Mistral Large 4 vs Mistral Large 3: Uppgraderingen som kostar 40 % mer

Avvecklingsmeddelandet är en mening långt, och det var det mest betydelsefulla som Mistral publicerade i oktober. "Den här modellen är utfasad. Använd Mistral Large 4 för nya integrationer," står det på dokumentationssidan för Mistral Large 3, daterad 31 oktober 2026 – två dagar efter att vikterna för Mistral Large 4 släpptes. Large 3 dras inte tillbaka i morgon; det stängs för nytt arbete, vilket i praktiken innebär att varje ny integration, utvärdering och benchmark-körning härefter riktar sig mot en modell som kostar 40 % mer per token och levereras under en licens som inte längre låter dig sälja vidare den fritt. Det är den avvägning uppgraderingen ber dig göra, och det är inte den avvägning som benchmark-täckningen beskriver.

Vad depreceringen faktiskt säger

Mistrals modellsida listar Mistral Large 3 med 675 miljarder totala parametrar och 41 miljarder aktiva, med ett 256K-kontext, släppt den 2 december 2025 under Apache 2.0. Dess ersättare, Mistral Large 4, har 1,05 biljoner totalt och 52 miljarder aktiva, med ett 1M-kontext, förhandsvisades den 6 oktober 2026 och släpptes med öppna vikter den 29 oktober. Mistral anger mistral-large-4 som efterträdaren enligt API-id.

Två detaljer i det paret förtjänar mer uppmärksamhet än de fick. Den första är att licensen ändrades. Apache 2.0 blev Mistral Ecosystem Open-Weight License, en modifierad MIT-licens som tillåter kommersiell användning men kräver ett separat kommersiellt avtal för den som erbjuder modellen som model-as-a-service. Om du finjusterar Large 3 och säljer åtkomst till resultatet, ber Large 4 dig att prata med Mistral först. Den andra är att Mistrals egen dokumentation fortfarande betecknar Mistral Large 4 som en "Public Preview" medan licensblocket på samma sida beskriver den som open-weight. Båda kan vara sanna — modellen är publicerad, lanseringen är inte formellt stängd — men ett team som planerar en migrering bör inte tolka "preview" och "open weight" som samma mognadssignal.

Priset gick upp, och kostnaden per uppgift gick ner

Båda påståendena är korrekta, vilket är det som gör den här uppgraderingen förvirrande.

• Indatatokens – 0,50 USD per miljon på Mistral Large 3, 0,70 USD på Mistral Large 4. Upp 40 %.

• Utdata-tokens — 1,50 $ per miljon på Mistral Large 3, 2,10 $ på Mistral Large 4. Upp 40 %.

• Cachad indata – 0,07 USD per miljon på Mistral Large 4; dokumentationssidan för Mistral Large 3 listar ingen cachad taxa.

• Kostnad per slutförd uppgift på Artificial Analysis-indexet — $2.06 på Mistral Large 4, en minskning med 63 % från oktoberförhandsversionens $5.54.

Siffran 63 % är verklig och beskriver något annat än vad en köpare upplever. Den jämför Large 4 med dess egen tidigare förhandsversion, när modellen både var dyrare per token och betydligt mer ordrik. Vad den inte gör är att jämföra Large 4 med Large 3, eftersom Artificial Analysis för närvarande inte publicerar någon Intelligence Index-poäng för Large 3 alls — sidan anger indexet som ej tillämpligt och modellen som att den inte har någon offentligt benchmarkad API-konfiguration. Så det vitt spridda hoppet "9 till 38,4" mellan de två modellerna är inte ett mått på den här uppgraderingen. Det är en poäng från en indexversion som sedan dess har ersatts.

Poängfrågan, ärligt talat

På det aktuella Artificial Analysis Intelligence Index v5 – ombyggt den 27 oktober 2026 – är det enda jämförbara paret som finns inom Large 4:s egen familj. Oktoberförhandsversionen fick 25, och den släppta checkpointen får 26 vid hög resonemangsnivå och 23 vid medium. Det är den uppmätta förbättringen från de tre extra veckorna av reinforcement learning som Mistral beskriver, och det är en poäng.

När det gäller påståendet om generationerna har du bara Mistrals egna utvärderingar kvar: 41 % på Terminal-Bench 4.0 mot 28 % i förhandsversionen, 61,7 % på DeepSWE v1.1, 79 % på CyberGym-E2E, 84,5 % på BrowseComp. Alla är rapporterade av leverantören, och särskilt Terminal-Bench-siffran mäter olika saker beroende på scaffold: 24,7 % när samma vikter körs i Artificial Analysiss neutrala mini-swe-agent-harness. Det finns ingen motsvarande svit publicerad av Mistral för Large 3 att ställa bredvid den. Den som säger att Large 4 är exakt N punkter bättre än Large 3 citerar ett index som inte längre finns i den formen.

Vad som kan sägas utan linjal: Large 4 lägger till en resonemangstrappa som Large 3 inte har, med låga, medelhöga och höga ansträngningsnivåer där den gamla modellen inte hade några, och hög är standard. Den fördubblar kontextfönstret till 1M och, mer avgörande för långa jobb, tänker innan den svarar. Det är kategoriska förändringar, inte skalförändringar. Kostnaden för en kategorisk förändring är att gamla prompter beter sig annorlunda – ibland bättre, ofta dyrare.

Notan för en verklig arbetsbelastning

Hundra miljoner indatatoken och fyrtio miljoner utdatatoken i månaden, samma volym som används på andra ställen i den här bloggen eftersom det ungefär motsvarar en medelstor supportassistent.

• Mistral Large 3 — 100 × $0,50 är $50, och 40 × $1,50 är $60, alltså $110 i månaden.

• Mistral Large 4 — 100 × $0.70 är $70, och 40 × $2.10 är $84, vilket blir $154 i månaden.

• Skillnaden — 44 dollar i månaden, eller 40 %, för identiska tokenantal.

Antagandet som bör ifrågasättas är att tokenantalen är identiska. Mistral Large 4 är en reasoning-modell som standard, och reasoning-modeller genererar fler tokens för samma förfrågan. Artificial Analysis mäter 82 000 utdatatokens per indexuppgift på den släppta checkpointen – en minskning med 39 % från förhandsversionens 135 000, vilket visar hur stor del av förhandsversionens kostnad som berodde på ordrikedom, och också att 82 000 fortfarande är mycket. Mistral hävdar separat att modellen använder 47 % färre tokens per uppgift än GLM-5.3, vilket är en jämförelse mot en konkurrent, inte mot Large 3.

Den praktiska konsekvensen: om du byter ut modellen bakom en oförändrad prompt ökar både antalet tokens och din taxa, och fakturan förändras med mer än 40 %. Sänk resonemangsansträngningen till låg för klassificering, extrahering och generering av kortformat, så minskar gapet. Låt den vara hög för allt, och du betalar en resonemangspremie för arbete som aldrig behövde den. Den enskilda inställningen är värd mer än alla migreringsrabatter.

Licensen är den del man ska läsa två gånger

Apache 2.0 för Mistral Large 3 innebar inga villkor värda en jurists tid. The Mistral Ecosystem Open-Weight License för Large 4 är en modifierad MIT-licens: använda, ändra, finjustera och kommersialisera fritt, med en separat kommersiell licens som krävs för model-as-a-service. I Mistrals tillkännagivande står det uttryckligen att leverantörer måste skaffa en sådan.

Undantagen spelar roll för mellanhänder. Definitionen utesluter inbäddade slutanvändarprodukter och "enbart vidarebefordran av förfrågningar till modeller som hostas av andra", vilket lämnar utrymme för en gateway som skickar trafik till inferens som hostas av Mistral. Det den inte tydligt omfattar är att själv hosta vikterna och låta andra anropa dem – det som ett plattformsteam gör när det sätter upp en delad inferensendpoint för sina egna produktgrupper. Om det är din arkitektur förändrar uppgraderingen både din rättsliga ställning och din faktura, och svaret är ett samtal med Mistral snarare än en läsning av licensen.

Det är också här ett routningslager gör sig förtjänt av sin plats, med en varning. OrcaRouter för vidare leverantörens listpris med 0 % påslag, så en leverantörsprisändring slår igenom hos oss samma dag i stället för vid nästa avtalsförnyelse – användbart när en modell går från $1,36 till $0,70 på tre veckor, som den här gjorde. Men varken Mistral Large 4 eller Mistral Large 3 finns i vår katalog, så vi kan inte routa den här migreringen åt dig. Det vi kan göra är att hålla resten av din stack på en och samma nyckel medan du bestämmer dig, med automatisk failover och över 200 modeller bakom en enda slutpunkt.

En migreringschecklista som får plats på en skärm

• API-id — mistral-large-2512 blir mistral-large-4 eller dess alias mistral-large-4-0; det gamla id:t fortsätter att hantera befintlig trafik men är stängt för nya integrationer.

Resonemangsparameter — Large 4 exponerar effort på låg, medel och hög, med hög som standard och låg som ersätter det gamla läget "none"; prompter som aldrig anger den kommer nu att resonera.

• Kontext — 256K blir 1M, vilket förändrar chunkningsstrategin mer än det förändrar modellen; hämtningspipelines inställda på 256K kommer tyst att börja skicka mycket större promptar om du låter dem.

• Utdatabudget — Mistral publicerar inget maximalt utdatavärde för Large 4; mät det mot den endpoint du anropar innan du antar en siffra.

• Vision — Mistral publicerar en 1,6B visionskodare för Large 4 och släpper inte kodaren separat för Large 3; den multimodala vägen är inbyggd i båda, men kör om bilduppgifter i stället för att anta likvärdighet.

• Licens — om du återförsäljer inferens ska du skaffa det kommersiella avtalet innan du levererar, inte efter.

• Utvärderingar – lägg en ny baslinje för dina egna uppgifter vid hög och låg insats. Leverantörens siffror kan inte överföras, och inte heller dina gamla godkännandefrekvenser.

Vem bör flytta nu, och vem bör vänta

Byt nu om ditt arbete är agentiskt, långkontext- eller resonemangstungt, och om din faktura domineras av återförsök snarare än tokens från första försöket. Prisökningen på 40 % är inte siffran som spelar roll i den profilen; siffran som spelar roll är hur många försök en uppgift kräver, och resonemangstrappan är det första Mistral har släppt som rimligen minskar den.

Vänta: om din arbetsbelastning är högvolymig, kortutmatande och redan klarar dig. En prishöjning med 40 % för kapacitet du inte använder är en ren förlust, och Large 3 fortsätter att leverera. Avvecklingen stänger den för nya integrationer, inte för befintlig trafik – men behandla det som en övergångsperiod med ett slut, inte som ett permanent alternativ, och be Mistral om slutdatumet skriftligt i stället för att sluta dig till det från en dokumentationssida.

Och om du väljer mellan de två utifrån ett benchmarkdiagram bör du först kontrollera vilket index det kommer från. De mest citerade siffrorna för detta par mättes på en build som ersattes den 27 oktober, och den enda poäng som båda modellerna har gemensamt i dag är att Large 4 har en och Large 3 inte. Ett migreringsbeslut som fattas på de grunderna är ett beslut som fattas med en föråldrad måttstock – vilket är precis den typ av sak som en prishöjning på 40 % gör dyr.