GPT-6 Astra vs Mistral Large 4: Khoảng cách về năng lực, khoảng cách về giá và ba điều mà các benchmark bỏ sót

Mistral Large 4 rẻ hơn khoảng ba đến bảy lần so với GPT-6 Astra và kém khoảng mười sáu điểm Intelligence Index so với nó. Theo các số liệu độc lập được đọc trong tuần ngày 8 tháng 10 năm 2026, Mistral Large 4 Preview đạt 38,4 trên Artificial Analysis' Intelligence Index v4.3 và GPT-6 Astra đạt 54,7 — một khoảng cách lớn hơn khoảng cách giữa Astra và bất kỳ mô hình nào khác trong nhóm này — trong khi bảng giá là 0,68 đô la và 2,09 đô la cho mỗi triệu token so với 10,00 đô la và 50,00 đô la. Nếu khả năng trên mỗi đô la là câu hỏi duy nhất, câu trả lời sẽ là Astra cho công việc khó và Mistral Large 4 cho khối lượng lớn, và bài viết sẽ kết thúc ở đây.

Mọi chuyện không dừng lại ở đó, bởi ba trong số những khác biệt quyết định kết cục của cuộc so tài này không hề xuất hiện trên bảng điểm chuẩn của bất kỳ nhà cung cấp nào. Mistral Large 4 ra mắt ngày 6 tháng 10 năm 2026 dưới dạng bản xem trước công khai với trọng số chưa được phát hành, chạy trên chính các trung tâm dữ liệu châu Âu của Mistral, và được tiếp thị dựa trên hành vi từ chối mà các mô hình đóng không thể tái tạo dù ở bất kỳ mức giá nào. GPT-6 Astra phát hành ngày 3 tháng 9 năm 2026, là mẫu cao cấp nhất trong dòng sản phẩm của OpenAI, thuộc dạng đóng, có kiểm duyệt, và trong so sánh này chính là mô hình nói "không". Đó là một trục khác hoàn toàn so với trục mà chỉ số này đo lường.

Thông số kỹ thuật, cả hai bên trên mỗi dòng

• Ra mắt — GPT-6 Astra 3 tháng 9 năm 2026, phát hành chính thức so với Mistral Large 4 6 tháng 10 năm 2026, bản xem trước công khai

• Tham số — Astra không được tiết lộ so với Mistral Large 4 tổng cộng 1,05 nghìn tỷ với 49 tỷ hoạt động mỗi token, cộng thêm một bộ mã hóa thị giác 1,6 tỷ tham số

• Cửa sổ ngữ cảnh — Astra 1.050.000 token so với Mistral Large 4 được quảng cáo là 1M nhưng chỉ đọc được 524.288 theo Artificial Analysis trên cấu hình mà Artificial Analysis đang kiểm thử

• Đầu ra tối đa — Astra 128.000 token so với Mistral Large 4 chưa được tài liệu hóa

• Giá đầu vào — Astra 10,00 USD mỗi 1 triệu so với Mistral Large 4 1,36 USD trên bảng giá công bố, hiện đang được tính ở mức khuyến mãi 0,68 USD

• Giá đầu ra — Astra $50.00 mỗi 1M so với Mistral Large 4 $4.18 trên thẻ, hiện tại $2.09

{{1}}Đầu vào được lưu bộ nhớ đệm{{/1}} — Astra $1,00 mỗi 1 so với Mistral Large 4 $0,14, hiện tại $0,14

• Bậc ngữ cảnh dài — Astra định giá lại toàn bộ yêu cầu thành $20.00 và $75.00 khi trên 272.000 token đầu vào; Mistral không công bố bước tương đương nào.

• Trọng số — Astra đóng so với Mistral Large 4 được hứa hẹn theo một giấy phép mở chưa có tên trước cuối tháng 10 năm 2026, vẫn chưa được phát hành

• Nơi nó vận hành — Astra trên hạ tầng của OpenAI, Azure và AWS Bedrock so với Mistral Large 4 trên cụm châu Âu riêng của Mistral hiện nay, có thể tự host khi các trọng số được phát hành

• Chỉ số Trí tuệ Độc lập — Astra 54,7 so với Mistral Large 4 Preview 38,4

• Khả năng nhớ lại ngữ cảnh dài độc lập — Astra 80.7 so với Mistral Large 4 81.3, hạng mục năng lực duy nhất mà Mistral dẫn đầu

Khoảng cách chỉ số là có thật, và nó không phải là toàn bộ mô hình.

Năm mươi tư so với ba mươi tám không phải là một khác biệt do làm tròn. Trên cùng bộ khung Terminal-Bench 4.0 của cùng đơn vị đánh giá, Astra đạt 59,1% so với 26,8% của Mistral Large 4 Preview, và trên chính trang của Artificial Analysis, Mistral Large 4 được ghi nhận là trung bình khoảng 507 giây mỗi tác vụ, trong khi các lượt chạy chỉ số của Astra được định giá khoảng 3,26 USD chi phí tính toán mỗi lượt. Một mô hình mất tám phút mỗi tác vụ và đạt điểm thấp hơn mười sáu điểm thì không cạnh tranh trong cùng hạng khối lượng công việc về agentic coding.

Hai đường lại chạy theo hướng ngược lại, và cả hai đều đáng được đưa vào bất kỳ quyết định nào. Mistral Large 4 dẫn đầu về khả năng truy hồi ngữ cảnh dài, 81,3 so với 80,7, đây là một thế mạnh thực sự cho công việc nặng về tài liệu và nặng về truy xuất, nơi người mua châu Âu có nhiều khả năng muốn nó nhất. Và nó là bản xem trước của một mixture-of-experts 1,05 nghìn tỷ tham số mà Mistral nói rằng vẫn đang trong một quá trình học tăng cường chưa bão hòa — chính lời nhà cung cấp là họ kỳ vọng "những cải thiện lớn và nhanh chóng trong những tuần và tháng tới." Mô hình bạn đánh giá hôm nay là phiên bản tệ nhất của nó mà bạn sẽ từng bị tính phí. Con số 54,7 của Astra gắn với một năng lực cố định; con số 38,4 của Mistral gắn với một năng lực đang thay đổi, và cả hai sự thật đó đều có lợi cho người mua theo những cách khác nhau.

Số liệu của Mistral đến từ đâu, và ai đã chạy chúng

Tài liệu ra mắt của Mistral đặc biệt cẩn trọng về nguồn gốc, và chính sự cẩn trọng đó cũng là thông tin. Ba trong số những con số nổi bật về lập trình dạng tác tử — 61,7% trên DeepSWE v1.1, 59,4% trên SWE-Atlas-QnA và 28,3% trên Terminal-Bench 4.0, kết hợp thành điểm Coding Agent Index 49,8% — được Mistral mô tả là do Artificial Analysis đánh giá riêng trước khi bộ khung đánh giá đó ra mắt công khai. Hiện chúng chưa nằm trên chỉ mục công khai, điều đó khiến chúng mạnh hơn một benchmark tự chạy nhưng bạn vẫn chưa thể tái lập chúng ngay hôm nay.

Điểm dữ liệu độc lập mạnh nhất trong bản phát hành là điểm mà Mistral không tự chạy. Surge AI, một công ty gán nhãn bên thứ ba, đã thực hiện một đánh giá con người mù về chất lượng viết mã với danh tính các mô hình được ẩn đi, và các chuyên gia gán nhãn chuyên nghiệp đã chấm Mistral Large 4 Preview 3,74 trên thang 1–5 — đứng thứ hai trong số năm, chỉ sau Claude Opus 5 ở mức 4,22, và xếp trên Kimi K3 ở 3,59, GLM-5.3 ở 3,60 và GLM-5.2 ở 3,40. Một đánh giá con người mù với một phòng thí nghiệm có tên ở phía bên kia là một loại bằng chứng khác so với một bảng tự công bố, và đây là kết quả độc lập mạnh nhất trong thông báo.

Mọi thứ còn lại trong bảng của Mistral đều do nhà cung cấp tự báo cáo và chưa được tái lập, bao gồm cả những con số về an ninh mạng ở dưới đây. Hãy đọc chúng như những tuyên bố mà một phòng thí nghiệm đầy tự tin đưa ra, chứ không phải như các kết quả đo lường.

Điều Mistral thực sự đang bán: sự từ chối

Đây là phần của phép so sánh mà không benchmark nào nắm bắt được, và đó là điều sắc bén nhất mà một trong hai nhà cung cấp đã nói trong cuộc đối đầu này.

Trên Cyber Index của Artificial Analysis, Mistral cho biết Mistral Large 4 nằm trong top năm toàn cầu và dẫn đầu các mô hình trọng số mở được phát triển bên ngoài Trung Quốc. Trong một bài kiểm tra cụ thể — tái hiện một lỗ hổng thực tế trong phần mềm mã nguồn mở rồi vá nó — nó báo cáo đạt 82%, được mô tả là cao nhất so với bất kỳ mô hình nào, cùng với 93% trong 40 bài tập thi đấu của Cybench. Sau đó, nó đưa ra nhận xét tạo nên lợi thế cho bản phát hành này: một số mô hình đóng hàng đầu, với Claude Opus 5.5 và GPT-6 Astra được nêu tên trong số đó, đạt điểm gần bằng không trong cùng bài kiểm tra đó vì chúng từ chối nhiệm vụ.

Cả hai nửa của điều đó đều do nhà cung cấp báo cáo. Cả hai đều chưa được tái tạo độc lập. Nhưng cơ chế không hề kỳ lạ và không phải là một lời chỉ trích — OpenAI đã phát hành GPT-6 Astra đằng sau cái mà các bài đưa tin lúc ra mắt mô tả là ngưỡng an ninh mạng Critical, và một mô hình có lập trường từ chối chặt chẽ hơn sẽ từ chối một yêu cầu tái tạo lỗ hổng mà một mô hình có lập trường lỏng lẻo hơn sẽ thử thực hiện. 82% và con số gần bằng không là hai mặt của cùng một quyết định chính sách, và việc bạn muốn cái nào phụ thuộc vào công việc bạn làm. Một red team đánh giá phần mềm của chính mình muốn con số 82%. Một nền tảng được quản lý phục vụ người dùng cuối có thể đặc biệt muốn sự từ chối, và có thể sẵn sàng trả $10.00 và $50.00 cho mỗi triệu token vì điều đó.

Đó là sự khác biệt giữa hai mô hình này mà không một dòng bảng xếp hạng nào có thể cho bạn thấy, và đó chính là lý do chúng sẽ cùng tồn tại trên thị trường thay vì mô hình này thay thế mô hình kia.

"open-weight" có nghĩa là gì trong tuần này

Ba lưu ý thuộc về phía Mistral Large 4 trên bảng, và mỗi lưu ý đều đi kèm một cái giá.

• Các trọng số chưa được phát hành. Hôm nay không có checkpoint, không có tệp giấy phép và không có repository. Mistral nói rằng chúng sẽ có mặt vào cuối tháng 10 năm 2026, sau một giai đoạn red-teaming, trong đó các đối tác đã được thẩm định và cơ quan chức năng quốc gia sẽ nhận được một bản dựng đã được mở khóa. Cho đến lúc đó, cách duy nhất để truy cập là API xem trước, nghĩa là lập luận "chạy nó trên phần cứng của riêng bạn" chỉ là một mục trong lộ trình, chứ không phải một năng lực.

• Cờ độc lập không khớp với chiến lược tiếp thị. Artificial Analysis liệt kê mô hình này là isOpenWeights: false với phân loại "proprietary", bởi vì thứ đang tồn tại chỉ là một bản xem trước được phục vụ từ cụm máy chủ của chính nhà cung cấp. Cờ đó là minh họa đơn lẻ rõ ràng nhất về khoảng cách giữa hai chữ "open-weight" và sản phẩm thực tế.

• Mức giá bạn được báo là giá khuyến mại. Bảng giá của Mistral hiển thị $0.68 và $2.09 so với danh sách bị gạch ngang là $1.36 và $4.18. Hãy lập hóa đơn của bạn dựa trên mức sau. Bản xem trước cũng là một nhãn giai đoạn theo nghĩa hợp đồng — mô hình có thể được chuyển hướng, đổi giá hoặc ngừng cung cấp với thời gian thông báo ngắn hơn so với bản phát hành GA, vì vậy một pipeline được tinh chỉnh trên bản dựng của tuần này kéo theo chi phí tái xác thực mà bạn chưa dự trù trong ngân sách.

Không điều nào trong số đó khiến bản xem trước trở thành một thương vụ tồi. Nó biến nó thành một thương vụ có ngày hết hạn kèm một hóa đơn tái xác thực, vốn là một loại chi phí khác với mức giá theo token.

Chủ quyền là một mục mua sắm, không phải một khẩu hiệu

Mistral đã huấn luyện Mistral Large 4 từ đầu trên 3.800 GPU NVIDIA Grace Blackwell trong các trung tâm dữ liệu châu Âu của riêng mình, huy động 3 tỷ euro trong vòng Series D dành riêng để xây dựng năng lực đó, và đang phục vụ bản xem trước từ chính hạ tầng đó. Đối với một người mua trong ngành chịu quản lý, đây không phải là một quan điểm tiếp thị; đó là một yêu cầu mà GPT-6 Astra hiện không thể đáp ứng ở bất kỳ mức giá nào. Mô hình của OpenAI có thể truy cập qua API của chính OpenAI, Azure và AWS Bedrock — tất cả đều xuất sắc về khả năng mở rộng quy mô và không có cái nào là một pipeline đầu-cuối do châu Âu vận hành.

Nửa sau của lập luận về chủ quyền chỉ thực sự có sức nặng khi trọng số được phát hành. Khi đó, một tổ chức sở hữu GPU có thể chạy mô hình thưa 1,05 nghìn tỷ tham số ngay tại chỗ mà không có nhà cung cấp nào tham gia, điều này đồng thời thay đổi cả câu chuyện về lưu trú dữ liệu lẫn hành vi từ chối. Khi điều đó xảy ra, Astra vẫn sẽ chỉ là một lệnh gọi API. Nếu lộ trình của bạn có một giai đoạn triển khai tại chỗ, Mistral Large 4 là mẫu duy nhất trong hai mẫu này có giai đoạn đó — và nếu không có, thì toàn bộ cột đó chẳng có giá trị gì đối với bạn.

Chạy cả hai mà không đặt cược vào bên nào

Điều trớ trêu về thế so tài này đối với một router là một bên là model chúng tôi phục vụ, còn bên kia là bản preview mà chúng tôi không phục vụ. GPT-6 Astra có trong danh mục của OrcaRouter đúng theo giá niêm yết của OpenAI, không cộng thêm gì, trên cùng một key tương thích OpenAI như hơn 200 model khác, kèm khả năng tự động failover giữa các nhà cung cấp upstream — điều này quan trọng ở đây vì bản preview đúng là kiểu phụ thuộc mà bạn muốn gạt ra khỏi critical path cho tới khi nó ổn định. Mistral Large 4 không được chúng tôi định tuyến khi nó đang được phục vụ từ cụm của chính Mistral sau một cờ preview; phiên bản trung thực về phần của chúng tôi trong so sánh này là phía Astra, cộng với khả năng chạy cùng một tác vụ trên cả hai mà không cần hợp đồng thứ hai. Khi một endpoint Mistral chính thức (GA) xuất hiện, nó sẽ thừa hưởng đúng mức passthrough 0% mà phần còn lại của danh mục đang chạy, và thay đổi giá từ nhà cung cấp sẽ áp dụng trên cùng key đó ngay trong ngày diễn ra, thay vì đợi đến kỳ gia hạn tiếp theo.

Điều mà một khóa duy nhất mua được cho bạn hôm nay chính là phép A/B: cùng một prompt, cùng một trình đánh giá, hai chuỗi mô hình, một hóa đơn — đó là cách bạn trả lời câu hỏi duy nhất thực sự quan trọng về một bản xem trước, cụ thể là liệu tư thế từ chối và khả năng nhớ lại ngữ cảnh dài của nó có đáng mười sáu điểm chỉ số đối với khối lượng công việc của bạn hay không.

Quy tắc quyết định, và ngày thay đổi nó

Nếu công việc là suy luận khó, lập trình agentic hay bất cứ thứ gì được đo bằng mức cao nhất của Intelligence Index, thì GPT-6 Astra đang dẫn trước và khoảng cách giá chính là khoản phụ trội dành cho nó — $10.00 và $50.00 mỗi triệu token, sẽ điều chỉnh giá thành $20.00 và $75.00 đối với các yêu cầu trên 272,000 token đầu vào.

Nếu công việc bắt buộc phải lưu trú tại châu Âu, nhạy cảm với việc từ chối, hoặc hướng tới phần cứng tại chỗ, thì Mistral Large 4 là lựa chọn duy nhất trong hai lựa chọn thực sự trả lời được câu hỏi, với mức giá bằng một phần tư đến một phần bảy giá token, kèm theo lưu ý rằng artefact bạn triển khai sau này sẽ không phải là artefact bạn đánh giá hiện tại.

Ngày cần theo dõi là cuối tháng 10 năm 2026, khi Mistral nói rằng các checkpoint sẽ được phát hành. Ba thứ sẽ thay đổi vào ngày đó: giấy phép được đặt tên, lập luận về tự host không còn là lời hứa, và mức giá ra mắt gắn với một bản xem trước đang thay đổi không còn là mức giá gắn với một bản cố định. Bất kỳ ai hiện đang so sánh hai mô hình này về năng lực nên chạy lại so sánh sau thời điểm đó, vì một cột trong đó sẽ không còn giữ nguyên.