Mistral Large 4 vs Qwen3.8 Max: Ett påstått försprång som de publicerade siffrorna förnekar

Mistrals lanseringsinlägg för Mistral Large 4 anger att dess kombinerade Coding Agent Index-poäng på 49,8 % placerar den "före DeepSeek V4 Pro 0813 och Qwen3.8 Max". Artificial Analysis har redan Qwen3.8 Max i samma indexfamilj, och dess siffra för Terminal-Bench 4.0 är 38,9 %. Mistral rapporterar 28,3 % för sin egen modell i samma testramverk. Båda siffrorna kommer från Artificial Analysis – den ena offentlig, den andra framtagen privat före lanseringen av testramverket – och de pekar i motsatta riktningar. Det är inte ett skäl att avfärda någon av modellerna. Det är det mest användbara med den här matchningen, eftersom det säger exakt vilken av de två du kan verifiera i dag, och det sätter prisfrågan på sin spets: Qwen3.8 Max kostar 2,00 USD per miljon indatatokens och 6,00 USD per miljon utdatatokens, mot Mistral Large 4:s 0,68 USD och 2,09 USD – ungefär tre gånger så mycket – och på varje publicerad mätning är den den starkare modellen.

Båda är försök i Alibaba-skala och Mistral-skala att göra samma sak – ett nativt multimodalt flaggskepp som hanterar omkring en miljon tokens kontext med resonemang, verktyg och strukturerade utdata – släppta nio veckor isär, den ena i offentlig förhandsvisning och den andra som allmänt tillgänglig. En av dem har funnits tillgänglig sedan 3 augusti 2026 och har en hel kolumn med oberoende poäng. Den andra anlände den 6 oktober 2026 med ett utlovat släpp av vikter före månadens slut och en förstärkningsinlärningskörning som enligt dess leverantör fortfarande klättrar.

Den publicerade kolumnen och den utlovade

Qwen3.8 Max är Alibabas högsta kapacitetsnivå hittills, och Alibaba positionerar det direkt mot GPT-5.5, Claude Opus 4.7 och Gemini 3.1 Pro i sin egen migreringsguide. Det är inbyggt multimodalt över text, bilder och video med textutdata, har ett kontextfönster på 1 000 000 token, och dess kapacitetsmatris bekräftar tänkandeläge, funktionsanrop, inbyggda verktyg och strukturerade utdata. Det tillhandahålls i tre överföringsformat — OpenAI-kompatibelt, Anthropic-kompatibelt och inbyggt DashScope — från Peking, Singapore, Tokyo, Frankfurt och ytterligare regioner.

På Artificial Analysis får den 45,4 i Intelligence Index v4.3.2, 17:e av 147 modeller, och 76,2 på AA Coding-indexet, vilket är 9:e av 138 och delar platsen med Kimi K3 i toppen av fältet för öppna vikter. Den har 92,8 % på GPQA Diamond, 80,3 % på återkallning i långa kontexter, 52,1 % på SciCode och 47,8 % på tau-banking. Dess resultat på Terminal-Bench 2.1 är 88,8 %.

Mistral Large 4 är en finkornig mixture-of-experts-modell med 49 miljarder aktiva parametrar av totalt 1,05 biljoner och en visionsencoder med 1,6 miljarder parametrar, tränad från grunden på 3 800 NVIDIA Grace Blackwell-GPU:er i Mistrals egna europeiska datacenter på data som täcker fler än 160 språk. Den hanterar text och bilder över cirka en miljon tokens i kontext. Dess Artificial Analysis-sida finns under titeln "Mistral Large 4 Preview" och har ingen Intelligence Index-poäng; vikterna utlovas till slutet av oktober 2026.

• Intelligensindex — Qwen3.8 Max 45,4 (17:e av 147) mot Mistral Large 4, som ännu inte har publicerats

• Kodningsindex — Qwen3.8 Max 76,2 (9:e av 138) mot Mistral Large 4: ingen jämförbar

• Terminal-Bench 4.0 — Qwen3.8 Max 38,9 % mot Mistral Large 4 28,3 %, utvärderad privat

• Kontextfönster — Qwen3.8 Max 1 000 000 tokens mot Mistral Large 4 cirka 1 000 000

• Indatamodalitet – Qwen3.8 Max text, bild och video vs Mistral Large 4 text och bild

• Indatapris — Mistral Large 4 $0,68 per 1M mot Qwen3.8 Max $2,00 per 1M

• Pris för utdata — Mistral Large 4 $2,09 per 1 miljon vs Qwen3.8 Max $6,00 per 1 miljon

• Cachad indata — Mistral Large 4 $0,07 per 1M vs Qwen3.8 Max $0,25 per 1M

• Vikter — Mistral Large 4 öppen licens utlovad i slutet av oktober 2026 mot Qwen3.8 Max stängd

• Släppt — Qwen3.8 Max 3 augusti 2026 vs Mistral Large 4 6 oktober 2026, förhandsversion

Att lösa motsägelsen, i den mån den kan lösas

De två siffrorna för Terminal-Bench 4.0 är verkligen inkonsekventa, och den mest sannolika förklaringen är den minst dramatiska: de kommer från olika körningar. Mistrals 28,3 % beskrivs som utvärderat privat av Artificial Analysis inför ramverkets offentliga lansering, vilket innebär att det kan ha mätts på ett ramverk före lansering, vid en annan resonemangsansträngning eller med olika sampling. Qwens 38,9 % är på det publicerade ramverket vid vilken konfiguration Artificial Analysis än standardiserade. Att jämföra dem direkt är att jämföra ett utkast med en slutversion, och utkastet är det som ser sämre ut.

Det är också värt att notera åt vilket håll motsägelsen skär. Mistral hävdar en ledning i det kombinerade Coding Agent Index – 49,8 %, före Qwen3.8 Max – samtidigt som de publicerar en siffra för Terminal-Bench 4.0 som ligger tio punkter efter Qwens. Ett kombinerat index sammanställer flera utvärderingar, så båda kan vara sanna samtidigt, och en modell med ett starkt resultat på DeepSWE v1.1 (Mistral rapporterar 61,7 %) och ett svagt resultat på Terminal-Bench kan fortfarande vinna genomsnittet. Men så länge Coding Agent Index inte är offentligt är den enda komponenten i det påståendet som en läsare kan kontrollera den där Mistral ligger efter. Den asymmetrin är det korrekta att vara misstänksam mot, i båda riktningarna.

Vad tre gånger priset faktiskt ger

Två saker, och bara en av dem är prestanda.

Video är det konkreta exemplet. Qwen3.8 Max har inbyggt stöd för video som indata av första klass; Mistral Large 4 har det inte. Mistrals multimodala kapitel handlar om bilder – att förankra detaljrika scener, verifiera mekaniska delar i tekniska ritningar, hämta bevis från PDF:er, skanna satellitbilder i gigapixelupplösning – och inget av det kräver rörliga bilder. Om din pipeline bearbetar inspelningar, demonstrationer eller videoarkiv är prisjämförelsen irrelevant, eftersom en av dessa modeller inte kan ta emot det du matar in. Detta är en gräns för förmågan, inte en skillnad i prislistan, och ingen ny prissättning kommer att rubba den.

Det andra är bevis. Qwen3.8 Max 45,4 poäng i Index, dess niondeplats i kodningsrankingen och dess 88,8 % på Terminal-Bench 2.1 är alla reproducerbara i publicerade testramverk av vem som helst som vill lägga tokens på det. Mistrals ML4 erbjuder ett högre påstått tak för agentisk kodning och automatisering, en blind mänsklig utvärdering där den snäppet överträffade Kimi K3 och GLM-5.3 i upplevd kodningskvalitet, och ett specifikt cybersäkerhetspåstående – 82 % på reproduce-and-patch-testet från Artificial Analysis, högst av alla testade modeller, med 93 % på Cybench. Vart och ett av dessa är rapporterat av leverantören eller utvärderat i privat regi. Ett team som måste motivera ett modellval för en upphandlingsgranskning betalar tre gånger så högt pris för att få svaret skriftligt.

Med det sagt är cybersäkerhetssiffran det enda påståendet i den här jämförelsen som ett lägre pris inte kan kompensera för, eftersom det är en förmåga, inte en fördel. Mistral rapporterar att flera ledande slutna modeller, inklusive Claude Opus 5.5 och GPT-6 Astra, får nära noll på samma test för att återskapa och åtgärda, eftersom de vägrar uppgiften, och att ML4:s genomsnittliga vägransfrekvens på cyberprompter hämtade från JailbreakBench, StrongREJECT och AgentHarm är högre än för andra modeller med öppna vikter, samtidigt som de ändå utför arbetet. Qwen3.8 Max rapporteras inte i det testet. Om ditt arbete innebär att återskapa sårbarheter är frågan inte vem som är billigare; det är vem som över huvud taget kommer att utföra jobbet.

Vikter, och var de körs

Det är här Mistral Large 4 har den enda strukturella fördel som Qwens tre gånger högre pris inte kan rå på. Mistral har åtagit sig att släppa ML4:s vikter under en öppen licens i slutet av oktober 2026, tillsammans med detaljer om arkitekturen och efterträningsmetodiken. Det förvandlar en kostnad per token till ett kapitalbeslut: om du har GPU:erna slutar du betala per token, slutar skicka data till en tredje part och slutar omfattas av någon annans modereringspolicy. Alibabas Max-nivå är ett slutet erbjudande som endast finns via API, och inget tyder på att det förändras.

Geografi är samma argument i ett annat register. Qwen3.8 Max serveras från Peking, Singapore, Tokyo och Frankfurt bland andra — ett genuint globalt fotavtryck, men ett som drivs av Alibaba. Mistral Large 4:s offentliga förhandsversion körs på Mistrals egen europeiska infrastruktur, i en europeisk region som Mistral driver från början till slut och oberoende av andra leverantörer av digitala tjänster, enligt europeisk lag. För en europeisk reglerad köpare stöder dessa två meningar mycket olika upphandlingsutfall även om båda modellerna finns tillgängliga i samma stad. Mistrals serie D på 3 miljarder euro — den största kapitalrundan som någonsin tagits upp av ett europeiskt teknikföretag — finns för att finansiera just den distinktionen, och ML4 är dess första leverans.

Routning över två former av tillgänglighet

Det ovanliga med den här kombinationen är att de två modellerna skiljer sig inte bara i pris och kapacitet utan också i hur du kommer åt dem. Qwen3.8 Max stödjer OpenAI-kompatibla, Anthropic-kompatibla och inbyggda DashScope-protokoll från en rad olika regioner; Mistral Large 4 är en enda förhandsgranskningsslutpunkt från en enda operatör. Att normalisera detta från din applikationskod är en rejäl arbetsinsats, och det är den typ av arbete som börjar i det lilla och växer varje gång en leverantör ändrar något.

Båda ligger bakom en enda OpenAI-kompatibel endpoint på OrcaRouter med 0 % påslag, vilket är det som gör prisskillnaden i den här artikeln stabil snarare än en ögonblicksbild: leverantörernas listpriser förs vidare oförändrade, så den dag Mistral avslutar sitt preview-pris eller Alibaba ändrar Qwens, flyttar siffrorna som dina routingregler utvärderar mot sig i takt med dem. Routing-DSL:en är där de två modellernas olika styrkor blir en och samma anropsyta — videoförfrågningar till Qwen3.8 Max, bild- och dokumentarbete till Mistral Large 4, och allt som måste hålla en strikt budget skickas till ML4 först med Qwen som eskalering när combined-index-påståendet visar sig spela roll i en verklig uppgift. Automatisk failover är värd mer i den här kombinationen än de flesta, eftersom det ena benet är ett preview-API i sin första månad och det andra är en sluten nivå som du inte kan kapacitetsplanera. När frågan om 49,8 mot 76,2 för kodning verkligen är oavgjord för din arbetsbelastning kan modellfusion köra båda på samma prompt och låta en panel välja, vilket är billigare än att köra en bake-off två gånger.

Dom

Qwen3.8 Max är den bättre modellen enligt allt som har publicerats. Dess Indexpoäng på 45,4, kodningsindex på 76,2 och 38,9 % på Terminal-Bench 4.0 ligger på samma revisioner som alla andras, den tar emot video, den har varit tillgänglig i två månader och den kan nås via tre trådformat från fem regioner. Om prestanda och verifierbarhet är de avgörande faktorerna är priset som är tre gånger så högt vad ett levererat, uppmätt flaggskepp kostar.

Mistral Large 4 vinner på pris med ungefär tre gånger, på cacheläsningar med mer än tre gånger, på cybersäkerhetsarbete där alternativet vägrar, och på de två argument som Qwen inte kan svara på: utlovade öppna vikter senast i slutet av oktober, och en europeisk driftsättning som Mistral sköter från början till slut. Påståendet om 49,8 % i Coding Agent Index är det som skulle avgöra saken – om den siffran hamnar i ett offentligt testramverk före Qwens, blir den billigare modellen den bättre och prispremien försvinner. Om den inte gör det säljer Mistral ett förhandspris på en modell som ligger efter en redan släppt konkurrent, och den ärliga hållningen är att du köper färdplanen snarare än modellen.

Håll ögonen på tre datum. Slutet av oktober 2026, då ML4:s vikter antingen släpps eller påståendet om öppna vikter mjukas upp. Publiceringen av Artificial Analysis Coding Agent Index, där Mistrals privata utvärderingar och Qwens offentliga poäng möts i en kolumn. Och slutet av förhandsperioden, närhelst Mistral tillkännager det, eftersom $0.68 och $2.09 är ett lanseringspris och ingen prognos bör anta att det överlever viktsläppet.