claude Opus 5.5 został wydany 22 września, więc najbliższy odpowiednik opublikowanego ludzkiego porównania dla tej pary jest o trzy tygodnie starszy niż obecne wydanie przeciwnika, i nikt go nie powtórzył. Wszystko inne jest porównywalne i wskazuje na jeden kierunek: w Indeksie Inteligencji Artificial Analysis, Mistral Large 4 Preview ma 38,4, a Claude Opus 5.5 ma 58 — pierwszy z 216 modeli — podczas gdy koszt wykonania jednego zadania indeksowego wynosi 1,13 USD w porównaniu do 5,98 USD.

Te dwa fakty to cały kształt tej decyzji. Luka w możliwościach jest duża i, w tej wersji, większa niż była. Różnica w kosztach to nieco ponad pięciokrotność i nie zmieniła się, gdy Anthropic obniżył swoje ceny.

Czym jest Claude Opus 5.5 według samego Anthropic

Claude Opus 5.5 to obecny flagowy model Anthropic, wydany 22 września 2026 r. i pozycjonowany do długoterminowej pracy agentowej: wieloetapowych sesji, intensywnego korzystania z narzędzi i kodu. W cenniku widnieje jako 4 USD za milion tokenów wejściowych i 20 USD za milion tokenów wyjściowych, przy czym odczyt z pamięci podręcznej kosztuje 0,20 USD, a zapis do niej 5 USD — Anthropic opisuje te ceny jako o 20% niższe niż w Opus 5 w przypadku danych wejściowych i wyjściowych oraz o 60% niższe w przypadku odczytów z pamięci podręcznej. Dostępny jest tryb Fast w cenie 8 / 40 USD, który — jak twierdzi firma — działa nawet 2,5 raza szybciej w Claude Code i Claude Platform. Jest dostępny w Amazon Web Services, Google Cloud i Microsoft Azure, z oferowaną zerową retencją danych, a Anthropic zapowiada, że Claude Sonnet 5.5 i Claude Haiku 5.5 pojawią się w nadchodzących tygodniach.

Dwa szczegóły na tej stronie mają większe znaczenie niż pozostałe. Pierwszy to ograniczenie migracyjne, a nie funkcja: Anthropic podaje, że Claude Opus 5.5 nie jest już dostępny z wyłączonym trybem myślenia. Jeśli Twoja obecna pipeline wywołuje Opus 5 w trybie bez myślenia dla tanich, szybkich, deterministycznych tur, ta konfiguracja nie ma bezpośredniego następcy w tym modelu. Drugi to własne zastrzeżenie Anthropic, wydrukowane obok jej wyników, że przewagi w benchmarkach stały się mniej wiarygodnym wskaźnikiem rzeczywistych różnic — co jest niezwykłe, by dostawca pisał coś takiego obok tabeli, w której wygrywa, i warto to potraktować dosłownie, czytając poniższe liczby.

Podane przez dostawcę liczby z ogłoszenia Anthropic to Terminal-Bench 4.0 – 66,4%, FrontierCode v1.1 – 54,4%, CursorBench 4.0 – 57,8%, GDPval-AA v2.1 – 1 846 Elo, AutomationBench – 40,0%, Humanity's Last Exam – 67,7% z narzędziami, Terminal-Bench-Science 0.1 – 58,7% i OSWorld 2.1 – 81,8% częściowo. Wszystkie te wyniki to własne przebiegi Anthropic, a wyniki modeli porównawczych pochodzą ze stron samych dostawców; żaden z nich nie został niezależnie odtworzony dla tego zestawienia ani żadnego innego.

Czym jest Mistral Large 4 na dzień 13 października

Mistral Large 4 to publiczna wersja zapoznawcza ogłoszona 6 października 2026 r., rewizja v26.10, i jest to największy model, jaki Mistral AI udostępnił. Firma opisuje go jako natywnie multimodalny rzadki model typu mixture-of-experts, który ma 1,05 biliona parametrów łącznie i 52 miliardy aktywnych, a do tego 1,6-miliardowy enkoder wizyjny; został wytrenowany od zera na 3800 układach NVIDIA Grace Blackwell w europejskich centrach danych należących do Mistrala, na danych obejmujących ponad 160 języków. Artificial Analysis odnotowuje liczbę aktywnych jako 49 miliardów, a nie 52 miliardy — trzymiliardowa różnica w jednym wymiarze, odnotowana, a nie uśredniona. Karta modelu samego Mistrala podaje okno kontekstu wynoszące 1 mln tokenów; Artificial Analysis odczytuje 524 288 w testowanej przez siebie konfiguracji, a FAQ Artificial Analysis mówi o 520 tys., co jest różnicą między pułapem reklamowanym przez dostawcę a oknem, które faktycznie daje ci wdrożona usługa.

Cennik wynosi 1,36 USD za milion tokenów wejściowych, 0,14 USD za zbuforowane dane wejściowe i 4,18 USD za milion tokenów wyjściowych w cenniku, a promocja startowa pokazuje te same trzy pozycje przekreślone na 0,68 USD, 0,07 USD i 2,09 USD. Etykiety statusu na karcie to Public Preview, Open oraz v26.10 — i to właśnie drugą z nich trzeba czytać uważnie. Mistral twierdzi, że wagi zostaną udostępnione do końca miesiąca, a wpis zapowiadający premierę powtarza tę deklarację dwa razy; nie podaje natomiast nazwy licencji. Artificial Analysis śledzi tę dziedzinę niezależnie i zapisuje nazwę licencji jako null, oznacza model jako isOpenWeights: false, i klasyfikuje go jako własnościowy. Nikt tu nikomu nie zaprzecza. Wersja zapoznawcza serwowana z własnego klastra dostawcy, bez repozytorium punktów kontrolnych i bez tekstu licencji, jest modelem, który można wywołać, a nie wydaniem otwartych wag, a twierdzenie o otwartych wagach to plan z przypisanym terminem, a nie link do pobrania.

Własne wyniki benchmarków Mistrala, które w całości są raportowane przez dostawcę, wynoszą 61,7% w DeepSWE v1.1, 59,4% w SWE-Atlas-QnA, 28,3% w Terminal-Bench 4.0 oraz 49,8% w Coding Agent Index; 59,9% w AutomationBench obejmującym 657 biznesowych przepływów pracy; 1 393 Elo w AA-Briefcase; 42% w Dense 200 pod kątem ugruntowania wizualnego; a w swoich ocenach cyberbezpieczeństwa 82% w teście odtwarzania i łatania, który Mistral opisuje jako najwyższy spośród wszystkich modeli, obok 93% w 40 ćwiczeniach konkursowych Cybench. Firma zleciła również zaślepione badanie z udziałem ludzi i je opublikowała, co jest silniejszą formą dowodu niż samodzielnie przeprowadzony benchmark, ale wciąż badaniem, którego publikację kontrolowała.

Co zmieniła w tej decyzji aktualizacja do wersji 5.5?

Jeśli przeczytałeś stronę Mistral Large 4 kontra Claude Opus 5 na tym blogu, trzy rzeczy są tu nowe i tylko jedna z nich to obniżka ceny.

• Luka w możliwościach się powiększyła, a nie zmniejszyła. Claude Opus 5 uzyskał 50,8 punktu w Intelligence Index; Claude Opus 5.5 uzyskuje 58. W zestawieniu z 38,4 Mistral Large 4 Preview dystans rośnie z 12,4 punktu do 19,6. Aktualizacja wersji, która dodaje siedem punktów na szczycie tabeli, podczas gdy pretendent stoi w miejscu, sprawia, że wybór czołowego rozwiązania jest bardziej oczywisty, a nie bardziej niejasny.

• Obniżka cen nie dotarła do rachunku. Anthropic obniżył ceny wejściowe i wyjściowe o 20% — z 5 USD / 25 USD do 4 USD / 20 USD — ale koszt ukończenia jednego zadania indeksowego według Artificial Analysis wzrósł, z 5,86 USD dla Claude Opus 5 do 5,98 USD dla Claude Opus 5.5. Tańsze tokeny zostały zużyte przez model, który wykorzystał ich więcej. To najbardziej użyteczna liczba na tej stronie i warto się nad nią zatrzymać: ceny katalogowe są danymi wejściowymi do twojego rachunku, a nie jego prognozą.

• Jedna konfiguracja zniknęła. W Opus 5.5 nie można już wyłączyć trybu myślenia. Jeśli kupowałeś Opus 5 częściowo z myślą o taniej ścieżce bez trybu myślenia, ten model nie zastępuje tej ścieżki, a decyzja o zamianie dotyczy teraz dwóch modeli, a nie wymiany wersji.

Co się nie zmieniło: kwestia pamięci podręcznej nadal przemawia na korzyść Anthropic w przypadku powtarzanego kontekstu — 0,20 USD za milion przy odczycie z pamięci podręcznej wobec 0,14 USD z cennika Mistrala i 0,07 USD w promocji. W pętli agenta z długim kontekstem i stałym prefiksem to właśnie ten wiersz najbardziej napędza rachunek, a obie te liczby wymagają równie wnikliwej analizy, jakiej właśnie poddano ceny podawane w nagłówkach.

Dwa najbardziej gadatliwe modele w rankingu

Artificial Analysis publikuje liczbę tokenów wyjściowych dla przebiegu indeksu każdego modelu, a dwa modele tutaj znajdują się na dwóch skrajnych końcach tego zakresu. Claude Opus 5.5 wygenerował w tym przebiegu 260 milionów tokenów wyjściowych. Mistral Large 4 Preview wygenerował 200 milionów. Mediana wśród zmierzonych modeli wynosi 85 milionów. Oba zużywają od dwóch do trzech razy więcej niż typowy model, aby odpowiedzieć na te same pytania, a tylko jeden z nich pobiera za to 4 i 20 dolarów za milion.

Gadatliwość nie jest wadą i nie jest też sygnałem jakości. Jest mnożnikiem ceny i to dlatego obniżka ceny Opusa nie przełożyła się na koszt na zadanie. Jeśli planujesz budżet wyłącznie na podstawie cennika, uwzględnij też mnożnik: przy 20 dolarach za milion tokenów wyjściowych model, który emituje trzy razy więcej niż mediana, ma efektywną stawkę za tokeny wyjściowe bliższą 60 dolarom za milion w porównaniu z modelem zachowującym się medianowo, a 260 milionów tokenów w zestawie ewaluacyjnym to nie błąd zaokrąglenia.

Tablica wyników

• Cena za milion tokenów, dane wejściowe / dane wyjściowe — Mistral Large 4: 1,36 USD / 4,18 USD (cena katalogowa), 0,68 USD / 2,09 USD (cena promocyjna), w porównaniu z Claude Opus 5.5: 4,00 USD / 20,00 USD

• Buforowane dane wejściowe — 0,14 USD według ceny katalogowej, 0,07 USD w promocji w porównaniu z 0,20 USD za milion odczytów i 5,00 USD za milion zapisów

• Koszt na zadanie Intelligence Index — 1,13 USD vs 5,98 USD, według Artificial Analysis

• Indeks inteligencji — 38,4, 65. z 216 vs 58, 1. z 216, według Artificial Analysis

• Tokeny wyjściowe w tym przebiegu indeksu — 200M vs 260M, wobec mediany 85M

• Okno kontekstowe — 1M deklarowane przez Mistral, przy czym 524,288 w testowanej konfiguracji, w porównaniu z 1M według odczytu Artificial Analysis dla Claude Opus 5.5, którego strona z ogłoszeniem nie podaje żadnej liczby w tej kwestii

• Maksymalna moc wyjściowa — niepublikowana przez żadnego z dostawców

• Zmierzona prędkość — nieopublikowana dla Mistral Large 4 Preview w porównaniu z 95,2 tokena wyjściowego na sekundę, z trybem Fast za 8 USD / 40 USD, który według Anthropic osiąga do 2,5x

• Wagi i licencja — obiecane do końca października, przy czym licencja pozostaje nienazwana; obecnie oznaczone przez Artificial Analysis jako zastrzeżone, w porównaniu z zamkniętym

• Dostępność — podglądowe API Mistrala i Mistral Studio, udostępniane na własnej europejskiej infrastrukturze Mistrala, w porównaniu z AWS, Google Cloud, Azure i katalogiem OrcaRouter

Kiedy Mistral Large 4 jest właściwym wyborem

Wybierz Mistral Large 4, gdy praca jest masowa, dobrze określona i tania do sprawdzenia. Klasyfikacja, ekstrakcja, streszczanie na dużą skalę, generowanie ustrukturyzowanych danych wyjściowych, wstępny przegląd kodu oraz długi ogon zadań wewnętrznych, w których błędna odpowiedź kosztuje ponowną próbę, a nie incydent. Przy 1,13 USD za zadanie indeksowe w porównaniu z 5,98 USD potok wykonujący milion zadań miesięcznie nie potrzebuje subtelnego argumentu, by uzasadnić tani model; potrzebuje, aby tani model był wystarczająco dobry, a w AutomationBench — wierszu, w którym model ma wykonać zwykłe przepływy pracy biznesowej — własny raportowany wynik Mistrala na poziomie 59,9% jest konkurencyjny wobec liczby, którą Anthropic podaje dla Opus 5.5 w tym samym środowisku testowym. Różne przebiegi, różni dostawcy, więc czytaj to jako sygnał, a nie wynik, ale to wiersz najbliższy temu, o co dział biznesowy faktycznie prosi model.

Mistral Large 4 jest także tą stroną tej pary, która ma wiarygodną ścieżkę do samodzielnego wdrożenia, a dla niektórych czytelników jest to warte więcej niż punkt w benchmarku. Obietnica wag do końca października to nie wagi, a nienazwana licencja to nie licencja, więc to powód, by obserwować, a nie powód do migracji już dziś. Ale spośród dwóch modeli tutaj jest to jedyny, w przypadku którego argument o rezydencji danych lub dostępie w trakcie incydentu może zakończyć się stwierdzeniem „uruchamiamy go sami”. Europejska historia trenowania i udostępniania stoi po tej samej stronie tego bilansu.

Kiedy Claude Opus 5.5 jest właściwym wyborem

Wybierz Claude Opus 5.5, gdy zadanie jest długie, kroki zależą od siebie, a pomyłka jest kosztowna. Terminal-Bench 4.0 to najostrzejsza linia podziału w tym porównaniu — Anthropic podaje 66,4% dla Opus 5.5 w porównaniu z 28,3% dla własnego modelu Mistrala na tym samym środowisku testowym — a praca w terminalu jest najbliższym publicznym przybliżeniem kodowania agentowego, które jest głównym powodem, dla którego zespoły kupują model frontier. 19,6-punktowa różnica w Intelligence Index i prawie 2,4-krotna różnica w Terminal-Bench mówią to samo: to nie jest wyrównana walka na trudnym końcu, a żaden argument cenowy tego nie nadrobi, jeśli twoje obciążenie pracą właśnie tam się znajduje. Dodaj do tego kontekst 1M, zmierzone 95,2 tokena na sekundę w porównaniu z niepublikowaną wartością po drugiej stronie, tryb Fast dla ścieżek wrażliwych na opóźnienia oraz dostępność w trzech głównych chmurach z zerową retencją danych — a wyższa cena zapewnia realny zapas operacyjny.

Praktyczne pytanie brzmi, czy przy każdym wywołaniu potrzebujesz pełnego premium. Większość zespołów uruchamiających model klasy frontier na dużą skalę stwierdza, że mniejszość żądań — te z prawdziwą wieloetapową niejednoznacznością — pochłania większość możliwości, a pozostałe nie. To decyzja o routingu, a nie decyzja o modelu, i to jest ten przypadek, w którym uruchamianie obu jest właściwą odpowiedzią. Claude Opus 5.5 znajduje się w katalogu OrcaRouter w cenie katalogowej Anthropic z 0% narzutu, w tym samym punkcie końcowym zgodnym z OpenAI co ponad 200 innych modeli, więc wypróbowanie obu kosztuje jeden klucz, a nie drugą umowę z dostawcą. Mistral Large 4 nie znajduje się dziś w naszym katalogu — dostęp do niego uzyskuje się przez własne API w wersji zapoznawczej Mistrala oraz za pośrednictwem kilku platform innych firm — i jest to stwierdzenie faktu dotyczącego naszej listy, a nie zapowiedź cichej premiery.

W wersji zapoznawczej funkcją, która zasługuje na swoje miejsce, jest przełączanie awaryjne. Wysyłanie części ruchu do modelu, którego licencja, wagi i obsługiwany kontekst to wciąż otwarte pytania, oznacza, że użytecznym trybem awarii jest przekierowanie, a nie przerwa w działaniu, a prawdziwych trybów awarii modelu uczysz się na własnych danych, a nie na czyjejś tabeli wyników.

Jeden fakt, który to rozstrzyga

Nikt nie przeprowadził porównania Mistral Large 4 i Claude Opus 5.5 bezpośrednio, przy dopasowanych ustawieniach, na nazwanym harnessie — jedyny istniejący zaślepiony wynik ludzki został uzyskany w zestawieniu z Claude Opus 5, a wersja, względem której dokonujesz wyboru, to nie Claude Opus 5 — więc uczciwą podstawą decyzji na dziś jest to, że tani model kosztuje jedną piątą tego, co drogi, w przeliczeniu na ukończone zadanie, a drogi ma nad nim przewagę około dwudziestu punktów indeksu i blisko 2,4-krotną różnicę w Terminal-Bench, przy cenie katalogowej, którą Anthropic obniżył, nie obniżając kosztu przypadającego na zadanie.

Jeśli nieudana odpowiedź w Twoim obciążeniu kosztuje mniej niż 4,6 ponowienia, kup Mistral Large 4. Jeśli kosztuje więcej, kup Claude Opus 5.5 — a jeśli nie potrafisz jeszcze odpowiedzieć na to pytanie o własnym ruchu, uruchom oba na jednym punkcie końcowym i pozwól, by odpowiedział na nie za Ciebie miesiąc rzeczywistych żądań.