Mistral Large 4 vs Llama 4 Maverick: Ett generationsgap, inte ett prisgap

Mistral Large 4 och Llama 4 Maverick är samma typ av objekt och inte samma generation av objekt. Båda är glesa mixture-of-experts-modeller med ett kontextfönster på en miljon token enligt modellkortet, båda tar både bilder och text, och båda kan laddas ner och köras på din egen hårdvara. Maverick släpptes den 5 april 2025 med 400 miljarder totala parametrar och 17 miljarder aktiva. Mistral Large 4 visades i förhandsversion den 6 oktober 2026 och publicerade sina vikter den 29 oktober, med 1,05 biljoner totalt och 52 miljarder aktiva. Nitton månader skiljer dem åt. Räknat till medianpriset på Mavericks hostingmarknad skiljer även där bara ungefär 1,3 gånger kostnaden dem åt — vilket knappast är vad någon förväntar sig att höra om en så gammal modell.

Det korta svaret, innan förbehållen

Om du påbörjar ett nytt bygge i slutet av 2026 och behöver resonemang, arbete med långa dokument eller agentisk kodning är Mistral Large 4 den bättre modellen och den dyrare. Om du behöver en modell med öppna vikter som du kan finjustera, köra i luftgap eller anropa för en bråkdel av ett öre per begäran vid en enkel extraheringsuppgift, är Llama 4 Maverick fortfarande ett försvarbart val – inte för att den är konkurrenskraftig kapacitetsmässigt, utan för att arbetsbelastningen kanske inte behöver kapacitet. Misstaget är att behandla en lucka på 19 månader som en rivalitet. Det är en prisnivå som råkar ligga i samma kategori, och prisdelen är märkligare än kapacitetsdelen.

Siffrorna sida vid sida

• Totalt antal parametrar — Mistral Large 4 är 1,05T fördelat över 128 routade experter plus en delad expert, jämfört med 402B för Llama 4 Maverick över 128 experter, som Meta listar som 400B.

• Aktiva parametrar – 52B per token på Mistral Large 4 (49B för språkstacken, med embeddings och utdatalager inräknade blir det 52B) jämfört med 17B på Llama 4 Maverick, så beräkningsskillnaden per token är ungefär tre till en.

• Kontext — 1M tokens annonseras för båda; vad en värd faktiskt levererar är en annan siffra, och ett senare avsnitt handlar om det.

• Modalitet – text och bild in, text ut, på båda. Mistral Large 4:s visionsencoder är 1,6B parametrar; Mavericks early-fusion-encoder särredovisas inte i Metas publicerade siffror.

• Resonerande — Mistral Large 4 erbjuder en nivåstege för låg, medel och hög ansträngning, där hög är standard. Artificial Analysis specifikationspanel anger att Llama 4 Maverick inte har något resonemangsläge alls.

• Pris per miljon — 0,70 USD för indata och 2,10 USD för utdata direkt från Mistral, med cachad indata på 0,07 USD, jämfört med att det inte finns något förstapartslistpris för Maverick överhuvudtaget, eftersom Meta inte säljer den. Värdar tar så lite som 0,17 USD för indata och 0,60 USD för utdata; Artificial Analysis anger leverantörsmedianen till 0,50 USD och 1,68 USD.

• Licens — Mistral Ecosystem Open-Weight License, en modifierad MIT med ett undantag för modell-som-tjänst, kontra Llama 4 Community License med sitt tröskelvärde på 700 miljoner månatligt aktiva användare.

• Utgivning — 29 oktober 2026 för Mistral Large 4-checkpointen, jämfört med 5 april 2025 för Llama 4 Maverick, med kunskapsgräns i augusti 2024.

Benchmarkstriden står mellan två olika måttstockar.

Sök på den här matchningen och du hittar sidor som hävdar att Mistral Large 4 får 38,0 på Artificial Analysis Intelligence Index jämfört med Mavericks 14,3, och andra sidor som hävdar att Maverick vinner nio av elva benchmarks. Båda uppsättningarna siffror är verkliga i den meningen att någon har tryckt dem. Ingen av dem är en jämförelse.

I det aktuella Artificial Analysis Intelligence Index v5, som byggdes om den 27 oktober 2026, får Mistral Large 4 26 poäng vid den höga resonemangsinställningen och 23 vid medium. 38,0 som du ser angivet är dess poäng i det tidigare bygget v4.3.2, från förhandsversionen i oktober, och det går inte att subtrahera det från något som mätts efter ombyggnaden – indexet ändrades, inte bara modellen. Maverick har däremot ingen poäng i v5-indexet alls. Dess Artificial Analysis-sida visar "N/A" där intelligenssiffran borde stå, tillsammans med en hastighet på 62,7 utdatatokens per sekund och en notering om att den är långsammare än genomsnittet för sin klass. Siffran 14,3 som cirkulerar på jämförelsesajter föregår ombyggnaden.

Det som är mätbart är snävare och ärligare. Mistral rapporterar 41 % på Terminal-Bench 4.0, upp från 28 % i förhandsversionen; 61,7 % på DeepSWE v1.1; 79 % på CyberGym-E2E; och 51 på Artificial Analysis Cyber Index, tredje bland modeller med öppna vikter. Alla dessa utom Cyber Index är leverantörsrapporterade på Mistrals egen agentscaffold, och särskilt Terminal-Bench-siffran har reproducerats mycket lägre — 24,7 % — när samma vikter körs på Artificial Analysis neutrala mini-swe-agent-harness. Mavericks publicerade siffror är från april 2025 och använder en helt äldre testsvit: 85,5 MMLU, 80,5 MMLU-Pro, 69,8 GPQA Diamond, 91,6 DocVQA, alla rapporterade av Meta vid lanseringen. Det finns inget gemensamt harness där de två har körts, så det enda försvarbara påståendet är riktningsvis: den nyare, större, resonemangstränade modellen är bättre på svåra uppgifter, med en marginal som ingen har mätt rent för de två tillsammans.

Vad en miljon tokens faktiskt ger dig på var och en

Kontextfönstret är där de två modellerna ser mest lika ut och beter sig mest olika i produktion.

Llama 4 Mavericks modellkort anger 1 048 576 tokens, och Artificial Analysiss specifikationspanel upprepar 1M. I praktiken begränsar de flesta värdar den mycket lägre – 128K är vanligt – och nästan ingen ger dig både hela fönstret och en användbar utdatabudget. Maximal utdata på Maverick är vanligtvis 8K till 16K beroende på leverantören, och Metas egen hostade endpoint har listats till ungefär 4K. Så ett "1M-kontext"-bygge på Maverick är vanligtvis ett 128K-bygge hos en tredjepartsvärd, och det upptäcker du vid det första långa dokumentet.

Mistral Large 4 publicerar 1M via Mistrals eget API, vilket åtminstone är ett enda ansvarstagande nummer i stället för ett lotteri per värd. Mistrals dokumentation publicerar ingen siffra för maximal utdata, så samma råd gäller: mät paret – indatafönster och utdatatak – på den slutpunkt du faktiskt kommer att anropa, inte på kortet.

Det här är precis vad en router är till för. OrcaRouter för vidare leverantörens listpris utan påslag och växlar automatiskt över mellan leverantörer, så en värd som i tysthet trimmar ett kontextfönster framträder som ett routingbeslut i stället för en produktionsincident. Varken Mistral Large 4 eller Llama 4 Maverick finns i vår katalog i dag, så det är ett argument för hur man kör vilken modell med öppna vikter du än väljer, inte ett påstående att vi tillhandahåller dessa två.

Notan, uträknad – och varför spreaden är själva poängen

Ta en måttlig produktionsarbetsbelastning: 100 miljoner indatatoken och 40 miljoner utdatatoken per månad.

• Mistral Large 4 enligt listpris — 100 × $0,70 är $70, och 40 × $2,10 är $84, vilket blir $154 i månaden.

• Llama 4 Maverick vid leverantörsmedianen – 100 × 0,50 USD är 50 USD, och 40 × 1,68 USD är 67,20 USD, vilket blir 117,20 USD i månaden.

• Llama 4 Maverick hos en konkurrenskraftig leverantör – cirka $0,25 och $0,92 gör att samma arbetsbelastning landar på $61,80.

• Llama 4 Maverick hos de billigaste värdarna – runt 0,17 $ och 0,60 $ landar det på 41 $.

Så förhållandet mot Mistral Large 4 sträcker sig från 1,3 gånger vid medianen till omkring 3,8 gånger i marknadens nedre del. Det intervallet är inte en egenskap hos modellen. Det är en egenskap hos var man köper Maverick, och det är bredare än gapet mellan de två modellerna i mitten av fördelningen. Ett team som benchmarkar på den billiga värden och budgeterar efter medianen har byggt in ett 3×-fel i sin egen prognos.

Ställ det mot förmåga som du för närvarande inte kan mäta parvis, och beslutet upphör att vara aritmetik. Det rimliga synsättet är kostnad per slutfört jobb, inte kostnad per token: om Mistral Large 4 klarar en uppgift i ett enda försök som kräver tre försök och en reparationsloop på Maverick, försvinner till och med mediangapet på 1,3×. Det är ett påstående som du måste testa på dina egna uppgifter, och det är det enskilt mest värdefulla experiment som endera modellen kan utsättas för den här månaden.

Det ingen säger högt: Maverick är den sista öppna Llama

Llama 4 Maverick har inte fasats ut. Den finns fortfarande på Hugging Face, fortfarande under Llama 4 Community License och används fortfarande i stor utsträckning för lokala installationer och luftgapsisolierade miljöer. Men det är slutet på en linje. Metas frontier-utveckling flyttade till den slutna Muse Spark-familjen 2026, och ingen Llama 5 har släppts – sidorna som hävdar att en sådan har släppts innehåller specifikationer som motsäger varandra och Metas egna tillkännagivanden. Investeringen i det öppna Llama-spåret har i praktiken upphört.

Det förändrar vad "välja Maverick" innebär. Det handlar inte om att välja en modell som kommer att förbättras; det handlar om att välja en modell som kommer att förbli exakt som den är medan verktygen runt omkring den långsamt förskjuts. För ett finjusterat, fryst, driftsatt system är det okej – kan till och med vara en fördel, eftersom inget rör sig under dig. För en plattform som du tänker växa på är det en återvändsgränd med två års runway. Observera att kunskapsavskärningen är augusti 2024: modellen har aldrig sett något som hänt efter det, och ingen mängd prompt engineering kommer att åtgärda det.

{{1}}Mistral Large 4{{/1}} har den motsatta riskprofilen. Den är sex dagar gammal som {{2}}släpp med öppna vikter{{/2}}, dess dokumentation betecknar den fortfarande som en {{3}}offentlig förhandsversion{{/3}}, och dess licens kräver ett kommersiellt avtal om du avser att sälja vidare inferens på den. Ung och föränderlig, med villkor som behöver läsas innan du bygger en verksamhet ovanpå.

Där Maverick fortfarande vinner

Tre fall, och de är inte små.

Det första är hårdvara. Mavericks 400B-parametrar får plats i ungefär 373 GB vid FP8, vilket är en enda nod med åtta H100- eller H200-GPU:er. FP8-checkpointen för Mistral Large 4 är cirka 1,06 TB fördelat över 54 shards, och Mistral säger att den kvantiserade NVFP4-versionen körs på fyra B200- eller B300-GPU:er. Om din driftsättning är en nod i ett rack som du redan äger, har valet redan gjorts åt dig.

Det andra är finjustering. Maverick har haft nitton månader av community-LoRAs, kvantiseringsrecept och serveringsguider. Mistral Large 4 har haft sex dagar. Ekosystemgapet är verkligt, och det mäts i felsökningstimmar, inte i benchmarks.

Den tredje är uppgiftens form. Klassificering, extrahering, routning, sammanfattning av korta dokument, bildbeskrivning i stor skala – ingen av dessa behöver en resonemangsmodell med en biljon parametrar, och alla blir billigare med en som har 17B aktiva. Att betala extra för resonemangstoken som du aldrig använder är det vanligaste sättet för team att slösa pengar på modellval.

Om du vill ha en aktuell modell med öppna vikter som inte är någon av dessa, har OrcaRouter-katalogen Kimi K3 och GLM-5.3-Flash, båda kan anropas med samma API-nyckel som resten av de över 200 modeller vi routar, till leverantörens listpris utan påslag. De omger den här jämförelsen snarare än att ingå i den – GLM-5.3-Flash listas till $0.15 för indata och $0.50 för utdata, klart under båda modellerna här, medan Kimi K3 listas till $3.00 och $15.00, klart över båda. Ingen av dem är en ersättning för de två i den här artikeln, men de är de två uppenbara ställena att titta på om ingen av dess ändar passar.

Hur man bestämmer sig på en eftermiddag

Hämta tjugo verkliga uppgifter från dina loggar. Kör dem genom båda modellerna med samma prompter och samma utdatatak, och poängsätt dem utifrån om utdata var användbar utan en mänsklig redigering. Registrera tokens som var och en förbrukade, multiplicera med priserna ovan och dividera med antalet användbara utdata. Det ger dig kostnad per användbart resultat, vilket är det enda tal som överlever kontakt med en budget.

Min förväntan, formulerad som en förväntan snarare än ett fynd: Mistral Large 4 vinner den svåra hälften av den uppsättningen och förlorar den lätta hälften på kostnad, och brytpunkten hamnar där dina uppgifter slutar kräva flerstegsresonemang. Maverick är inte den bättre modellen. Den är den billigare vid medianen så länge billigt räcker – och efter nitton månader utan efterträdare är det ett vad med ett synligt utgångsdatum.