Mistral Large 4 vs Claude Opus 5.5: Det enda direktjämförelsetalet är mot fel version

Den enda blinda direktjämförelse som finns för Mistral Large 4 och Claude Opus 5.5 mättes mot den tidigare versionen av en av dem. Surge AI dolde modellernas identitet och lät professionella annotatörer betygsätta kodningsutdata på en skala 1–5; Mistral Large 4 Preview slutade tvåa av fem på 3,74, bakom Claude Opus 5 på 4,22 och före Kimi K3 på 3,59 och GLM-5.3 på 3,60. Claude Opus 5.5 släpptes den 22 september, så det närmaste en publicerad mänsklig jämförelse för detta par är tre veckor äldre än motståndarens nuvarande version, och ingen har kört om den. Allt annat är jämförbart, och det pekar i en riktning: på Artificial Analysis Intelligence Index ligger Mistral Large 4 Preview på 38,4 och Claude Opus 5.5 på 58 — först av 216 modeller — medan kostnaden för att slutföra en enskild indexuppgift är 1,13 dollar mot 5,98 dollar.

De två fakta utgör hela formen för beslutet. Förmågegapet är brett och, i den här versionen, bredare än det var. Kostnadsgapet är lite drygt fem gånger, och det rörde sig inte när Anthropic sänkte sina priser.

Vad Claude Opus 5.5 är, enligt Anthropics egen beskrivning

Claude Opus 5.5 är Anthropics nuvarande flaggskepp, släppt den 22 september 2026 och positionerat för agentiskt arbete med lång horisont: sessioner i flera steg, omfattande verktygsanvändning och kod. Det har ett listpris på $4 per miljon indatatoken och $20 per miljon utdatatoken, med cacheläsningar på $0,20 och cacheskrivningar på $5 – Anthropic beskriver dessa som 20 % lägre än Opus 5 för indata och utdata och 60 % lägre för cacheläsningar. Det finns ett Fast-läge för $8 / $40 som enligt företaget är upp till 2,5 gånger snabbare i Claude Code och Claude Platform. Det är tillgängligt på Amazon Web Services, Google Cloud och Microsoft Azure, med erbjudande om noll datalagring, och Anthropic säger att Claude Sonnet 5.5 och Claude Haiku 5.5 kommer att följa under de kommande veckorna.

Två detaljer på den sidan spelar större roll än resten. Den första är en migreringsbegränsning snarare än en funktion: Anthropic uppger att Claude Opus 5.5 inte längre är tillgänglig med tankeläget avstängt. Om din nuvarande pipeline anropar Opus 5 i icke-tänkande läge för billiga, snabba, deterministiska turer har den konfigurationen ingen direkt efterföljare i den här modellen. Den andra är Anthropics egen varning, tryckt bredvid deras resultat, att benchmarkmarginaler har blivit en mindre tillförlitlig vägledning för skillnader i verkligheten — vilket är en ovanlig sak för en leverantör att skriva bredvid en tabell som den vinner, och det är värt att ta bokstavligt när du läser siffrorna nedan.

De leverantörsrapporterade siffrorna från Anthropics tillkännagivande är Terminal-Bench 4.0 på 66,4 %, FrontierCode v1.1 på 54,4 %, CursorBench 4.0 på 57,8 %, GDPval-AA v2.1 på 1 846 Elo, AutomationBench på 40,0 %, Humanity's Last Exam på 67,7 % med verktyg, Terminal-Bench-Science 0.1 på 58,7 % och OSWorld 2.1 på 81,8 % partiellt. Alla dessa är Anthropics egna körningar, med jämförelsemodellernas resultat hämtade från leverantörernas egna sidor, och inget av dem har reproducerats oberoende för denna parning eller någon annan.

Vad Mistral Large 4 är, per den 13 oktober

Mistral Large 4 är en offentlig förhandsversion som tillkännagavs den 6 oktober 2026, revision v26.10, och det är den största modellen Mistral AI har lanserat. Företaget beskriver den som en nativt multimodal gles mixture-of-experts-modell med 1,05 biljoner parametrar totalt och 52 miljarder aktiva, plus en vision-encoder med 1,6 miljarder parametrar, tränad från grunden på 3 800 NVIDIA Grace Blackwell GPU:er i Mistrals egna europeiska datacenter, på data som omfattar fler än 160 språk. Artificial Analysis anger antalet aktiva till 49 miljarder i stället för 52 miljarder – en skillnad på tre miljarder i en och samma dimension, som noteras i stället för att medelvärdesberäknas. Mistrals eget model card anger ett kontextfönster på 1 miljon tokens; Artificial Analysis läser 524 288 i den konfiguration de testar, och deras FAQ säger 520k, vilket är skillnaden mellan ett tak som en leverantör annonserar och ett fönster som en faktiskt driftssatt distribution ger dig.

Priserna är $1,36 per miljon indatatokens, $0,14 för indata från cache och $4,18 per miljon utdata på prislistan, med ett lanseringserbjudande som visar samma tre rader överstrukna till $0,68, $0,07 och $2,09. Statusetiketterna på kortet lyder Offentlig förhandsversion, Öppen och v26.10 — och den andra av dem är den man ska läsa noga. Mistral säger att vikterna kommer att släppas senast i slutet av månaden, och lanseringsinlägget upprepar det åtagandet två gånger; vad det inte gör är att namnge en licens. Artificial Analysis bevakar området självständigt och registrerar licensnamnet som null, markerar modellen isOpenWeights: false, och klassificerar den som proprietär. Ingen motsäger någon på den punkten. En förhandsversion som serveras från leverantörens eget kluster, utan checkpoint-arkiv och utan licenstext, är en anropbar modell snarare än ett släpp med öppna vikter, och påståendet om öppna vikter är en plan med en tidsfrist kopplad till sig snarare än en nedladdningslänk.

Mistrals egna benchmarksiffror, som genomgående är leverantörsrapporterade, är 61,7 % på DeepSWE v1.1, 59,4 % på SWE-Atlas-QnA, 28,3 % på Terminal-Bench 4.0 och ett kombinerat Coding Agent Index på 49,8 %; 59,9 % på AutomationBench över 657 affärsarbetsflöden; 1 393 Elo på AA-Briefcase; 42 % på Dense 200 för visuell grundning; och, i sina cybersäkerhetsutvärderingar, 82 % på ett reproducera-och-lappa-test som Mistral beskriver som det högsta av alla modeller, vid sidan av 93 % på Cybenchs 40 tävlingsövningar. Företaget beställde också en blind mänsklig studie och publicerade den, vilket är en starkare form av bevis än en egenkörd benchmark och fortfarande en studie vars publicering det kontrollerade.

Vad 5.5-uppdateringen förändrade i detta beslut

Om du läser sidan Mistral Large 4 versus Claude Opus 5 på den här bloggen är tre saker här nya, och bara en av dem är prissänkningen.

• Kapacitetsgapet blev större, inte mindre. Claude Opus 5 fick 50,8 på Intelligence Index; Claude Opus 5.5 får 58. Mot Mistral Large 4 Previews 38,4 går avståndet från 12,4 poäng till 19,6. En versionsuppdatering som lägger till sju poäng i toppen av resultattavlan medan utmanaren står stilla gör frontier-spåret till ett tydligare köp, inte ett oklarare.

• Prissänkningen nådde inte fakturan. Anthropic sänkte input och output med 20 % — $5 / $25 till $4 / $20 — men kostnaden enligt Artificial Analysis för att slutföra en indexuppgift gick upp, från $5,86 för Claude Opus 5 till $5,98 för Claude Opus 5.5. De billigare tokens förbrukades av en modell som använde fler av dem. Det är det enskilt mest användbara numret på den här sidan och det är värt att begrunda: listpriser är en input till din faktura, inte en förutsägelse om den.

• En konfiguration försvann. Tankeläget kan inte längre stängas av i Opus 5.5. Om du köpte Opus 5 delvis för en billig väg utan tänkande ersätter den här modellen inte den vägen, och ersättningsbeslutet är nu ett beslut mellan två modeller i stället för ett versionsbyte.

Vad som inte förändrades: cache-berättelsen gynnar fortfarande Anthropic för upprepad kontext — $0,20 per miljon vid en cacheläsning mot Mistrals $0,14 i listpris och $0,07 i kampanjpris. I en långkontexts-agentloop med ett stabilt prefix är det raden som flyttar räkningen mest, och båda siffrorna behöver samma granskning som rubrikpriserna just fick.

De två mest mångordiga modellerna på tavlan

Artificial Analysis publicerar ett antal utdatatoken för varje modells indexkörning, och de två modellerna här ligger i varsin ände av den skalan. Claude Opus 5.5 genererade 260 miljoner utdatatoken i den körningen. Mistral Large 4 Preview genererade 200 miljoner. Medianen för de uppmätta modellerna är 85 miljoner. Båda gör av med två till tre gånger så mycket som en typisk modell gör av med på samma frågor, och bara en av dem tar 4 och 20 dollar per miljon medan den gör det.

Mångordighet är inte en defekt, och det är inte heller en kvalitetssignal. Det är en multiplikator på ett pris, och det är anledningen till att Opus-prissänkningen landade utan att nå kostnaden per uppgift. Om du budgeterar utifrån enbart prislistan bör du också budgetera multiplikatorn: vid $20 per miljon output har en modell som genererar tre gånger medianen en effektiv outputkostnad närmare $60 per miljon mot en modell med medianbeteende, och 260 miljoner tokens över en utvärderingssvit är inte ett avrundningsfel.

Resultattavlan

• Pris per miljon tokens, inmatning / utmatning — Mistral Large 4 $1,36 / $4,18 i listpris, $0,68 / $2,09 i kampanjpris, jämfört med Claude Opus 5.5 $4,00 / $20,00

• Cachad indata — $0,14 listpris, $0,07 kampanjpris jämfört med $0,20 per miljon läsningar och $5,00 per miljon skrivningar

• Kostnad per uppgift i Intelligence Index – 1,13 $ jämfört med 5,98 $, enligt Artificial Analysis

• Intelligence Index — 38,4, 65:e av 216 mot 58, 1:a av 216, enligt Artificial Analysis

• Utdatatokens på den indexkörningen — 200M mot 260M, jämfört med ett medianvärde på 85M

• Kontextfönster — 1M angivet av Mistral med 524 288 i den testade konfigurationen mot 1M enligt Artificial Analysis-tolkning av Claude Opus 5.5, vars tillkännagivandesida inte anger någon siffra åt något håll

• Maximal uteffekt — publiceras inte av någon av leverantörerna

• Uppmätt hastighet – inte publicerad för Mistral Large 4 Preview jämfört med 95,2 utdata-token per sekund, med ett Fast mode för $8 / $40 som Anthropic säger når upp till 2,5x

• Vikter och licens — utlovade i slutet av oktober, med licensen ännu inte namngiven, för närvarande flaggad som proprietär av Artificial Analysis, jämfört med stängd

• Tillgänglighet — Mistrals preview-API och Mistral Studio, som tillhandahålls på Mistrals egen europeiska infrastruktur, jämfört med AWS, Google Cloud, Azure och OrcaRouter-katalogen

När Mistral Large 4 är rätt val

Välj Mistral Large 4 när arbetet är högvolym, väl specificerat och billigt att kontrollera. Klassificering, extrahering, sammanfattning i stor skala, generering av strukturerad utdata, första granskning av kod och den långa svansen av interna uppgifter där ett fel svar kostar ett nytt försök snarare än en incident. Med $1,13 per indextuppgift mot $5,98 behöver en pipeline som kör en miljon uppgifter i månaden inte ett subtilt argument för att motivera den billiga modellen; den behöver att den billiga modellen är tillräckligt bra, och på AutomationBench — raden där en modell ombeds slutföra vanliga affärsarbetsflöden — är Mistrals egenrapporterade 59,9 % konkurrenskraftigt med den siffra Anthropic rapporterar för Opus 5.5 i samma testramverk. Olika körningar, olika leverantörer, så läs det som en signal snarare än ett resultat, men det är den rad som ligger närmast vad en affärsenhet faktiskt ber en modell att göra.

Mistral Large 4 är också den ena parten i detta par med en trovärdig väg till egen driftsättning, och det är värt mer än en benchmarkpoäng för vissa läsare. Ett löfte om vikter i slutet av oktober är inte vikter, och en namnlös licens är inte en licens, så detta är en anledning att hålla utkik snarare än en anledning att migrera idag. Men bland de två modellerna här är det den enda där ett argument om dataresidens eller åtkomst mitt under en incident kan sluta i "vi kör den själva". Berättelsen om europeisk träning och drift ligger på samma sida av den räkningen.

När Claude Opus 5.5 är det rätta valet

Välj Claude Opus 5.5 när uppgiften är klar, men texten innehåller numrerade span-markörer som {{1}}...{{/1}}, {{2}}...{{/2}}. Behåll VARJE markör byte för byte: samma nummer, samma öppna/stängda par, samma antal, samma nästning — lägg aldrig till, ta bort, numrera om eller ändra ordningen på markörerna själva, översätt bara texten MELLAN dem. Du FÅR flytta ett {{n}}...{{/n}}-spann dit målspråkets ordföljd kräver. All text inuti ett {{KEEP}}...{{KEEP}}-spann måste återges EXAKT som den är (översätt den inte). Bevara URL:er och varumärkes-/produktnamn. Skriv ENDAST ut den översatta texten med dess markörer — ingen inledning, inga citattecken, ingen förklaring. Välj Claude Opus 5.5 när uppgiften är ... Terminal-Bench 4.0 är skiljelinjen i den här jämförelsen — Anthropic rapporterar 66,4 % för Opus 5.5 mot Mistrals 28,3 % för dess motsvarighet på samma benchmark — och terminalarbete är den närmaste proxyn för agentisk kodning, vilket är vad de flesta team köper modeller för. En 19,2-poängsskillnad och en 2,3-faldig ledning är inte små skillnader. Lägg till 95,2 % på SWE-bench Verified mot Mistrals 71,2 %, Fast mode för latenskänsliga vägar, och tillgänglighet i tre stora moln med noll datalagring, och premiumpriset köper verkligt operativt utrymme.

Den praktiska frågan är om du behöver hela premiumet vid varje anrop. De flesta team som kör en frontiermodell i stor skala upptäcker att en minoritet av förfrågningarna – de med genuin flerstegsambiguitet – förbrukar större delen av kapaciteten, och att resten inte gör det. Det är ett routingbeslut, inte ett modellbeslut, och det är fallet där att köra båda är det faktiska svaret. Claude Opus 5.5 finns i OrcaRouters katalog till Anthropics listpris med 0 % påslag på samma OpenAI-kompatibla endpoint som över 200 andra modeller, så att prova båda kostar en nyckel i stället för ett andra leverantörsavtal. Mistral Large 4 finns inte i vår katalog i dag – den nås via Mistrals eget förhandsgransknings-API och via flera tredjepartsplattformar – och det anges som ett faktum om vår lista, inte som ett meddelande om en mjuk lansering.

För en förhandsversion är failover den funktion som förtjänar sin plats. Att skicka en del av trafiken till en modell vars licens, vikter och serverad kontext alla fortfarande är öppna frågor innebär att det användbara felläget är en omdirigering snarare än ett avbrott, och du lär dig modellens verkliga fellägen på dina egna data i stället för på någon annans resultattavla.

Det enda faktum som avgör det

Ingen har benchmarkat Mistral Large 4 och Claude Opus 5.5 direkt mot varandra vid matchade inställningar i en namngiven harness — det enda blinda mänskliga mätvärde som finns är mot Claude Opus 5, och versionen du väljer mot är inte Claude Opus 5 — så den ärliga grunden för ett beslut i dag är att den billiga modellen kostar en femtedel så mycket per slutförd uppgift och att den dyra ligger ungefär tjugo indexpoäng och en nästan 2,4x Terminal-Bench-skillnad före den, till ett listpris som Anthropic sänkte utan att sänka kostnaden per uppgift.

Om ett misslyckat svar i din arbetsbelastning kostar mindre än 4,6 återförsök, köp Mistral Large 4. Om det kostar mer, köp Claude Opus 5.5 — och om du ännu inte kan svara på den frågan om din egen trafik, kör båda på en och samma endpoint och låt en månad av verkliga förfrågningar besvara den åt dig.