Muse Wonder vs Mistral Large 4.0: En jämförelse mellan en lanserad modell och en som fortfarande är i förhandsversion

Det första ärliga man kan säga om Muse Wonder jämfört med Mistral Large 4.0 är att bara en av dem är färdig. Meta Superintelligence Labs släppte Muse Wonder till ett kommersiellt API den 12 oktober 2026: 4,00 USD per miljon indatatoken, 20,00 USD per miljon utdatatoken, ett fönster på 1 048 576 token och ett Artificial Analysis Intelligence Index på 52. Mistral AI släppte Mistral Large 4.0 i offentlig förhandsvisning den 6 oktober 2026 – sex dagar tidigare – till 1,36 USD för indata och 4,18 USD för utdata per miljon, med ett oberoende index på 38,4, inga släppta vikter, ingen namngiven licens och ett tak för utdata som Mistral inte har dokumenterat. Allt nedan är sant den här veckan, och en del av det väntas upphöra att vara sant före november, eftersom Mistral har sagt att vikterna kommer i slutet av månaden.

Fjorton punkter, och vad de kostade

Det sammansatta gapet är det bredaste i den här serien, och det är den minst intressanta siffran på sidan. Båda siffrorna kommer från Artificial Analysis, från samma version av deras index, så de kan jämföras direkt:

• Intelligensindex — Muse Wonder (max) 52, nionde av 219 modeller; Mistral Large 4 Preview 38,4, sextiofjärde av 225

• Listpris — Muse Wonder 4,00 $ in / 0,20 $ cachad / 20,00 $ ut per miljon; Mistral Large 4.0 1,36 $ in / 0,14 $ cachad / 4,18 $ ut

• Kostnad per indexeringsuppgift — Muse Wonder cirka 4,52 USD; Mistral Large 4.0 cirka 1,13 USD, en fjärdedel så mycket

• Utdata-tokens på indexkörningen — Muse Wonder cirka 130 miljoner; Mistral Large 4.0 cirka 200 miljoner

• Kontextfönster — Muse Wonder 1 048 576 tokens angivna och levererade; Mistral Large 4.0 1 048 576 i Mistrals dokumentation, 524 288 så som den oberoende utvärderaren läser det

• Parametrar – Muse Wonder ej offentliggjorda; Mistral Large 4.0 1,05 biljoner totalt med 49 miljarder aktiva per token plus en visionskodare med 1,6 miljarder parametrar

• Modellvikter – Muse Wonder proprietära, inga publicerade; Mistral Large 4.0 proprietär i dag, utlovas bli öppen i slutet av oktober 2026

Kostnadsförhållandet på 4× är det egentliga beslutet, och det mildras inte av indexgapet på det sätt som vissa parvisa jämförelser i den här serien gör. Muse Wonder gör av med färre tokens och hamnar ändå 14 poäng högre, så prisskillnaden köper verkligen kapacitet snarare än mångordighet. Men en modell med en indexpoäng på 38,4 är inte dålig – det är ungefär där en kompetent resonemangsmodell på mellannivå ligger – och frågan en köpare faktiskt står inför är om fjorton poängs kapacitet är värt att fyrdubbla kostnadstakten för en pipeline som bearbetar stora mängder tokens.

För de flesta högvolymsarbeten är det inte det. För agentisk kodning och långsiktiga professionella uppgifter är Mistral Large 4.0:s förhandsvisningspoäng tillräckligt svaga för att den billigare modellen inte är en riktig ersättare; leverantörens egna siffror placerar den på 28,3 på Terminal-Bench 4.0 och 49,8 på dess sammansatta Coding Agent Index, vilket är en annan klass av resultat än de terminalsiffror Meta publicerar för Muse Wonder.

Förhandsgranskningsklausulen

Mistrals egen dokumentation kan för närvarande inte stämma överens med sig själv om den här modellen, och en jämförelse som skrivs i dag ärver det.

• Kontextfönstret uppges vara 1 miljon tokens i Mistrals dokumentation och läses som 524 288 av Artificial Analysis — en faktor två, ouppklarat.

• Antalet aktiva parametrar anges som 49 miljarder på vissa Mistral-ytor och 52 miljarder på andra.

• Ingen licens anges. Mistrals eget material märker utgåvan som ”Open” utan att specificera någon, och utvärderaren flaggar den som proprietär utan att licensfältet är ifyllt. Mistral Large 3 hade Apache 2.0; den här har ännu inte något.

• Den maximala utdatalängden är odokumenterad.

• Lanseringens kampanjpris — $0,68 för input och $2,09 för output, halva standardpriset — är överstruket i Mistrals prissättning, vilket innebär att det slutar gälla.

Inget av detta är en skandal. Det är så en förhandsversion ser ut utifrån: en modell vars serving-konfiguration fortfarande är i förändring, säljs med kortare varsel och kan omprissättas eller avvecklas med kortare framförhållning än en allmänt tillgänglig version. Muse Wonder har sina egna ouppklarade frågor – Full-checkpointen som bara är tillgänglig via prenumeration, Active Memory-funktionen som ingen har testat i produktion – men dess prislista, kontextfönster och slutpunkter är fastställda fakta snarare än en aktuell bästa bedömning.

Den praktiska konsekvensen för den som benchmarkar dessa två mot varandra är att Mistral-kolumnen kommer att ändras. Poängen för en förhandsmodell ändras mellan revisioner av samma testramverk utan att leverantören meddelar något, och en arbetsbelastning som är trimmad mot ett värde från en förhandsversion bör betraktas som trimmad mot ett rörligt mål.

Där Mistral Large 4.0 har något som Muse Wonder inte har

Två saker, och båda är specifika snarare än stegvisa.

Det första är suverän driftsättning, och det är ett upphandlingssvar snarare än ett benchmark-svar. Mistral tränar och driftar den här modellen i sina egna europeiska datacenter på europeisk hårdvara — lanseringsmaterialet nämner 3 800 NVIDIA Grace Blackwell GPU:er och en Serie D på 3 miljarder euro — och den är nativt flerspråkig över cirka 160 språk, inklusive alla officiella EU-språk. För en europeisk köpare inom offentlig sektor eller en reglerad köpare är det ofta hela beslutet, och Muse Wonder deltar inte i det oavsett pris. Metas modell tillhandahålls av Meta, på Metas villkor.

Det andra är säkerhetsarbete, där Mistrals påståenden är ovanligt konkreta. Leverantören rapporterar 82 % för att reproducera och åtgärda en verklig sårbarhet i öppen källkod, vilket den beskriver som högst av alla testade modeller, och 93 % i en cybersäkerhetssvit med 40 utmaningar. Den hävdar vidare att Claude Opus 5.5 och GPT-6 Astra får nära noll på samma test eftersom de vägrar uppgiften. Det är leverantörsrapporterade siffror om Mistrals egen modell, och vägranpåståendet är en leverantörs karakterisering av två konkurrenters beteende – behandla båda som påståenden. Om siffrorna håller ens ungefär, finns det dock en klass av defensivt säkerhetsarbete och patchgenereringsarbete där en modell med index 38,4 är mer användbar än en med 52, vilket är den typ av inversion som en sammansatt poäng inte kan visa.

När det gäller kodkvalitet bedömd av människor snarare än av ett testramverk betygsatte en blind utvärdering från Surge AI, med etiketter dolda och professionella annotatörer, Mistral Large 4.0 till 3,74 på en femgradig skala, tvåa av fem testade modeller – före Kimi K3 på 3,59 och efter Claude Opus 5 på 4,22. Det är en liten, verklig signal om att det sammansatta måttet underskattar modellens kodförmåga, och det är den sorts siffra som leverantörstabeller aldrig innehåller.

Den europeiska frågan, och routningsfrågan

Mistral Large 4.0 finns inte i OrcaRouter-katalogen. Det finns ingen mistral-rutt för den här modellen hos oss, och den här sidan kommer inte att antyda att en sådan finns – Mistrals egen plattform, dess Studio API och flera tredjepartsplattformar är där förhandsversionen körs i dag. Metas Muse Wonder är inte heller vårt: Meta Model API och Muse Code är där den körs, och det finns ingen meta/muse-wonder-post i vår katalog.

Det som är routbart här är lagret under båda besluten. Muse Spark 1.2 — den större Meta-checkpointen som den här familjen härstammar från — finns i katalogen till $1,25 för input och $4,25 för output per miljon tokens över ett fönster på 1 048 576 tokens med cacheläsningar för $0,15. Och anledningen att hålla båda dessa jämförelser på en och samma endpoint är att ingen av dem är ett avgjort köp: Mistrals förhandsversion kommer att ändras när vikterna landar och licensen får ett namn, och Metas Full-checkpoint får kanske en API-väg – eller inte. Leverantörslistpriser förs vidare med 0 % påslag, så när en leverantör prisjusterar en förhandsversion — som Mistrals överstrukna lanseringspris till slut kommer att göra — ändras siffran på vår sida samma dag i stället för vid nästa faktureringscykel. Det routnings-DSL:et och automatisk failover finns just för den form som den här jämförelsen har: en arbetsbelastning du vill prova på en oavgjord modell utan att satsa en produktionsväg på den.

Att välja mellan en färdig och en ofärdig modell

• Ta Mistral Large 4.0 när driftsättningen måste vara europeisk, när flerspråkig täckning av EU-språk spelar roll, eller när arbetet gäller defensiv säkerhet och patchgenerering. I dessa tre fall är indexgapet fel instrument.

• Välj Mistral Large 4.0 när kostnaden per uppgift är begränsningen. Med $1,13 per indexeringsuppgift mot $4,52 är det den billigaste fjärdedelen i den här serien, och för storskalig klassificering, extraktion och sammanfattning är det inte ens nära.

• Bygg inte på Mistral Large 4.0:s förhandsvisningssiffror som om de vore slutgiltiga. En modell vars kontextfönster och parameterantal fortfarande är omstridda på leverantörens egna sidor är en modell vars benchmarkkolumn kommer att ändras.

• Välj Muse Wonder när arbetet är agentiskt och långsiktigt, när tal eller video är indata, eller när utdata behöver vara lång — Metas tak på 943 718 token för ett enskilt svar har ingen motsvarighet här, eftersom Mistral inte har dokumenterat något.

• Välj Muse Wonder när du behöver kapaciteten nu och kan betala fyra gånger så mycket för den. Ett indexgap på fjorton punkter på en GA-endpoint med en fastställd prislista är en premie för säkerhet lika mycket som för poäng.

Anledningen till att den här parningen inte låter sig bedömas entydigt är att de två modellerna inte konkurrerar om samma köp. Den ena är en frontmodell med en publicerad prislista och en oavslutad funktionsuppsättning; den andra är en billigare, suverän modell som fortfarande formas, med en licens som ännu inte finns. Om tre veckor kan Mistral Large 4.0 vara den intressantare av de två – öppna vikter under en namngiven licens skulle förändra varje stycke ovan. Just nu är bara en av dem något man kan förbinda sig till.