Mistral Large 4 против Claude Opus 5.5: единственная цифра прямого сопоставления — против не той версии

Единственное слепое очное сравнение, которое существует для Mistral Large 4 и Claude Opus 5.5, проводилось с предыдущей версией одной из этих моделей. Surge AI скрыла личности моделей и попросила профессиональных аннотаторов оценить качество кода по шкале от 1 до 5; Mistral Large 4 Preview заняла второе место из пяти с результатом 3,74, уступив Claude Opus 5 с 4,22 и опередив Kimi K3 с 3,59 и GLM-5.3 с 3,60. Claude Opus 5.5 вышел 22 сентября, так что самое близкое к опубликованному человеческому сравнению для этой пары на три недели старше текущего релиза соперника, и никто его не перезапускал. Всё остальное сопоставимо и указывает в одном направлении: в Intelligence Index от Artificial Analysis Mistral Large 4 Preview показывает 38,4, а Claude Opus 5.5 — 58, первое место из 216 моделей, при этом стоимость выполнения одной задачи индекса составляет $1,13 против $5,98.

Эти два факта и составляют всю суть решения. Разрыв в возможностях велик и, по состоянию на эту версию, больше, чем был. Разрыв в стоимости — чуть более чем пятикратный, и он не изменился, когда Anthropic снизила цены.

Что такое Claude Opus 5.5, по собственному описанию Anthropic

Claude Opus 5.5 — текущий флагман Anthropic, выпущенный 22 сентября 2026 года и ориентированный на долгосрочную агентную работу: многошаговые сессии, интенсивное использование инструментов и код. Его цена составляет $4 за миллион входных токенов и $20 за миллион выходных, при этом чтение из кэша стоит $0,20, а запись в кэш — $5; Anthropic описывает это как на 20% ниже, чем у Opus 5, для входных и выходных токенов и на 60% ниже для чтения из кэша. Есть режим Fast по цене $8 / $40, который, по словам компании, работает до 2,5 раза быстрее в Claude Code и Claude Platform. Он доступен в Amazon Web Services, Google Cloud и Microsoft Azure, предлагается нулевое хранение данных, и Anthropic заявляет, что Claude Sonnet 5.5 и Claude Haiku 5.5 выйдут в ближайшие недели.

Две детали на той странице важнее всего остального. Первая — это не функция, а ограничение миграции: Anthropic заявляет, что Claude Opus 5.5 больше не доступен при отключённом режиме мышления. Если ваш текущий пайплайн вызывает Opus 5 в режиме без мышления ради дешёвых, быстрых и детерминированных ходов, у этой конфигурации нет прямого преемника в данной модели. Вторая — это собственное предупреждение Anthropic, напечатанное рядом с её оценками, что разрывы в бенчмарках стали менее надёжным ориентиром для различий на практике. Это необычно для поставщика — писать такое рядом с таблицей, в которой он побеждает, и к этому стоит отнестись буквально, когда будете читать приведённые ниже числа.

Заявленные производителем цифры из анонса Anthropic: 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% с инструментами, Terminal-Bench-Science 0.1 — 58,7% и OSWorld 2.1 — 81,8% (частичный результат). Все они получены самой Anthropic, при этом оценки сравниваемых моделей взяты со страниц самих производителей, и ни один из этих результатов не был независимо воспроизведён ни для данного сочетания, ни для какого-либо другого.

Что такое Mistral Large 4 по состоянию на 13 октября

Mistral Large 4 — это публичная предварительная версия, анонсированная 6 октября 2026 года (ревизия v26.10), и это крупнейшая модель, выпущенная Mistral AI. Компания описывает её как нативно мультимодальную разреженную смесь экспертов с 1,05 триллиона общих параметров и 52 миллиардами активных, плюс визуальный энкодер на 1,6 миллиарда параметров, обученную с нуля на 3 800 графических процессорах NVIDIA Grace Blackwell в собственных европейских дата-центрах Mistral, на данных, охватывающих более 160 языков. Artificial Analysis фиксирует количество активных параметров как 49 миллиардов, а не 52 миллиарда — расхождение в три миллиарда по одному измерению, которое отмечают, а не усредняют. В собственной карточке модели Mistral указано контекстное окно в 1 млн токенов; Artificial Analysis видит 524 288 в конфигурации, которую тестирует, а в её FAQ указано 520k — что отражает разницу между потолком, который рекламирует вендор, и окном, которое фактически предоставляет развёрнутый сервис.

Цены — $1.36 за миллион входных токенов, $0.14 за кэшированный ввод и $4.18 за миллион выходных токенов в тарифной сетке, при этом в рамках стартовой акции те же три строки показаны зачёркнутыми — $0.68, $0.07 и $2.09. Метки статуса на карточке гласят Public Preview, Open и v26.10 — и именно на вторую из них стоит смотреть внимательно. Mistral заявляет, что веса будут выпущены до конца месяца, и стартовый пост повторяет это обещание дважды; чего он не делает — так это не называет лицензию. Artificial Analysis независимо отслеживает эту область и записывает название лицензии как null, помечает модель isOpenWeights: false, и классифицирует её как проприетарную. Здесь никто никому не противоречит. Превью, обслуживаемое из собственного кластера вендора, без репозитория с чекпоинтами и без текста лицензии, — это вызываемая модель, а не релиз с открытыми весами, и заявление об открытых весах — это план с привязанным к нему сроком, а не ссылка на скачивание.

Собственные бенчмарк-показатели Mistral, которые повсюду сообщаются самим производителем, составляют 61,7% на DeepSWE v1.1, 59,4% на SWE-Atlas-QnA, 28,3% на Terminal-Bench 4.0 и совокупный Coding Agent Index 49,8%; 59,9% на AutomationBench в рамках 657 бизнес-процессов; 1 393 Elo на AA-Briefcase; 42% на Dense 200 для визуальной привязки; а в своих кибероценках — 82% в тесте на воспроизведение и патч, который Mistral описывает как наивысший результат среди всех моделей, наряду с 93% на 40 соревновательных упражнениях Cybench. Компания также заказала слепое исследование с участием людей и опубликовала его, что является более сильной формой доказательства, чем самостоятельно проведённый бенчмарк, и всё же это исследование, публикацию которого она контролировала.

Что изменило обновление до версии 5.5 в этом решении

Если вы читали на этом блоге страницу сравнения Mistral Large 4 и Claude Opus 5, то три вещи здесь новые, и только одна из них — снижение цены.

• Разрыв в возможностях стал шире, а не уже. Claude Opus 5 набрал 50,8 балла в Индексе интеллекта; Claude Opus 5.5 — 58. На фоне 38,4 у Mistral Large 4 Preview дистанция вырастает с 12,4 балла до 19,6. Обновление версии, добавляющее семь баллов лидеру таблицы, пока конкурент стоит на месте, делает передовой сегмент более очевидной покупкой, а не более туманной.

• Снижение цен не добралось до счёта. Anthropic снизил цены на вход и выход на 20% — с $5 / $25 до $4 / $20 — но стоимость выполнения одной задачи индекса, по данным Artificial Analysis, выросла: с $5,86 для Claude Opus 5 до $5,98 для Claude Opus 5.5. Более дешёвые токены расходовала модель, которая использовала их больше. Это самое полезное число на этой странице, и над ним стоит задуматься: цены из прайс-листа — это лишь исходные данные для вашего счёта, а не прогноз по нему.

• Одна конфигурация исчезла. В Opus 5.5 режим мышления больше нельзя отключить. Если вы покупали Opus 5 отчасти ради дешёвого пути без режима мышления, эта модель не заменяет этот путь, и решение о замене теперь предполагает две модели, а не смену версии.

Что не изменилось: история с кешем по-прежнему в пользу Anthropic при повторяющемся контексте — $0,20 за миллион при чтении из кеша против $0,14 по прайс-листу и $0,07 по промо-цене у Mistral. В агентном цикле с длинным контекстом и стабильным префиксом именно эта строка двигает счёт сильнее всего, и оба числа нуждаются в такой же проверке, какой только что подверглись цены из заголовка.

Две самые многословные модели в рейтинге

Artificial Analysis публикует количество выходных токенов для каждого запуска индекса модели, и две модели здесь находятся на противоположных концах этого диапазона. Claude Opus 5.5 сгенерировала 260 миллионов выходных токенов в ходе этого запуска. Mistral Large 4 Preview сгенерировала 200 миллионов. Медиана по измеренным моделям составляет 85 миллионов. Обе они тратят в два-три раза больше, чем типичная модель, чтобы ответить на те же вопросы, и только одна из них при этом берёт $4 и $20 за миллион.

Многословность — не дефект, но и не признак качества. Это множитель к цене, и именно из-за неё снижение цены Opus состоялось, но не привело к снижению стоимости одной задачи. Если вы рассчитываете бюджет только по прайс-листу, закладывайте в него и множитель: при $20 за миллион выходных токенов модель, которая выдаёт втрое больше медианного объёма, имеет эффективную ставку за выход ближе к $60 за миллион по сравнению с моделью с медианным поведением, а 260 миллионов токенов на оценочном наборе — это не погрешность округления.

Табло

• Цена за миллион токенов, ввод / вывод — Mistral Large 4: 1,36 / 4,18 долл. США по прайс-листу, 0,68 / 2,09 долл. США по промоакции, против Claude Opus 5.5: 4,00 / 20,00 долл. США

• Кэшированный ввод — $0,14 по прайс-листу, $0,07 по промоакции против $0,20 за миллион операций чтения и $5,00 за миллион операций записи

• Стоимость одной задачи Intelligence Index — $1,13 против $5,98, по данным Artificial Analysis

• Индекс интеллекта — 38,4, 65-е место из 216 против 58, 1-е место из 216, по данным Artificial Analysis

• Выходные токены в том запуске индекса — 200 млн против 260 млн, при медиане 85 млн

• Контекстное окно — 1M, заявленный Mistral, при 524 288 в протестированной конфигурации против 1M в трактовке Artificial Analysis для Claude Opus 5.5, на странице анонса которого не указана ни одна из этих цифр

• Максимальная выходная мощность — не публикуется ни одним из производителей

• Измеренная скорость — не опубликована для Mistral Large 4 Preview против 95,2 выходных токенов в секунду, при этом Fast mode за $8 / $40, по заявлению Anthropic, достигает до 2,5x

• Веса и лицензия — обещаны к концу октября, при этом лицензия не названа; в настоящее время Artificial Analysis помечает её как проприетарную, в отличие от закрытой

• Доступность — предварительный API Mistral и Mistral Studio, работающие на собственной европейской инфраструктуре Mistral, в отличие от AWS, Google Cloud, Azure и каталога OrcaRouter

Когда Mistral Large 4 — правильный выбор

Выбирайте Mistral Large 4, когда работа отличается большим объёмом, хорошо специфицирована и её дёшево проверять. Классификация, извлечение данных, суммаризация в масштабе, генерация структурированного вывода, первичное ревью кода и длинный хвост внутренних задач, где неверный ответ стоит повторной попытки, а не инцидента. При цене $1,13 за задачу индекса против $5,98 конвейеру, который выполняет миллион задач в месяц, не нужен тонкий аргумент, чтобы оправдать дешёвую модель; ему нужно, чтобы дешёвая модель была достаточно хороша, а на AutomationBench — в строке, где модель просят выполнить обычные бизнес-процессы, — собственные заявленные 59,9% Mistral конкурентоспособны с цифрой, которую Anthropic сообщает для Opus 5.5 на том же стенде. Разные прогоны, разные вендоры, так что воспринимайте это как сигнал, а не как результат, но это строка, наиболее близкая к тому, что бизнес-подразделение на самом деле просит модель делать.

Mistral Large 4 также является одной из сторон этой пары, у которой есть реальный путь к самостоятельному развертыванию, и для некоторых читателей это ценнее, чем балл в бенчмарке. Обещание весов к концу октября — это не веса, а безымянная лицензия — это не лицензия, так что это причина следить, а не причина мигрировать сегодня. Но среди двух моделей здесь она единственная, где аргумент о резидентности данных или доступе в разгар инцидента может закончиться фразой «мы развертываем его сами». История европейского обучения и обслуживания находится на той же стороне этого баланса.

Когда Claude Opus 5.5 — правильный выбор

Выбирайте Claude Opus 5.5, когда задача длинная, шаги зависят друг от друга, а ошибка дорого обходится. Terminal-Bench 4.0 — самая резкая разделительная линия в этом сравнении: Anthropic сообщает о 66,4% для Opus 5.5 против 28,3%, которые Mistral заявляет для своей собственной модели на том же стенде, — а терминальная работа — наиболее близкий публичный аналог агентного программирования, ради которого команды в основном и покупают фронтирную модель. Если выразить это так же: разрыв в 19,6 пункта по Intelligence Index и почти 2,4-кратный разрыв по Terminal-Bench означают, что на сложном конце это не близкий выбор, и никакие аргументы о цене не закроют этот разрыв, если ваша нагрузка находится там. Добавьте контекст 1M, измеренные 95,2 токена в секунду против неопубликованного показателя у другой стороны, режим Fast mode для чувствительных к задержке путей и доступность в трёх крупных облаках с нулевым хранением данных — и премиальная надбавка обеспечивает реальный операционный запас.

Практический вопрос в том, нужна ли вам премиальная модель при каждом вызове. Большинство команд, использующих передовую модель в масштабе, обнаруживают, что меньшинство запросов — те, в которых есть настоящая многошаговая неоднозначность, — потребляют большую часть её возможностей, а остальные — нет. Это решение о маршрутизации, а не о выборе модели, и именно в этом случае использование обеих моделей и есть настоящий ответ. Claude Opus 5.5 есть в каталоге OrcaRouter по прайс-листу Anthropic с 0% наценки на том же OpenAI-совместимом эндпоинте, что и более 200 других моделей, так что попробовать обе можно за один ключ, а не за второй контракт с вендором. Mistral Large 4 сегодня нет в нашем каталоге — доступ к ней осуществляется через собственный preview API Mistral и через несколько сторонних платформ, — и это констатация факта о нашем списке, а не анонс мягкого запуска.

Для превью функция, которая действительно оправдывает себя, — это фейловер. Отправка части трафика модели, чья лицензия, веса и обслуживаемый контекст всё ещё остаются открытыми вопросами, означает, что полезный режим отказа — это перенаправление, а не авария, и вы узнаёте настоящие режимы отказа модели на своих данных, а не на чьём-то лидерборде.

Единственный факт, который всё решает

Никто не проводил очного сравнения Mistral Large 4 и Claude Opus 5.5 при одинаковых настройках на названном харнессе — единственная существующая цифра слепого человеческого сравнения относится к Claude Opus 5, а версия, против которой вы выбираете, — не Claude Opus 5 — поэтому честная основа для решения сегодня такова: дешёвая модель стоит впятеро меньше за выполненную задачу, а дорогая опережает её примерно на двадцать индексных пунктов и почти в 2,4 раза по Terminal-Bench, при прейскурантной цене, которую Anthropic снизила, не снизив стоимость за задачу.

Если неудачный ответ в вашей рабочей нагрузке обходится менее чем в 4,6 повторной попытки, покупайте Mistral Large 4. Если дороже — покупайте Claude Opus 5.5 — а если вы пока не можете ответить на этот вопрос о собственном трафике, запустите оба на одном эндпоинте и пусть месяц реальных запросов ответит на него за вас.