Mistral Large 4 против Claude Fable 5.1: семнадцать пунктов индекса и двенадцатикратная цена вывода

Вопрос в этом сравнении изменился 29 октября 2026 года, и не потому, что Mistral Large 4 стал умнее. В тот день во второй половине дня модель перестала быть арендуемой предварительной версией и стала загрузкой объёмом 1,06 ТБ, а это значит, что сравнение с Claude Fable 5.1 больше не сводится лишь к тому, какая модель отвечает лучше, — теперь оно ещё и о том, с каким ограничением вы готовы мириться. Claude Fable 5.1 — это модель за 10 долларов за миллион входных токенов, к которой можно обращаться через API, но нельзя владеть ею, дообучать её или запускать на собственном оборудовании. Mistral Large 4 — это смесь экспертов с триллионом параметров, которой теперь можно владеть, которую можно адаптировать и развёртывать в собственной сети, по лицензии, которая явно запрещает перепродавать её как сервис. Первый — контракт. Второй — загрузка с оговоркой.

Что касается возможностей, ответ не близок, и это стоит сказать до начала обсуждения цены. Индекс интеллекта v5 от Artificial Analysis ставит Claude Fable 5.1 на 43, а Mistral Large 4 — на 26. Это разрыв в семнадцать пунктов по одному и тому же инструменту, и он сохраняется при любых разумных оговорках о версиях индекса, потому что оба показателя — это измерения v5: у Fable 5.1 — из живой таблицы лидеров, у Large 4 — из цифры, которую Mistral приводит в своей карточке модели. Если индекс пересчитать, оба числа изменятся; порядок — нет.

Где на самом деле проявляется разрыв

Публичные бенчмарки согласуются с индексом, что необычно. Оба набора приведённых ниже цифр получены самими поставщиками, и ни один из них не был независимо воспроизведён, поэтому относитесь к ним как к заявлениям равного статуса, а не как к свидетельствам разного качества.

• Terminal-Bench 4.0 — {{1}}Claude Fable 5.1{{/1}} с 55,8% по данным Anthropic; {{2}}Mistral Large 4{{/2}} с 41% по данным Mistral. Обе компании использовали собственный тестовый стенд, а указанная самим Anthropic цифра в некоторых публикациях фигурировала как 58,1%, поэтому точное значение после запятой в обеих колонках не является строгим.

• Долгосрочные научные задачи — Claude Fable 5.1 набирает 52,6% на Terminal-Bench-Science 0.1; это заметное заявление Anthropic, и при этом таблица второй лаборатории с тех пор оценила ту же модель гораздо ниже. У Mistral Large 4 нет сопоставимой опубликованной строки, что само по себе показательно: модель позиционируется для программирования и безопасности, а не для агентной науки исследовательского уровня.

• Humanity's Last Exam — 60,9% без инструментов и 65,0% с ними для Claude Fable 5.1. Mistral опубликовала 35,0% на том же бенчмарке для октябрьского превью. Эта цифра из превью предшествует трём неделям RL и финальному чекпоинту, поэтому она занижает выпущенную модель — но это единственный показатель, который какая-либо из сторон приводила по HLE.

• Работа в сфере безопасности — здесь Mistral Large 4 демонстрирует более весомое заявление: 79% на CyberGym-E2E и 97,1% на своём наборе B3 для безопасности агентов после RL. Модели Anthropic чаще отказываются от такой работы, а не проваливают её, что в равной мере является различием как в политике, так и в возможностях, и это не следует воспринимать как пробел в возможностях.

• Эффективность по токенам — сама Mistral формулирует это так: выпущенная модель требует на 47% меньше токенов на задачу, чем GLM-5.3, при равных 48% в Coding Agent Index от Artificial Analysis. Это редкая строка, где вендор публикует стоимостную сторону бенчмарка вместе с баллом, и это самое полезное число в любой из колонок.

Число, которое выглядит как регрессия, но ею не является

Предварительная версия Mistral Large 4 получила 38,4 балла в индексе Artificial Analysis. У выпущенной версии — 26. Неискушённый читатель, сравнив эти две цифры, заключит, что три недели обучения с подкреплением ухудшили модель на двенадцать пунктов. Это не так. Показатель 38,4 был записан на индексе v4.3; Artificial Analysis перестроила свой индекс в конце октября, и пересборка v5 — более строгий инструмент для всех моделей без исключения: модели, которые на v4.3 находились в диапазоне 50-х, на v5 оказываются в диапазоне 40-х. Эти два числа не являются измерениями одного и того же, и их вычитание — самая распространённая ошибка в освещении этого релиза.

То же предостережение относится и к показателю 41% в Terminal-Bench. Mistral сообщает о 28,3% до дополнительного RL и 41% после — это подлинный сопоставимый прирост на одном и том же харнессе. Но 41% — всё ещё низкий абсолютный результат рядом с 55,8% у Claude Fable 5.1, и никакая риторика улучшений не меняет и этого соотношения.

Пункт лицензии, который решает больше, чем пробел

Mistral Large 4 выпускается под лицензией Mistral Ecosystem Open-Weight License, которую компания описывает как модифицированный текст MIT. На практике она предоставляет четыре вещи и одну не предоставляет:

• Коммерческое использование, без порога выручки — нет пункта «вы должны иметь выручку меньше $X млн, чтобы пользоваться этим».

• Тонкая настройка и производные модели — это пункт, который вообще делает возможной работу RL с нулевого дня.

• Внутреннее развертывание и хостинг на собственных серверах — именно вокруг принципа «суверенного ИИ» Mistral выстроила весь этот релиз.

• Встраивание в продукт с исключениями, охватывающими встроенное использование и простую ретрансляцию выходных данных.

• Не предоставляется: ведение бизнеса model-as-a-service на его основе. Если вы хотите развернуть API-эндпоинт с оплатой за токен и продавать доступ, вам необходимо заключить отдельное коммерческое соглашение с Mistral.

У Claude Fable 5.1 нет аналогичного вопроса, потому что нет и аналогичного разрешения. Вы получаете API, условия обслуживания и ограничение скорости запросов. Вы не получаете весов, не можете дообучать модель и ни за какие деньги не сможете разместить её в изолированной от внешних сетей среде. Условия Anthropic добавляют собственные ограничения, действующие в том же направлении: в API самого поставщика нулевое хранение данных требует отдельного разрешения, принудительное использование инструментов не поддерживается, а режим thinking нельзя отключить. Маршрутизация той же модели через провайдера с соглашением о нулевом хранении — это способ, которым команды обходят первое из этих ограничений. Для покупателей из регулируемых отраслей эти ограничения важны так, как не важна разница в семнадцать пунктов в индексе.

Стоимость — с оговоркой о многословности

Сначала прейскурантные цены, потому что акционные цены действуют ограниченное время, а в договоре указаны именно прейскурантные цены.

• Claude Fable 5.1 — 10,00 долл. США за миллион входных токенов, 50,00 долл. США за миллион выходных, при этом чтение из кэша снижено до 0,25 долл. США за миллион. При пакетной обработке обе суммы снижаются вдвое — до 5 и 25 долл. США.

• Mistral Large 4 — $1,36 за миллион входных токенов, $4,18 за миллион выходных токенов по прайс-листу; сейчас действует скидка примерно вдвое — до около $0,68 и $2,09, без опубликованной даты окончания.

По прайс-листу это 7,4× на входе и 12× на выходе. В рамках текущей акции это ближе к 15× и 24×. Оба показателя достаточно велики, чтобы для любого с реальным объёмом вопрос цены перевешивал вопрос бенчмарка, — и это честная причина, по которой это сравнение вообще появляется.

Оговорка — это многословность, и она вполне реальна. В ходе прогона индекса Artificial Analysis для превью-версии Mistral Large 4 сгенерировала порядка 200 млн токенов вывода при медиане по борду около 85 млн. Цена за токен умножается на этот коэффициент. Прогоните те же 200 млн токенов вывода через обе модели — и арифметика даст $418 для Mistral Large 4 по промо-тарифу против $10 000 для Claude Fable 5.1 по прайс-листу. Кратность сохраняется несмотря на многословность — она уменьшается, но не обращается вспять, — однако любой, кто приводит соотношение цены за токен, не проверив, сколько токенов модель фактически выдаёт, приводит лишь половину цифры. Столь же многословен ли выпущенный чекпоинт, как превью, не измерено; сокращение количества токенов вывода на 30%, которое Mistral заявляет благодаря дополнительному RL, — это собственный ответ компании на данный вопрос.

Где каждое из них действительно можно назвать

Это та часть сравнения, где две модели перестают быть симметричными. Claude Fable 5.1 присутствуетв каталоге OrcaRouter как anthropic/claude-fable-5.1, с контекстом в 1M токенов, ценой $10/$50 и сниженной ставкой за чтение кэша, передаваемой по цене из прайс-листа провайдера — без наценки сверху, так что изменение цены поставщиком отражается в тот же день. Mistral Large 4 отсутствует в этом каталоге. Мы не обслуживаем его, и этот материал не является путём к нему: выпущенная модель находится на Hugging Face и за собственным API поставщика. Сказать это прямо полезнее, чем подразумевать обратное.

Что это означает на практике, зависит от того, с какой стороны лицензии вы находитесь. Если вам нужна модель, которую можно запускать на собственном оборудовании, проверять от начала до конца и адаптировать с помощью LoRA-адаптера, вам доступна только одна из этих двух, и разрыв в семнадцать пунктов — это цена такого контроля. Если вам нужен самый сильный ответ на каждый вызов и вы никогда не собираетесь чем-либо владеть, только один из этих двух является серьёзным вариантом, а двенадцатикратная цена выходных данных — это стоимость такой возможности. Размещение обоих за одним ключом с настроенным для каждого маршрута переключением при отказе — это операционная версия того же решения: она позволяет по умолчанию использовать дорогую модель и переключаться на более дешёвую без второго контракта.

Что выбрать

Выбирайте Claude Fable 5.1, если ваша работа — агентное выполнение на длинном горизонте, программирование с интенсивным использованием терминала или рассуждения исследовательского уровня, где неверный ответ стоит дороже токена. Принимайте утверждение о 55,8% в Terminal-Bench с оговоркой, что тест проводился самим вендором, но к порядку относитесь серьёзно: ничто из опубликованного Mistral не помещает Mistral Large 4 в тот же диапазон.

Выбирайте Mistral Large 4, если ограничение носит юридический или географический, а не интеллектуальный характер. Европейское предприятие, которое не может отправлять промпты через границу, команда безопасности, которой нужно исключить политику отказов из процесса, продукт, который должен поставлять модель в составе собственного бинарного файла, — ни одну из этих проблем не решает более высокий балл в индексе, и все они решаются с помощью 610 ГБ весов NVFP4 без ограничений доступа и лицензии, разрешающей внутреннее дообучение.

Не выбирайте ни один из них и распределяйте между ними, если честный ответ состоит в том, что у вас есть две рабочие нагрузки с разными ограничениями. Именно такой случай и призван создавать ценовой разрыв, и именно в него попадёт большинство команд.

Открытый вопрос

Цифра, которая изменила бы это сравнение, отсутствует на слайде ни одного из вендоров. Это независимый повторный прогон выпущенного чекпоинта на индексе v5 Artificial Analysis, ведь текущая цифра 26 — это цитата третьей стороны от Mistral, а не свежее измерение финальных весов. Если три недели RL и на 30% меньше выходных токенов существенно изменят эту цифру, разрыв сократится, и аргумент о цене станет весомее. Если же нет, выпущенная модель — это превью с лучшими манерами, а семнадцать пунктов носят структурный характер.

Пока такого прогона не существует, наиболее обоснованная позиция — самая скучная: Claude Fable 5.1 — лучшая модель, Mistral Large 4 — лучшая лицензия, а единственные, для кого этот выбор действительно непрост, — те, кому нужно и то, и другое.