Muse Spark vs Mistral Large 4.0: Zapowiedź kontra wydany model

To nie jest uczciwa walka i M​istral powiedziałby to pierwszy. M​istral Large 4.0 został ogłoszony 6 października 2026 r. jako publiczna wersja zapoznawcza pod pseudonimem „le Chonk" — mieszanina ekspertów o bilionie parametrów i 52 miliardach aktywnych parametrów, opisująca samą siebie jako wciąż się poprawiającą, z wagami obiecanymi do końca października. Muse Spark 1.3, obecny checkpoint Muse Spark od M​eta, został wydany 2 września 2026 r. i od tego czasu jest stabilny. Porównywanie modelu w wersji zapoznawczej z modelem już wydanym to błąd kategorii, jeśli wybierasz infrastrukturę produkcyjną, a całkiem użyteczne ćwiczenie, jeśli próbujesz ustalić, która z tych dwóch linii związanych z otwartymi wagami zasługuje na twoją uwagę w ciągu najbliższych dwóch kwartałów. To, którą z tych rzeczy robisz, zmienia każdy z poniższych wniosków, dlatego ten tekst rozdziela te dwa pytania.

Gdzie każde z nich faktycznie stoi

Muse Spark to rodzina, a nie pojedynczy model. Muse Spark 1.1 pojawił się 16 lipca 2026 r., Muse Spark 1.2 – 5 sierpnia, a Muse Spark 1.3 – 2 września, wszystkie z M​eta Superintelligence Labs, wszystkie z oknem kontekstowym wynoszącym 1 048 576 tokenów. Muse Spark 1.3 zyskał maksymalne ustawienie rozumowania 4 września. Jest dostępny, wyceniony, udokumentowany i stabilny — a cennik rodziny nie zmienił się przez trzy kolejne wydania.

Mistral Large 4 znajduje się na drugim końcu swojego cyklu życia. Ogłoszenie jest nietypowo szczere: publiczna wersja zapoznawcza w Mistral Studio już dziś, wagi „do końca miesiąca”, model, który „wciąż szybko się poprawia, gdy go dopracowujemy”, obecnie poddawany red teamingowi z partnerami ds. cyberbezpieczeństwa i zweryfikowanymi organizacjami w ramach ograniczonej moderacji. Został wytrenowany od podstaw na 3800 GPU NVIDIA Grace Blackwell we własnych europejskich centrach danych Mistral, a Mistral wprost podkreśla, że chodzi o suwerenność — model hostowany w Europie, możliwy do samodzielnego wdrożenia dla organizacji, które nie mogą zaakceptować odmów na poziomie dostawcy w trakcie incydentu.

Ta różnica w dojrzałości to pierwsza rzecz, którą należy uwzględnić w wycenie, i nie jest to zarzut. Wersja zapoznawcza, która się zmieni, to wersja zapoznawcza, na której nie należy jeszcze budować certyfikowanego potoku; wydany model, który nie zmienił się od sześciu tygodni, to taki, na którym można.

Niezależne liczby

Oba wiersze to pomiary hostowane przez Artificial Analysis; żaden z nich nie jest twierdzeniem dostawcy, a w wykazie wpis Mistrala figuruje jako „Mistral Large 4 Preview”.

• Indeks Inteligencji — Muse Spark 1.3 (max): 48, 24. miejsce na 217. Mistral Large 4 Preview: 38, 66. miejsce na 217.

• Koszt na zadanie indeksowania — Muse Spark 1.3: 1,60 USD. Mistral Large 4 Preview: 1,13 USD. Mistral jest tańszy w przeliczeniu na ukończone zadanie mimo niższego wyniku.

• Szybkość generowania — Muse Spark 1.3: 121,9 tokena na sekundę, 43. miejsce na 186. M​istral Large 4 Preview: nie zmierzono, nie opublikowano wartości. W przypadku wersji zapoznawczej obsługiwanej z pojedynczego wewnętrznego klastra niezmierzona szybkość nie dziwi, ale wciąż stanowi lukę.

• Rozwlekłość — Muse Spark 1.3: 170 mln tokenów wyjściowych w indeksie. M​istral Large 4 Preview: 200 mln, opisywany jako bardzo rozwlekły. Przewaga Muse Spark.

• Cennik katalogowy — Muse Spark 1.3 po 1,25 USD za wejście / 4,25 USD za wyjście, z wejściem z pamięci podręcznej po 0,15 USD, stawka stała. M​istral Large 4 jest obecnie objęty stawką promocyjną podawaną jako 0,68 USD za wejście / 2,09 USD za wyjście, z wejściem z pamięci podręcznej po 0,07 USD, wobec stawek standardowych 1,36 USD i 4,18 USD. Publiczna strona z cennikiem samego M​istrala wciąż podaje ogólną kwotę dla „M​istral Large” i nie wymienia Large 4, więc to strona dokumentacji jest źródłem wiążącym, a stawkę promocyjną należy zweryfikować przed podjęciem decyzji.

Odczytaj tę tabelę jako stwierdzenie o dniu dzisiejszym, a mówi ona coś lekko niezręcznego dla firmy Meta: tańszy model jest tu tym z niższym wynikiem, i to niższym o dziesięć punktów indeksu. Odczytaj ją jako stwierdzenie o wersji zapoznawczej, a mówi coś bardziej użytecznego — koszt działania jest konkurencyjny, podczas gdy możliwości jeszcze nie są na tym poziomie, co jest kształtem modelu, który ma pole do rozwoju, i dostawcy, który odpowiednio to wycenił.

Konflikt okna kontekstowego — przedstawiony, a nie rozwiązany

Własna karta modelu Mistrala podaje, że Mistral Large 4 ma okno kontekstu o rozmiarze 1 miliona tokenów. Wpis Artificial Analysis dla tego samego modelu pokazuje 524 000 w panelu specyfikacji i opisuje je w treści jako „520 tys. tokenów”. Nie zamierzamy uśredniać tych wartości. Jedna z tych dwóch liczb jest błędna albo jedna opisuje konfigurację, której nie opisuje druga, i nie udało nam się tego rozstrzygnąć na podstawie publicznie dostępnych informacji. Możemy powiedzieć, że wartość podana przez dostawcę dokładniej określa modalność i architekturę, a wartość podana przez analityka dokładniej określa koszt i wydajność w zadaniach, więc żadne źródło nie ma przewagi. Jeśli rozmiar okna ma znaczenie dla twojej decyzji, zweryfikuj go w API, zanim dokonasz wyboru — to dokładnie ten rodzaj rozbieżności, który niepostrzeżenie przenika do środowiska produkcyjnego.

W kwestii modalności nie ma konfliktu ani dwuznaczności: oba modele przyjmują na wejściu tekst i obraz, a zwracają tekst. Karta modelu M​istral Large 4 dodaje rozumowanie jako modalność wyjściową i wymienia wśród swoich funkcji ustrukturyzowane dane wyjściowe, wywoływanie funkcji, pytania i odpowiedzi dotyczące dokumentów, uzupełnianie prefiksu, przetwarzanie wsadowe, agentów i konektory. Muse Spark 1.3 przyjmuje tekst, obraz i wideo, a zwraca tekst, z drabinką rozumowania od minimalnego do maksymalnego poziomu. Warto zauważyć, że żaden z modeli nie publikuje maksymalnej liczby tokenów wyjściowych, którą moglibyśmy zweryfikować — co jest jednym z nielicznych miejsc w obecnej dziedzinie, w których model frontierowy od dużego laboratorium po prostu tego nie podaje.

Co twierdzi każdy dostawca, trzymane po swojej stronie

Ogłoszenie Mistrala opiera się na przewagach wertykalnych, a nie na ogólnej tablicy wyników. Zgłoszone przez dostawcę i nieodtworzone: DeepSWE v1.1 na poziomie 61,7%, SWE-Atlas-QnA na poziomie 59,4%, Terminal-Bench 4 na poziomie 28,3%, Combined Coding Agent Index na poziomie 49,8%, AutomationBench na poziomie 59,9%, AA-Briefcase na poziomie 1 393 Elo, drugie miejsce z wynikiem 3,74 na 5 w prowadzonej przez Surge AI zaślepionej ocenie kodowania przez ludzi, 42% w Dense 200 visual grounding, 93,3% odporności na ataki w Lakera B3 oraz propozycja dotycząca cyberbezpieczeństwa, która jest prawdziwym wyróżnikiem — miejsce w pierwszej piątce w Artificial Analysis Cyber Index, 82% w zadaniu odtworzenia i załatania, które według Mistrala jest najwyższym wynikiem spośród wszystkich modeli, i 93% w Cybench. Sam Mistral ujmuje ten ostatni punkt tak, że kilka wiodących modeli zamkniętych, w tym Claude Opus 5.5 i GPT-6 Astra, uzyskuje wynik bliski zeru w tym samym teście, ponieważ odmawiają wykonania zadania, a nie dlatego, że ponoszą porażkę.

M​eta podaje dla Muse Spark 1.3 następujące wyniki jako tablicę wyników agentów ogólnego przeznaczenia: DeepSWE v1.1 – 75,4, OSWorld 2.0 – 66,9, Terminal-Bench 2.1 – 76,4 z agentem Terminus 2, MCP-Atlas – 89,2, GDPval-AA v2 – 1754, SciCode – 58,5, HLE-Diamond bez narzędzi – 26,1 oraz JobBench – 61,8.

Te dwie listy ledwo mają punkty wspólne. DeepSWE v1.1 to jedyna ewaluacja, którą publikują obie firmy, a tam Meta deklaruje 75,4 wobec 61,7 Mistrala — różnica wystarczająco duża, by przetrwać różnice w środowisku testowym, choć nie odtworzyliśmy żadnego z tych wyników. Wszędzie indziej dostawcy po prostu mierzyli różne rzeczy, dlatego uczciwe porównanie opiera się na niezależnych wierszach powyżej, a nie na zestawianiu tych dwóch tabel.

Pytanie, które tak naprawdę ich dzieli: otwarte wagi

To jest oś, którą sugeruje tytuł starcia, i ta, w której dwa modele są naprawdę różnymi produktami, a nie lepszą i gorszą wersją tego samego.

Mistral Large 4 ma zadeklarowaną ścieżkę do wag do pobrania, obiecaną do końca października 2026 r., wraz z towarzyszącym twierdzeniem, że przewyższa każdy model o otwartych wagach opracowany w USA lub Europie. Jeśli to się ziści, stanie się największym europejskim wydaniem o otwartych wagach i realną opcją dla organizacji, które potrzebują samodzielnego hostowania. Należy zauważyć, że licencja nie ma nazwy na karcie modelu w momencie pisania tego tekstu, a repozytorium Hugging Face nie było publicznie czytelne, gdy sprawdzaliśmy, więc warunki, na jakich te wagi się pojawią, nie są jeszcze znane — luka, której nie zamierzamy zamiatać pod dywan, ponieważ w wydaniach o otwartych wagach licencja często mówi wszystko.

Linia Muse Spark nie jest linią otwartych wag. Muse Spark 1.1, 1.2 i 1.3 są zamknięte i udostępniane przez własne API M​eta. To, co rzeczywiście ma wagi, to osobny członek rodziny pod własną nazwą — Muse Spark Open, wydanie o łącznej liczbie 816B parametrów, z czego 42B aktywnych, którego repozytorium utworzono 15 września 2026 r., przez cztery tygodnie miało ograniczony dostęp i pozostawało nieogłoszone, a zostało opublikowane z licencją przez firmę M​eta 15 października 2026 r. Ten harmonogram to część, którą możemy stwierdzić wprost, ponieważ znaczniki czasu repozytorium i data licencji znajdują się w artefakcie. Nie potwierdzono natomiast, jak dobre jest to wydanie: M​eta nie opublikowała raportu z ewaluacji stojącego za jej własną kartą wyników, więc traktuj wagi Open jako odrębną kwestię, a nie jako nowszą wersję Muse Spark 1.3. Każdy, kto porównuje obietnicę otwartych wag ze strony M​istral z Muse Spark 1.3, porównuje dwa różne modele dystrybucji, a nie dwa poziomy możliwości.

Co oznacza, że reguła decyzyjna jest prosta i prawie nie ma nic wspólnego z indeksem. Jeśli musisz uruchamiać model na własnym sprzęcie, we własnej jurysdykcji, zgodnie z własnymi politykami, to w tym porównaniu jest tylko jeden kandydat i jest nim Mistral, z zastrzeżeniem tego, co mówi jego licencja, gdy pojawią się wagi. Jeśli kupujesz endpoint, wersja preview Mistrala jest obecnie opcją niżej ocenianą i tańszą w porównaniu z wydanym modelem, który bije ją o dziesięć punktów indeksu.

Budowanie w oparciu o jedno lub drugie bez zamykania się na stałe

OrcaRouter kieruje Muse Spark 1.2 i Muse Spark 1.1 w cenie katalogowej Meta z 0% marży przekazywanej dalej, obok ponad 200 modeli w ramach jednego API, z automatycznym przełączaniem awaryjnym i DSL routingu do rozdzielania ruchu między nimi. Mistral Large 4 nie ma w naszym katalogu, a Muse Spark 1.3 też nie — nie będziemy więc udawać, że to starcie da się dziś przeprowadzić od początku do końca na jednym z naszych kluczy. Model pass-through przydaje się tu do dokładnie tego, czego potrzebuje to starcie: ponieważ wyprzedażowa cena Mistrala i wydanie jego wag przypadają w odstępie zaledwie kilku tygodni od siebie, klucz routowany sprawia, że zmiana ceny lub nowa otwarta kompilacja pojawia się po naszej stronie tego samego dnia, w którym pojawia się po ich stronie, a nie dopiero przy kolejnym odnowieniu umowy.

Co robić w tym miesiącu

Jeśli twoja decyzja może poczekać do końca października, poczekaj — najdonioślejszy fakt dotyczący M​istral Large 4 nie został jeszcze opublikowany, a jest nim licencja na wagi, a nie jakakolwiek liczba w tym artykule. Jeśli nie może poczekać, obecne porównanie to zestawienie wersji zapoznawczej w cenie 0,68 USD / 2,09 USD w promocji, z wynikiem indeksu 38 i bez zmierzonej szybkości generowania, oraz wydanego modelu w cenie 1,25 USD / 4,25 USD, z wynikiem indeksu 48, około 122 tokenów na sekundę i sześcioma tygodniami stabilności za sobą. Wersja zapoznawcza jest dziś tańsza w przeliczeniu na zadanie i niemal na pewno będzie innym modelem, zanim ktokolwiek to przeczyta; wersja wydana jest o dziesięć punktów mocniejsza i nie ulegnie zmianie. Żadna z tych opcji nie jest rekomendacją, ponieważ czynnikiem decydującym jest to, czy wagi, które obiecał M​istral, są czymś, czego potrzebujesz — a to nie jest pytanie o benchmark.

Taki wynik jest również przypomnieniem, że błędy modeli są już udokumentowane: incydenty AI i awarie agentów dotyczące modeli z tej klasy są gromadzone w OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, poziom istotności, stopień pewności i znacznik sporu.