Mistral Large 4 vs Claude Fable 5.1: Sjutton indexpoäng och ett tolv gånger högre pris för utdata

Frågan i den här jämförelsen ändrades den 29 oktober 2026, och inte för att Mistral Large 4 blev smartare. Den eftermiddagen upphörde modellen att vara en uthyrd förhandsversion och blev en nedladdning på 1,06 TB, vilket innebär att jämförelsen med Claude Fable 5.1 inte längre bara handlar om vilken modell som svarar bättre – utan även om vilken begränsning du kan leva med. Claude Fable 5.1 är en modell med ett pris på 10 dollar per miljon indatatoken som du kan anropa via ett API och aldrig kan äga, finjustera eller köra på din egen hårdvara. Mistral Large 4 är en mixture-of-experts-modell med en biljon parametrar som du nu kan äga, anpassa och driftsätta i ditt eget nätverk, under en licens som uttryckligen förbjuder dig att återförsälja den som en tjänst. Den ena är ett kontrakt. Den andra är en nedladdning med en klausul.

När det gäller förmåga är det inte jämnt, och det är värt att säga innan prisdiskussionen börjar. Intelligence Index v5 från Artificial Analysis placerar Claude Fable 5.1 på 43 och Mistral Large 4 på 26. Det är en skillnad på sjutton poäng på samma instrument, och den håller för varje rimlig reservation om indexversioner, eftersom båda siffrorna är v5-avläsningar – Fable 5.1:s från live-resultattavlan, Large 4:s från den siffra som Mistral anger på sitt eget modellkort. Om indexet körs igen förändras båda siffrorna; ordningen gör det inte.

Där gapet faktiskt visar sig

De offentliga benchmarkresultaten stämmer överens med indexet, vilket är ovanligt. Båda uppsättningarna siffror nedan är utförda av leverantören och ingen av dem har oberoende reproducerats, så behandla dem som påståenden med samma status snarare än som bevis på olika kvalitet.

• Terminal-Bench 4.0 — Claude Fable 5.1 vid 55,8 % enligt Anthropic; Mistral Large 4 vid 41 % enligt Mistral. Båda leverantörerna körde sitt eget testramverk, och Anthropics egen rapporterade siffra har förekommit som 58,1 % i vissa rapporter, så den exakta decimalen är osäker i båda kolumnerna.

• Långsiktig vetenskap — Claude Fable 5.1 med 52,6 % på Terminal-Bench-Science 0.1, Anthropics mest framträdande påstående och ett som en tabell från ett annat labb sedan dess har visat vara mycket lägre för samma modell. Mistral Large 4 har ingen jämförbar publicerad rad, vilket i sig är informativt: modellen är positionerad för kodning och säkerhet, inte för agentisk vetenskap av forskningskvalitet.

• Humanity's Last Exam — 60,9 % utan verktyg och 65,0 % med verktyg, för Claude Fable 5.1. Mistral publicerade 35,0 % på samma benchmark för förhandsversionen i oktober. Siffran för förhandsversionen avser tiden före tre veckors RL och den slutliga checkpointen, så den underskattar den släppta modellen — men det är den enda siffran som någon av parterna har angivit för HLE.

• Säkerhetsarbete – här är Mistral Large 4 det starkare påståendet, med 79 % på CyberGym-E2E och 97,1 % i sin B3-agent-säkerhetssvit efter RL. Anthropics modeller vägrar i högre grad utföra detta arbete i stället för att misslyckas med det, vilket är en policyfråga lika mycket som en kapacitetsfråga och bör inte tolkas som en kapacitetslucka.

• Tokeneffektivitet — Mistrals egen formulering är att den släppta modellen behöver 47 % färre tokens per uppgift än GLM-5.3 vid ett lika resultat på 48 % i Artificial Analysis's Coding Agent Index. Det är en ovanlig rad där en leverantör publicerar kostnadssidan av ett benchmark tillsammans med poängen, och det är den mest användbara siffran i endera kolumnen.

Ett tal som ser ut som en regression men inte är det

Förhandsversionen av Mistral Large 4 fick 38,4 på Artificial Analysis index. Den släppta versionen får 26. En vanlig läsare som jämför de två siffrorna drar slutsatsen att tre veckor av förstärkningsinlärning gjorde modellen tolv poäng sämre. Det gjorde den inte. 38,4 registrerades på v4.3-indexet; Artificial Analysis byggde om sitt index i slutet av oktober, och v5-ombyggnaden är ett hårdare mätinstrument överlag – modeller som låg i femtiointervallet på v4.3 ligger i fyrtiointervallet på v5. De två siffrorna är inte mätningar av samma sak, och att subtrahera dem är det enskilt vanligaste felet i bevakningen av den här lanseringen.

Samma varning gäller för siffran 41 % för Terminal-Bench. Mistral rapporterar 28,3 % före den extra RL:n och 41 % efter, vilket är en genuin ökning på jämförbara villkor i ett och samma testramverk. Men 41 % är fortfarande en låg absolut poäng jämfört med Claude Fable 5.1:s 55,8 %, och oavsett hur mycket man ramar in det som en förbättring ändras inte den ordningen heller.

Licensklausulen som avgör mer än gapet

Mistral Large 4 levereras under Mistral Ecosystem Open-Weight License, som företaget beskriver som en modifierad MIT-text. I praktiken ger den fyra saker och håller en tillbaka:

• Kommersiell användning, utan intäktsgräns – det finns ingen formulering som säger "du måste ligga under $X miljoner för att använda detta".

• Finjustering och derivatmodeller – det är den klausul som över huvud taget gör det möjligt att arbeta med RL från dag noll.

• Intern driftsättning och lokal hosting, vilket är det suverän-AI-budskap som Mistral har byggt hela lanseringen kring.

• Inbäddning i en produkt, med undantag som omfattar inbäddad användning och blott vidarebefordran av utdata.

• Inte beviljat: att driva en Model-as-a-Service-verksamhet på det. Om du vill sätta upp en API-slutpunkt med per-token-prissättning och sälja åtkomst behöver du ett separat kommersiellt avtal med Mistral.

Claude Fable 5.1 har ingen motsvarande fråga eftersom det inte finns något motsvarande beviljande. Du får ett API, användarvillkor och en anropsbegränsning. Du får inga vikter, du kan inte finjustera, och du kan inte placera modellen i ett luftgappat nätverk oavsett pris. Anthropics villkor tillför egna restriktioner som verkar i samma riktning: i leverantörens eget API måste noll datalagring uttryckligen auktoriseras, tvingad verktygsanvändning stöds inte och tänkandet kan inte stängas av. Att routa samma modell via en leverantör med avtal om noll datalagring är hur team kringgår den första av dessa. Dessa restriktioner har betydelse för reglerade köpare på ett sätt som ett indexgap på sjutton poäng inte har.

Kostnaden, med förbehållet om utförlighet

Listpriser först, eftersom kampanjpriser löper ut och det är listpriserna som står i avtalet.

Claude Fable 5.1 — 10,00 USD per miljon indatatokens, 50,00 USD per miljon utdatatokens, med cacheläsningar reducerade till 0,25 USD per miljon. Batchprissättning halverar båda till 5 och 25 USD.

• Mistral Large 4 — $1,36 per miljon input, $4,18 per miljon output enligt listpris, för närvarande rabatterat med ungefär hälften till cirka $0,68 och $2,09 utan offentliggjort slutdatum.

Till listpris är det 7,4× på inmatning och 12× på utmatning. I den aktuella kampanjen ligger det närmare 15× och 24×. Båda är tillräckligt stora för att prisfrågan ska gå före benchmarkfrågan för alla med verklig volym, vilket är den ärliga anledningen till att den här jämförelsen överhuvudtaget skrivs.

Förbehållet är mångordighet, och det är ett reellt förbehåll. I förhandsversionens körning mot Artificial Analysis-indexet genererade Mistral Large 4 utdata på omkring 200 miljoner token, jämfört med en median på resultattavlan på nära 85 miljoner. Prissättningen per token multipliceras med den faktorn. Kör man samma 200 miljoner utdata-token genom båda modellerna blir kalkylen $418 för Mistral Large 4 till kampanjpriset, jämfört med $10 000 för Claude Fable 5.1 till listpris. Multipeln överlever mångordigheten – den krymper, den inverteras inte – men den som anger en kvot per token utan att kontrollera hur många token modellen faktiskt genererar, anger bara halva siffran. Huruvida den släppta checkpointen är lika mångordig som förhandsversionen är inte uppmätt; den 30-procentiga minskningen av utdata-token som Mistral hävdar kommer från dess extra RL är företagets eget svar på den frågan.

Där var och en faktiskt kan kallas

Det här är den del av jämförelsen där de två modellerna upphör att vara symmetriska. Claude Fable 5.1 finns i OrcaRouter-katalogen som anthropic/claude-fable-5.1, med dess kontext på 1M tokens, prissättning på $10/$50 och den reducerade cache-läsningsavgiften som tas ut enligt leverantörens listpris – utan påslag ovanpå, så en ändring av leverantörspriset slår igenom samma dag. Mistral Large 4 finns inte i den katalogen. Vi tillhandahåller den inte, och den här artikeln är ingen väg till den: den släppta modellen finns på Hugging Face och bakom leverantörens eget API. Att säga det rakt ut är mer användbart än att antyda något annat.

Vad det innebär i praktiken beror på vilken sida av licensen du befinner dig på. Om du vill ha en modell som du kan köra på din egen hårdvara, granska från början till slut och anpassa med en LoRA-adapter, är bara en av dessa två tillgänglig för dig, och gapet på sjutton punkter är priset för den kontrollen. Om du vill ha det starkaste svaret per anrop och aldrig avser att äga något, är bara en av dessa två ett seriöst alternativ, och ett utdatapris som är tolv gånger högre är priset för den kapaciteten. Att placera båda bakom en enda nyckel med failover konfigurerat per rutt är den operativa versionen av samma beslut: det låter dig använda den dyra modellen som standard och växla över till en billigare utan ett andra avtal.

Vilken ska man välja?

Välj Claude Fable 5.1 om ditt arbete är långhorisontell agentisk exekvering, terminaltung kodning eller resonemang av forskningskvalitet där ett felaktigt svar kostar mer än en token. Ta påståendet om 55,8 % på Terminal-Bench med förbehållet att det är leverantörskört, men ta rangordningen seriöst: inget som Mistral har publicerat placerar Mistral Large 4 på samma nivå.

Välj Mistral Large 4 om begränsningen är juridisk eller geografisk snarare än intellektuell. Ett europeiskt företag som inte kan skicka prompter över en gräns, ett säkerhetsteam som behöver hålla avvisningspolicyn utanför beslutsvägen, en produkt som måste leverera en modell i sin egen binärfil – inget av dessa löses av en bättre indexpoäng, och alla löses av 610 GB NVFP4-vikter utan gating och en licens som tillåter intern finjustering.

Välj ingendera och routa mellan dem, om det ärliga svaret är att du har två arbetsbelastningar med olika begränsningar. Det är fallet som prisklyftan är utformad för att skapa, och det är det som de flesta team kommer att hamna i.

Den öppna frågan

Siffran som skulle förändra den här jämförelsen finns inte på någon av leverantörernas slide. Det är en oberoende nykörning av den släppta checkpointen på Artificial Analysis v5-index, eftersom siffran 26 för närvarande kommer från att Mistral citerar en tredje part snarare än från en ny mätning av de slutliga vikterna. Om tre veckors RL och 30 % färre output-tokens flyttar den siffran märkbart, krymper gapet och prisargumentet blir starkare. Om inte är den släppta modellen förhandsversionen med bättre uppförande, och de sjutton poängen är strukturella.

Så länge den körningen inte finns är den försvarbara positionen den tråkiga: Claude Fable 5.1 är den bättre modellen, Mistral Large 4 den bättre licensen, och de enda för vilka detta är ett jämnt val är de som behöver båda.