Mistral Large 4 против Qwen3.8 Max: заявленное лидерство, которое опровергают опубликованные цифры

В посте Mistral о запуске Mistral Large 4 утверждается, что её сводный балл в Coding Agent Index, равный 49,8%, ставит её «впереди DeepSeek V4 Pro 0813 и Qwen3.8 Max». У Artificial Analysis Qwen3.8 Max уже включена в то же семейство индексов, а её показатель в Terminal-Bench 4.0 равен 38,9%. Mistral указывает для своей собственной модели 28,3% на этом стенде. Оба числа получены от Artificial Analysis — одно публично, другое подготовлено в закрытом порядке до запуска стенда — и они указывают в противоположные стороны. Это не причина сбрасывать со счетов ни одну из моделей. Это самое полезное в данном противостоянии, потому что оно точно показывает, какую из двух вы можете проверить уже сегодня, и резко ставит вопрос о цене: Qwen3.8 Max стоит $2,00 за миллион входных токенов и $6,00 за миллион выходных токенов против $0,68 и $2,09 у Mistral Large 4 — примерно в три раза больше, и по всем опубликованным показателям она является более сильной моделью.

Оба — попытки уровня Alibaba и Mistral сделать одно и то же: нативно мультимодальный флагман с контекстом примерно в миллион токенов, рассуждениями, инструментами и структурированными выводами, — выпущенные с разницей в девять недель: один в публичном предпросмотре, другой в статусе общедоступной версии. Один из них доступен с 3 августа 2026 года и имеет целый столбец независимых оценок. Другой появился 6 октября 2026 года с обещанным выпуском весов до конца месяца и прогоном обучения с подкреплением, который, по словам вендора, всё ещё продолжает улучшаться.

Опубликованная колонка и обещанная

Qwen3.8 Max — это модель Alibaba с самыми широкими возможностями на сегодняшний день, и в своём руководстве по миграции Alibaba напрямую противопоставляет её GPT-5.5, Claude Opus 4.7 и Gemini 3.1 Pro. Она нативно мультимодальна — работает с текстом, изображениями и видео, выдавая текст, — имеет контекстное окно на 1 000 000 токенов, а её матрица возможностей подтверждает наличие режима размышлений, вызова функций, встроенных инструментов и структурированных выходных данных. Она доступна в трёх форматах API — совместимом с OpenAI, совместимом с Anthropic и нативном DashScope — из Пекина, Сингапура, Токио, Франкфурта и других регионов.

В Artificial Analysis он набирает 45,4 балла в Intelligence Index v4.3.2 — 17-е место из 147 моделей — и 76,2 в AA Coding index, что даёт 9-е место из 138 и первое место вместе с Kimi K3 среди моделей с открытыми весами. У него 92,8% на GPQA Diamond, 80,3% на long-context recall, 52,1% на SciCode и 47,8% на tau-banking. Его результат в Terminal-Bench 2.1 — 88,8%.

Mistral Large 4 — это гранулярная модель смеси экспертов с 49 миллиардами активных параметров из 1,05 триллиона общих и 1,6-миллиардным визуальным кодировщиком, обученная с нуля на 3 800 графических процессорах NVIDIA Grace Blackwell в собственных европейских дата-центрах Mistral на данных, охватывающих более 160 языков. Она работает с текстом и изображениями в контекстном окне примерно на миллион токенов. Её страница на Artificial Analysis существует под заголовком «Mistral Large 4 Preview» и не содержит оценки Intelligence Index; веса обещаны к концу октября 2026 года.

• Индекс интеллекта — Qwen3.8 Max 45.4 (17-е из 147) против Mistral Large 4, ещё не опубликованной

• Индекс программирования — Qwen3.8 Max 76,2 (9-е место из 138) против Mistral Large 4 — сопоставимых данных нет

• Terminal-Bench 4.0 — Qwen3.8 Max 38,9% против Mistral Large 4 28,3%, оценивалось приватно

• Контекстное окно — Qwen3.8 Max 1,000,000 токенов против Mistral Large 4 около 1,000,000

• Входные модальности — текст, изображение и видео у Qwen3.8 Max против текста и изображения у Mistral Large 4

• Цена входных данных — Mistral Large 4 $0.68 за 1 млн против Qwen3.8 Max $2.00 за 1 млн

• Цена вывода — Mistral Large 4 $2.09 за 1 млн против Qwen3.8 Max $6.00 за 1 млн

• Кэшированный ввод — Mistral Large 4 $0,07 за 1 млн против Qwen3.8 Max $0,25 за 1 млн

• Веса — Mistral Large 4: открытая лицензия обещана к концу октября 2026 года против закрытой Qwen3.8 Max

• Выпущено — Qwen3.8 Max 3 августа 2026 vs Mistral Large 4 6 октября 2026, предварительный просмотр

Разрешая противоречие, насколько это вообще возможно

Два показателя Terminal-Bench 4.0 действительно противоречат друг другу, и наиболее вероятное объяснение — самое прозаичное: это разные запуски. Показатель Mistral в 28,3% описывается как приватная оценка, проведённая Artificial Analysis до публичного выпуска харнесса, а значит, его могли измерять на предрелизном харнессе, при ином уровне усилий на рассуждение или с другими параметрами сэмплирования. Показатель Qwen в 38,9% получен на опубликованном харнессе при той конфигурации, которую стандартизировала Artificial Analysis. Прямое сравнение их — это сравнение черновика с финалом, и хуже выглядит именно черновик.

Также стоит обратить внимание на то, в какую сторону разрешается противоречие. Mistral заявляет о лидерстве в объединённом Coding Agent Index — 49,8%, опережая Qwen3.8 Max — при этом публикуя результат Terminal-Bench 4.0, который отстаёт от результата Qwen на десять пунктов. Объединённый индекс агрегирует несколько оценок, поэтому оба утверждения могут быть верны одновременно, и модель с сильным результатом DeepSWE v1.1 (Mistral сообщает 61,7%) и слабым результатом Terminal-Bench всё равно может победить по среднему показателю. Но пока Coding Agent Index не является публичным, единственный компонент этого утверждения, который читатель может проверить, — это тот, где Mistral отстаёт. Именно эта асимметрия и должна вызывать подозрения, в любую сторону.

Что на самом деле можно купить за тройную цену

Две вещи, и только одна из них — производительность.

Видео — это конкретный пример. Qwen3.8 Max нативно принимает видео в качестве полноценного входного формата; Mistral Large 4 — нет. Мультимодальная часть Mistral посвящена изображениям — привязке к насыщенным сценам, проверке механических деталей на технических чертежах, извлечению доказательств из PDF-файлов, сканированию гигапиксельных спутниковых снимков — и ничего из этого не требует движущихся изображений. Если ваш пайплайн обрабатывает записи, демонстрации или видеоархивы, сравнение цен не имеет значения, потому что одна из этих моделей не может принять ваши входные данные. Это граница возможностей, а не разница в тарифах, и никакой пересмотр цены её не сдвинет.

Второе — это доказательство. Оценка Qwen3.8 Max в 45,4 балла по индексу, 9-е место в рейтинге по программированию и 88,8% на Terminal-Bench 2.1 воспроизводимы на опубликованных стендах любым, кто готов потратить токены. ML4 от Mistral предлагает более высокий заявленный потолок в агентном программировании и автоматизации, слепую человеческую оценку, в которой он немного обошёл Kimi K3 и GLM-5.3 по воспринимаемому качеству кода, и конкретное заявление о кибербезопасности — 82% в тесте на воспроизведение и исправление от Artificial Analysis, лучший результат среди всех протестированных моделей, при 93% на Cybench. Всё это либо заявлено производителем, либо оценено в закрытом порядке. Команда, которой нужно обосновать выбор модели на закупочной проверке, платит трёхкратную премию, чтобы иметь ответ на бумаге.

Тем не менее, показатель в области кибербезопасности — это единственное утверждение в этом сравнении, которое более низкая цена не может компенсировать, потому что это способность, а не преимущество. Mistral сообщает, что несколько ведущих закрытых моделей, включая Claude Opus 5.5 и GPT-6 Astra, получают почти нулевые баллы в том же тесте на воспроизведение и исправление, потому что они отказываются выполнять задачу, и что средний уровень отказов ML4 на кибер-промптах, взятых из JailbreakBench, StrongREJECT и AgentHarm, выше, чем у других открытых моделей, при том что ML4 всё же выполняет работу. О Qwen3.8 Max в этом тесте не сообщается. Если ваша работа связана с воспроизведением уязвимостей, вопрос не в том, кто дешевле, а в том, кто вообще возьмётся за эту работу.

Веса и где они выполняются

Именно здесь Mistral Large 4 обладает тем единственным структурным преимуществом, которого не может коснуться трёхкратная наценка Qwen. Mistral обязалась выпустить веса ML4 под открытой лицензией к концу октября 2026 года, а также раскрыть детали архитектуры и методологии пост-обучения. Это превращает стоимость за токен в капитальное решение: если у вас есть GPU, вы перестаёте платить за токен, перестаёте отправлять данные третьей стороне и перестаёте подчиняться чьей-то чужой политике модерации. Уровень Max от Alibaba — это закрытое предложение, доступное только через API, и ничто не указывает на то, что это изменится.

География — тот же аргумент в другом регистре. Qwen3.8 Max обслуживается из Пекина, Сингапура, Токио и Франкфурта среди прочих — по-настоящему глобальное присутствие, но управляемое Alibaba. Публичная предварительная версия Mistral Large 4 работает на собственной европейской инфраструктуре Mistral, в европейском регионе, который Mistral эксплуатирует от начала до конца и независимо от других поставщиков цифровых услуг, в соответствии с европейским законодательством. Для европейского покупателя, подпадающего под регулирование, эти два утверждения обусловливают совершенно разные результаты закупки, хотя обе модели доступны в одном и том же городе. Раунд Series D Mistral на €3 млрд — крупнейший раунд акционерного финансирования, когда-либо привлечённый европейской технологической компанией, — существует, чтобы финансировать именно это различие, и ML4 — его первый результат.

Маршрутизация между двумя формами доступности

Необычность этого сочетания в том, что две модели различаются не только ценой и возможностями, но и тем, как до них добраться. Qwen3.8 Max говорит на OpenAI-совместимом, Anthropic-совместимом и нативном протоколе DashScope из целого ряда регионов; Mistral Large 4 — это единственная preview-точка входа от одного оператора. Привести это к единому виду на уровне кода вашего приложения — настоящая работа, и это та работа, которая поначалу кажется небольшой, но растёт каждый раз, когда провайдер что-то меняет.

Оба работают через единую конечную точку, совместимую с OpenAI, на OrcaRouter с наценкой 0%, и именно это делает ценовой разрыв в этой статье стабильным, а не моментальным снимком: прайс-листы провайдеров проходят без изменений, поэтому в тот день, когда Mistral отменит свой предварительный тариф или Alibaba изменит условия по Qwen, цифры, с которыми сверяются ваши правила маршрутизации, изменятся вместе с ними. DSL маршрутизации — это то, где разные сильные стороны двух моделей превращаются в единую поверхность вызова — запросы с видео идут в Qwen3.8 Max, работа с изображениями и документами — в Mistral Large 4, а всё, что должно уложиться в строгий бюджет, сначала отправляется в ML4, а Qwen служит эскалацией, когда заявленное преимущество по комбинированному индексу оказывается важным на реальной задаче. Автоматическое переключение при сбое в этой паре значит больше, чем в большинстве случаев, потому что одна часть — это preview-API в первый месяц своего существования, а другая — закрытый уровень, который невозможно планировать по мощности. Там, где вопрос 49,8 против 76,2 в области программирования действительно не решён для вашей рабочей нагрузки, слияние моделей может запустить обе на одном и том же промпте и позволить панели выбрать — это дешевле, чем дважды проводить сравнительное тестирование.

Вердикт

Qwen3.8 Max — лучшая модель по всем опубликованным данным. Её показатель в индексе 45,4, индекс программирования 76,2 и 38,9% на Terminal-Bench 4.0 — на тех же ревизиях, что и у всех остальных; она принимает видео, поставляется уже два месяца и доступна через три формата передачи данных из пяти регионов. Если производительность и проверяемость — решающие факторы, трёхкратная цена — это то, сколько стоит готовый, измеренный флагман.

Mistral Large 4 выигрывает по цене примерно в три раза, по чтению из кэша — более чем в три раза, по работам в области кибербезопасности, от которых отказывается альтернатива, и по двум аргументам, на которые Qwen не может ответить: обещанные открытые веса к концу октября и европейское развёртывание, которое Mistral выполняет от начала до конца. Заявленные 49.8% в Coding Agent Index — это то, что решило бы вопрос: если это число появится на публичном тестовом стенде раньше, чем у Qwen, более дешёвая модель станет лучшей, и премиальная надбавка исчезнет. Если этого не произойдёт, Mistral продаёт предварительную цену на модель, которая отстаёт от уже выпущенного конкурента, и честная позиция такова: вы покупаете дорожную карту, а не модель.

Следите за тремя датами. Конец октября 2026 года, когда либо выйдут веса ML4, либо заявление об открытых весах смягчится. Публикация Artificial Analysis Coding Agent Index, где внутренние оценки Mistral и публичные результаты Qwen сойдутся в одной колонке. И конец периода предварительного выпуска, когда бы Mistral о нём ни объявила, потому что $0.68 и $2.09 — это стартовая цена, и ни один прогноз не должен исходить из того, что она сохранится после выпуска весов.