Mistral Large 4 vs GPT-6 Sol: Ett pris mot en levererad standard

På pappret är detta inte en jämn kamp. Mistral Large 4, Mistrals flaggskepp med öppna vikter och 1,05 biljoner parametrar, kostar $0,68 per miljon indatatokens och $2,09 per miljon utdatatokens. GPT-6 Sol, den kostnadseffektiva premiumnivån, kostar $2,00 och $10,00 — ungefär tre gånger så mycket för indata och nästan fem gånger så mycket för utdata, och den omprissätts till $4,00 och $15,00 när en begäran passerar 272 000 tokens. En månad med 100 miljoner tokens vid en 4:1-fördelning mellan indata och utdata kostar ungefär $140 på Mistral Large 4 och ungefär $480 på GPT-6 Sol. Det är hela argumentet, och det är ett starkt sådant, tills du läser den andra raden i Mistrals egen dokumentation: Mistral Large 4 är i offentlig förhandsversion, och det är den enda av dessa två modeller som fortfarande är i rörelse.

Den distinktionen är hela jämförelsen. GPT-6 Sol släpptes den 22 september 2026 och är stabil; dess beteende, dess prislista och dess oberoende resultat är fastställda. Mistral Large 4 kom den 6 oktober 2026 med ett förhandsversions-API, ett utlovat släpp av vikterna "före månadens slut" och en körning med förstärkningsinlärning som Mistral säger fortfarande pågår. Den version du anropar i dag är inte den version du kommer att ha i november. Så den intressanta frågan är inte "vilken som är bättre" – i uppmätt intelligens ligger de ännu inte på samma nivå – utan "vilken som hör hemma i din stack, och under vilka förutsättningar".

Vad varje leverantör faktiskt levererade

Mistral Large 4 är en finkornig mixture-of-experts-modell med 49 miljarder aktiva parametrar av totalt 1,05 biljoner, plus en vision-encoder med 1,6 miljarder parametrar. Den tar emot text och bilder, hanterar ett kontextfönster på omkring en miljon tokens och är tränad från grunden på 3 800 NVIDIA Grace Blackwell-GPU:er i Mistrals egna europeiska datacenter. Mistral beskriver den som sin största och mest kapabla modell hittills och säger att vikterna – som släpps under en öppen licens – kommer före slutet av oktober 2026, i väntan på en red-teaming-period som genomförs med cybersäkerhetspartner och statliga myndigheter. Fram till dess är den enda vägen in förhands-API:et.

GPT-6 Sol är mellannivån i OpenAIs GPT-6-serie, under flaggskeppet GPT-6 Astra och över den snabba GPT-6 Luna. Den tar emot text, bilder och filer, har ett kontextfönster på drygt en miljon tokens med upp till 128 000 utdatatokens och exponerar konfigurerbar resonemangsansträngning, funktionsanrop, strukturerade utdata och seedad sampling. Det är ett stängt, modererat API – motsatsen till Mistrals pitch, som är att en organisation så småningom ska kunna köra ML4 på sin egen hårdvara enligt sina egna policyer.

• Totala parametrar — Mistral Large 4 1,05T (49B aktiva) vs GPT-6 Sol ej offentliggjorda

• Kontextfönster – ungefär 1 miljon tokens vardera, Mistral Large 4 uppges ligga på 1M, GPT-6 Sol på ~1,05M

• Maximal utdata — GPT-6 Sol 128K tokens vs Mistral Large 4 ännu inte dokumenterat

• Indatamodalitet — Mistral Large 4 text och bild vs GPT-6 Sol text, bild och fil

• Indatapris — Mistral Large 4 $0,68 per 1M mot GPT-6 Sol $2,00, stiger till $4,00 efter 272K tokens

• Pris för utdata — Mistral Large 4 $2.09 per 1M jämfört med GPT-6 Sol $10.00, som stiger till $15.00 efter att samma tröskel har passerats

• Cachad indata — Mistral Large 4 $0,07 per 1 miljon jämfört med GPT-6 Sol $0,20, stiger till $0,40

• Vikter — Mistral Large 4 med öppen licens, utlovad senast i slutet av oktober 2026, mot GPT-6 Sol som är stängd

• Lanseringsstatus — Mistral Large 4 i offentlig förhandsversion, 6 oktober 2026 vs. GPT-6 Sol allmänt tillgänglig, 22 september 2026

Där GPT-6 Sol helt enkelt ligger före

Mistrals lanseringsinlägg är ovanligt rakt på sak om detta, vilket besparar alla gissningar. På Artificial Analysis Intelligence Index – v4.3.2-revisionen, tio utvärderingar från AA-Briefcase till CritPt – får GPT-6 Sol 47,6 och ligger runt 14:e plats av de 147 modellerna på den listan. Mistral Large 4 har ingen publicerad Index-poäng alls. Det som finns är en partiell rad på Artificial Analysis, som listar modellen som "Mistral Large 4 Preview" och anger dess position som inte offentligt tillgänglig. På de enskilda utvärderingar som är synliga leder GPT-6 Sol tydligt: 47,9 mot ett tröskelvärde i Humanity's Last Exam som den klarar medan ML4 inte förekommer, 83,7 mot 80,3 på AA-LCR long-context recall, 43,9 mot 28,3 på Terminal-Bench 4.0.

De där Terminal-Bench-siffrorna förtjänar en brasklapp som pekar i motsatt riktning. Mistrals 28,3 % och 59,4 % på SWE-Atlas-QnA kommer från siffror som Artificial Analysis utvärderade privat inför lanseringen av ett harness, och Mistral säger uttryckligen att de kommer att finnas med i Artificial Analysis Coding Agent Index när det harnesset släpps. De är inte påhittade av leverantören, men de går inte heller att reproducera för dig i dag. Behandla dem som lovande och overifierade.

Där Mistral faktiskt publicerar siffror är flera av dem värda att läsas ordentligt, eftersom de är den typ av påstående en leverantör kommer med när den är trygg. Mistral rapporterar att ML4 på ett test i Artificial Analysis Cyber Index – återskapa en verklig sårbarhet i programvara med öppen källkod och sedan patcha den – får 82 %, högst av alla modeller, och att den löser 93 % av de 40 utmaningarna i Cybench. Det rapporterar också att ledande slutna modeller, däribland Claude Opus 5.5 och GPT-6 Astra, får nära noll på samma reproducerbarhetstest eftersom de vägrar uppgiften. Dessa är leverantörsrapporterade och har inte reproducerats oberoende, men den bakomliggande mekanismen är inte exotisk: en modell som vägrar mer slutför faktiskt mindre, och Mistral har sålt in det argumentet sedan sitt skifte till öppna vikter.

Vad gäller allmän förmåga är den ärliga bedömningen att GPT-6 Sol är den bättre modellen i dag och att Mistral Large 4 är den billigare. Om din arbetsbelastning är en ren fråga-svar- eller kodningsuppgift utan preferens för självhostning, ger GPT-6 Sols extra fem dollar per miljon utdatatokens dig en modell vars beteende inte kommer att förändras under dig.

Argumentet för förhandsvisningen, som inte bara handlar om pris

Tre saker gör Mistral Large 4 till mer än ett rabattalternativ, och ingen av dem är prislappen.

Den första är suveränitet i bokstavlig mening. ML4 tränades i europeiska datacenter på europeisk hårdvara och kommer att kunna tillhandahållas i en europeisk region som Mistral driftar i alla led. För en reglerad köpare är det inte en marknadsföringsfras; det är ett upphandlingskrav som GPT-6 Sol för närvarande inte kan uppfylla till något pris. Mistral tog in 3 miljarder euro i en serie D-runda specifikt för att finansiera detta, den största kapitalrundan ett europeiskt teknikföretag har genomfört, och denna modell är den första milstolpen för detta.

Det andra är vikterna. När de blir tillgängliga kan en organisation som har GPU:erna köra ML4 lokalt utan att någon leverantör är inblandad, vilket förändrar både vägranbeteendet och dataresidensfrågan. GPT-6 Sol kommer fortfarande att vara ett API-anrop när det händer. Om din färdplan har en on-premise-fas är ML4 den enda av de två som har en.

Det tredje är kadens. Mistral säger att RL-körningen bakom den här förhandsversionen inte har nått mättnad och att man förväntar sig ”stora och snabba förbättringar under de kommande veckorna och månaderna”. När en leverantör släpper en förhandsversion och uppger att kurvan fortfarande stiger, är priset du får i dag kopplat till den sämsta versionen av modellen som du någonsin kommer att faktureras för. Priset för GPT-6 Sol är kopplat till en fast förmåga.

Att köra båda utan att satsa på endera

Det besvärliga med en förhandsversion är att man inte kan låsa den. Om din produkt är beroende av ML4:s nuvarande beteende är en uppdatering nästa vecka en produktionsincident. Om den är beroende av GPT-6 Sol betalar du en fast premie för stabilitet. Det förnuftiga upplägget är vanligtvis båda, bakom en enda slutpunkt, så beslutet är en routingregel och inte en arkitektur.

Det är vad OrcaRouter är till för. Båda modellerna ligger bakom ett enda OpenAI-kompatibelt API med 0 % påslag, vilket är viktigare än vanligt här: Mistrals förhandsvisningspris är ett lanseringspris och kommer att förändras – uppåt när förhandsvisningen tar slut, möjligen nedåt när vikterna släpps och konkurrensen kring den öppna modellen tar fart – och eftersom leverantörernas listpriser förs vidare rakt igenom blir en leverantörs prissänkning aktiv hos oss samma dag i stället för först när någon uppdaterar en hårdkodad tabell. Routnings-DSL:en låter dig skicka dokumentarbete med lång kontext till den modell som är billigast för den formen, och behålla GPT-6 Sol som reserv för allt som måste vara stabilt. Automatisk failover täcker det fall som ett förhands-API oftast bjuder in till: att slutpunkten är upptagen eller tillfälligt otillgänglig, vilket är normalt för vilken modell som helst under dess första månad.

Vilken ska man välja?

Välj GPT-6 Sol om arbetsbelastningen är produktionskritisk, beteendet spelar större roll än enhetspriset och du inte har något krav på att köra modellen själv. Dess 47,6 på Intelligence Index, dess tak på 128K utdata och dess cacheläsningar för $0,20 gör den till ett säkrare standardval, och omprissättningen för lång kontext vid 272 000 tokens är enkel att planera för eftersom tröskelvärdet är publicerat.

Välj Mistral Large 4 om du bygger något där en av tre saker gäller: du behöver en modell som är driftsatt i Europa, du behöver öppna vikter så småningom, eller så verkar du inom säkerhetsforskning där en vägran är ett misslyckande — 82 % på testet för att reproducera och patcha mot nära noll för de slutna alternativen är ett verkligt kapacitetsgap, oavsett om det är leverantörsrapporterat eller inte. Och acceptera att du köper en modell mitt i flygningen. Budgetera för att API-ytan ändras, och hårdkoda inte förhandsvisningspriset i en prognos för nästa kvartal.

Vad man bör hålla utkik efter innan man bestämmer sig för det ena eller andra: det faktiska viktsläppet i slutet av oktober, som är det ögonblick då anspråket om öppna vikter upphör att vara ett löfte; den första publicerade poängen på Artificial Analysis Intelligence Index för ML4, som kommer att avgöra om prisskillnaden är ett fynd eller en rabatt för mindre; och Coding Agent Index, där Mistrals privata Terminal-Bench-siffror antingen bekräftas eller tyst inte gör det.