Mistral Large 4 vs Claude Fable 5.1: Mười bảy điểm chỉ số và mức giá đầu ra gấp mười hai lần

Câu hỏi trong màn so sánh này đã thay đổi vào ngày 29 tháng 10 năm 2026, và không phải vì Mistral Large 4 trở nên thông minh hơn. Vào chiều hôm đó, mô hình này không còn là một bản xem trước cho thuê nữa mà trở thành một gói tải về nặng 1,06 TB, nghĩa là việc so sánh với Claude Fable 5.1 không còn chỉ là mô hình nào trả lời tốt hơn — mà còn là ràng buộc nào bạn có thể chung sống được. Claude Fable 5.1 là một mô hình có giá 10 đô-la cho mỗi triệu token đầu vào, bạn có thể gọi qua API nhưng không bao giờ có thể sở hữu, tinh chỉnh hay chạy trên phần cứng của chính mình. Mistral Large 4 là một hỗn hợp chuyên gia với hàng nghìn tỷ tham số mà giờ đây bạn có thể sở hữu, tùy biến và triển khai bên trong mạng lưới của mình, theo một giấy phép nghiêm cấm rõ ràng việc bạn bán lại nó dưới dạng dịch vụ. Một bên là một hợp đồng. Bên kia là một gói tải về kèm theo một điều khoản.

Về năng lực, câu trả lời không hề sát nút, và đáng nói điều đó trước khi cuộc thảo luận về giá bắt đầu. v5 Intelligence Index của Artificial Analysis đặt Claude Fable 5.1 ở mức 43 và Mistral Large 4 ở mức 26. Đó là khoảng cách mười bảy điểm trên cùng một thước đo, và nó vẫn đứng vững trước mọi lưu ý hợp lý về phiên bản chỉ số, vì cả hai con số đều là kết quả đọc v5 — của Fable 5.1 lấy từ bảng xếp hạng trực tiếp, của Large 4 lấy từ con số mà Mistral công bố trên thẻ mô hình của chính họ. Nếu chạy lại chỉ số, cả hai con số đều thay đổi; thứ tự thì không.

Nơi khoảng cách thực sự lộ ra

Các {{1}}benchmark công khai{{/1}} khớp với chỉ số, điều này là bất thường. Cả hai bộ số liệu dưới đây đều do {{2}}nhà cung cấp tự thực hiện{{/2}} và chưa bộ nào được tái lập một cách độc lập, nên hãy coi chúng là những tuyên bố có cùng địa vị chứ không phải bằng chứng về chất lượng khác nhau.

• {{1}}Terminal-Bench 4.0{{/1}} — {{2}}Claude Fable 5.1{{/2}} đạt {{3}}55,8%{{/3}} theo Anthropic; {{4}}Mistral Large 4{{/4}} đạt {{5}}41%{{/5}} theo Mistral. Cả hai nhà cung cấp đều tự chạy {{6}}quy trình kiểm thử{{/6}} riêng của mình, và con số do chính Anthropic báo cáo đã xuất hiện là {{7}}58,1%{{/7}} trong một số bài viết, nên chữ số thập phân chính xác là mơ hồ ở cả hai cột.

• Khoa học tầm xa — Claude Fable 5.1 đạt 52,6% trên Terminal-Bench-Science 0.1, tuyên bố nổi bật của Anthropic và là tuyên bố mà sau đó bảng của một phòng thí nghiệm thứ hai đã đưa ra mức thấp hơn nhiều cho cùng mô hình. Mistral Large 4 không có dòng công bố tương đương nào, và bản thân điều đó cũng đáng chú ý: mô hình này được định vị cho lập trình và bảo mật, không phải cho khoa học tác tử cấp nghiên cứu.

• Humanity's Last Exam — 60,9% không dùng công cụ và 65,0% khi có công cụ, đối với Claude Fable 5.1. Mistral đã công bố 35,0% trên cùng benchmark cho bản xem trước tháng Mười. Con số xem trước đó có trước ba tuần RL và checkpoint cuối cùng, nên nó đánh giá thấp mô hình đã phát hành — nhưng đó là con số duy nhất mà cả hai bên đã đưa ra trên HLE.

• Công việc bảo mật — ở đây Mistral Large 4 đưa ra khẳng định mạnh hơn, đạt 79% trên CyberGym-E2E và 97,1% trên bộ an ninh tác nhân B3 của nó sau RL. Các mô hình của Anthropic từ chối nhiều công việc loại này hơn thay vì thất bại, đây là khác biệt về chính sách cũng không kém phần khác biệt về năng lực và không nên được hiểu là khoảng cách năng lực.

• Hiệu quả token — Cách diễn đạt của chính Mistral là mô hình được phát hành cần ít hơn 47% token mỗi tác vụ so với GLM-5.3, ở mức điểm ngang bằng 48% trên Coding Agent Index của Artificial Analysis. Đây là một trường hợp hiếm gặp khi nhà cung cấp công bố cả khía cạnh chi phí của một bài đánh giá song song với điểm số, và đó là con số hữu ích nhất trong cả hai cột.

Một con số trông giống như một sự hồi quy nhưng không phải vậy.

Phiên bản xem trước của Mistral Large 4 đạt 38,4 điểm trên chỉ số của Artificial Analysis. Phiên bản chính thức đạt 26. Một độc giả thông thường so sánh hai con số đó sẽ kết luận rằng ba tuần học tăng cường đã khiến mô hình tệ đi mười hai điểm. Không phải vậy. Con số 38,4 được ghi nhận trên chỉ số v4.3; Artificial Analysis đã xây dựng lại chỉ số của mình vào cuối tháng Mười, và bản dựng lại v5 là một thước đo khắt khe hơn trên mọi phương diện — những mô hình từng ở mức năm mươi mấy trên v4.3 nay nằm ở mức bốn mươi mấy trên v5. Hai con số này không đo cùng một thứ, và việc trừ chúng cho nhau là lỗi phổ biến nhất trong các bài đưa tin về bản phát hành này.

Cảnh báo tương tự cũng áp dụng cho con số 41% của Terminal-Bench. Mistral báo cáo 28,3% trước khi bổ sung RL và 41% sau đó, đây là mức tăng thực sự có thể so sánh tương đương trên cùng một harness. Nhưng 41% vẫn là điểm tuyệt đối thấp so với 55,8% của Claude Fable 5.1, và dù có trình bày câu chuyện cải thiện thế nào đi nữa cũng không thay đổi thứ hạng đó.

Điều khoản cấp phép quyết định nhiều hơn khoảng cách

Mistral Large 4 được phát hành theo Mistral Ecosystem Open-Weight License, được công ty mô tả là một văn bản MIT đã được chỉnh sửa. Trên thực tế, giấy phép này cấp bốn quyền và giữ lại một quyền:

• Sử dụng cho mục đích thương mại, không có ngưỡng doanh thu — không có câu "bạn phải có doanh thu dưới X triệu đô la mới được dùng".

• Tinh chỉnh và các mô hình phái sinh, đây là điều khoản khiến cho công việc RL ngay từ ngày đầu tiên có thể diễn ra được.

• {{1}}Triển khai nội bộ và lưu trữ tại chỗ{{/1}}, đây chính là luận điểm AI chủ quyền mà Mistral đã xây dựng toàn bộ bản phát hành xoay quanh.

• Nhúng vào bên trong một sản phẩm, với các ngoại lệ bao gồm việc sử dụng nhúng và chỉ chuyển tiếp đầu ra.

• Không được cấp phép: vận hành mô hình kinh doanh model-as-a-service trên đó. Nếu bạn muốn dựng một endpoint API tính phí theo token và bán quyền truy cập, bạn cần một thỏa thuận thương mại riêng với Mistral.

Claude Fable 5.1 không có câu hỏi tương đương vì nó không có quyền được cấp tương đương. Bạn có API, các điều khoản dịch vụ và giới hạn tốc độ. Bạn không có trọng số, không thể tinh chỉnh, và không thể đưa mô hình vào bên trong một mạng cách ly ở bất kỳ mức giá nào. Các điều khoản của Anthropic còn bổ sung những hạn chế riêng, cũng tác động theo cùng một hướng: trên API của chính nhà cung cấp, việc không lưu giữ dữ liệu phải được cho phép riêng, buộc sử dụng công cụ không được hỗ trợ, và không thể tắt chế độ suy nghĩ. Định tuyến cùng một mô hình qua nhà cung cấp có thoả thuận không lưu giữ dữ liệu là cách các nhóm lách hạn chế đầu tiên trong số đó. Đối với những người mua trong ngành chịu quản lý, những hạn chế đó có sức nặng mà khoảng cách mười bảy điểm trên chỉ số không có.

Chi phí, kèm lưu ý về tính dài dòng

Giá niêm yết trước tiên, bởi vì giá khuyến mại sẽ hết hạn và giá niêm yết mới là giá có trong hợp đồng.

• Claude Fable 5.1 — $10.00 mỗi triệu token đầu vào, $50.00 mỗi triệu token đầu ra, với lượt đọc bộ nhớ đệm giảm xuống còn $0.25 mỗi triệu. Giá theo lô chia đôi cả hai xuống còn $5 và $25.

• Mistral Large 4 — 1,36 đô la mỗi triệu đầu vào, 4,18 đô la mỗi triệu đầu ra theo giá niêm yết, hiện được giảm khoảng một nửa xuống còn khoảng 0,68 và 2,09 đô la, không có ngày kết thúc được công bố.

Theo giá niêm yết, con số đó là 7,4× ở đầu vào và 12× ở đầu ra. Với chương trình khuyến mãi hiện tại, nó gần 15× và 24× hơn. Cả hai đều đủ lớn để câu hỏi về giá lấn át câu hỏi về benchmark đối với bất kỳ ai có khối lượng thực, và đó chính là lý do thẳng thắn khiến cuộc so sánh này được viết ra.

Điều đáng lưu ý là tính dài dòng, và đây là một vấn đề có thật. Trong lần chạy chỉ số Artificial Analysis của bản xem trước, Mistral Large 4 tạo ra lượng đầu ra vào khoảng 200 triệu token, so với mức trung vị trên bảng xếp hạng gần 85 triệu. Giá theo token nhân lên theo hệ số đó. Chạy cùng 200 triệu token đầu ra qua cả hai mô hình thì phép tính cho ra $418 cho Mistral Large 4 theo mức giá khuyến mại, so với $10,000 cho Claude Fable 5.1 theo giá niêm yết. Bội số vẫn tồn tại sau khi tính đến độ dài dòng — nó giảm đi, chứ không đảo chiều — nhưng bất kỳ ai trích dẫn tỷ lệ theo token mà không kiểm tra xem mô hình thực sự phát ra bao nhiêu token thì đang trích dẫn một nửa con số. Việc checkpoint được phát hành có dài dòng như bản xem trước hay không thì chưa được đo lường; mức giảm 30% token đầu ra mà Mistral tuyên bố nhờ RL bổ sung chính là câu trả lời của chính công ty cho câu hỏi đó.

Nơi mỗi cái thực sự có thể được gọi

Đây là phần so sánh mà ở đó hai mô hình không còn đối xứng. Claude Fable 5.1 nằm trong danh mục OrcaRouter dưới mã anthropic/claude-fable-5.1, với ngữ cảnh 1M token, mức giá $10/$50 và giá đọc bộ nhớ đệm đã giảm được giữ nguyên theo giá niêm yết của nhà cung cấp — không cộng thêm phụ phí, nên khi nhà cung cấp đổi giá, mức giá mới được áp dụng ngay trong ngày. Mistral Large 4 không nằm trong danh mục đó. Chúng tôi không cung cấp mô hình này, và bài viết này không phải là cách để truy cập nó: mô hình đã phát hành nằm trên Hugging Face và phía sau API riêng của nhà cung cấp. Nói rõ điều đó hữu ích hơn là ngụ ý điều ngược lại.

Điều đó có nghĩa gì trong thực tế phụ thuộc vào việc bạn đứng ở phía nào của giấy phép. Nếu bạn muốn một mô hình có thể chạy trên phần cứng của riêng mình, kiểm tra từ đầu đến cuối và điều chỉnh bằng bộ điều hợp LoRA, thì chỉ một trong hai mô hình này là có sẵn cho bạn, và khoảng cách mười bảy điểm chính là cái giá của sự kiểm soát đó. Nếu bạn muốn câu trả lời mạnh nhất cho mỗi lần gọi và không bao giờ có ý định sở hữu bất cứ thứ gì, thì chỉ một trong hai mô hình này là một lựa chọn nghiêm túc, và mức giá đầu ra gấp mười hai lần là chi phí của năng lực đó. Đặt cả hai sau một khóa duy nhất với tính năng chuyển đổi dự phòng được cấu hình theo từng tuyến là phiên bản vận hành của cùng một quyết định: nó cho phép bạn mặc định dùng mô hình đắt tiền và chuyển sang mô hình rẻ hơn mà không cần hợp đồng thứ hai.

Nên chọn cái nào

Hãy chọn Claude Fable 5.1 nếu công việc của bạn là thực thi tác tử tầm dài hạn, lập trình nặng về terminal, hoặc suy luận đạt chuẩn nghiên cứu, nơi một câu trả lời sai tốn kém hơn một token. Hãy tiếp nhận tuyên bố 55,8% trên Terminal-Bench với lưu ý rằng đó là do nhà cung cấp tự thực hiện, nhưng hãy xem trọng thứ tự xếp hạng: không có gì Mistral đã công bố đưa Mistral Large 4 vào cùng dải.

Hãy chọn Mistral Large 4 nếu ràng buộc là về pháp lý hoặc địa lý chứ không phải về trí tuệ. Một doanh nghiệp châu Âu không thể gửi prompt qua biên giới, một đội bảo mật cần đưa chính sách từ chối ra khỏi vòng xử lý, một sản phẩm phải đóng gói mô hình bên trong tệp nhị phân của chính nó — không vấn đề nào trong số đó được giải quyết bằng điểm chỉ số tốt hơn, và tất cả đều được giải quyết bằng 610 GB trọng số NVFP4 không bị gated và một giấy phép cho phép tinh chỉnh nội bộ.

Không chọn cả hai, và điều hướng giữa chúng, nếu câu trả lời trung thực là bạn có hai khối lượng công việc với các ràng buộc khác nhau. Đó chính là trường hợp mà khoảng cách giá được thiết kế để tạo ra, và cũng là trường hợp mà hầu hết các nhóm sẽ rơi vào.

Câu hỏi còn bỏ ngỏ

Con số có thể thay đổi phép so sánh này không nằm trên slide của bất kỳ nhà cung cấp nào. Đó là một lần chạy lại độc lập bản checkpoint đã phát hành trên chỉ số v5 của Artificial Analysis, bởi vì con số 26 hiện tại đến từ việc Mistral trích dẫn một bên thứ ba chứ không phải từ một phép đo mới trên trọng số cuối cùng. Nếu ba tuần RL và việc giảm 30% số token đầu ra làm thay đổi đáng kể con số đó, khoảng cách sẽ thu hẹp và lập luận về giá sẽ mạnh hơn. Nếu không, mô hình đã phát hành chỉ là bản xem trước được trau chuốt hơn, và mười bảy điểm là mang tính cấu trúc.

Cho đến khi có lần chạy đó, lập trường có thể biện hộ là lập trường nhàm chán: Claude Fable 5.1 là mô hình tốt hơn, Mistral Large 4 là giấy phép tốt hơn, và những người duy nhất mà đây là một quyết định sát nút là những người cần cả hai.