GPT-6.1 Sol 对比 Mistral Large 4：每 token 更便宜的模型，按任务计算反而更贵

把GPT-6.1 Sol与Mistral Large 4放在一起比较，有趣的地方并不在于哪一个更聪明——在两者唯一共有的独立测评中，这一点毫无悬念。而在于标价更低的那个模型，反而是完成一项任务花费更高的那个。Mistral Large 4 由 Mistral 于 2026-10-06 发布预览版，在预览期内定价为每百万输入 token 0.68 美元、每百万输出 token 2.09 美元；相比之下，GPT-6.1 Sol 自 OpenAI 于 2026-09-29 发布以来一直是 2.00 美元和 10.00 美元。然而 Artificial Analysis 的运行成本数据却显示，Mistral Large 4 每项任务为 1.13 美元，而 GPT-6.1 Sol 为 0.72 美元——因为更便宜的 token 并不等于全部账单，也因为推理模型消耗 token 的数量，并不是你能从价目表上挑的。

下文所有内容均来自 Mistral 自己的公告和文档、OpenAI 的模型与定价页面、Artificial Analysis 针对各个模型的运行结果，以及我们自己的服务数据，查阅日期为 2026-10-12。如果某个数字是厂商自己提供的，且没有人重新运行验证过，那么包含该数字的句子会说明这一点。

两场约会，而其中只有一场已经结束了

在任何规格参数之前，这两款产品的状态就不同，而这一差异在本次对比中所起的作用，比任何一个基准测试数据项都要大。

• GPT-6.1 Sol是一款已发布的模型。它于 2026-09-29 在 Open​AI API 上线，价格为每百万 token 2.00 美元 / 10.00 美元，缓存输入 0.10 美元，缓存写入 2.50 美元，并且它就是该 API 默认槽位中的模型。它的费率卡已公布，上下文窗口有文档说明，独立机构也已对其进行过测试。你读到的关于它的一切，今天下午就能亲自调用。

• Mistral Large 4是一个预览版。Mistral 于 2026-10-06 宣布了它，这是一个拥有 1.05 万亿参数的混合专家模型，每个 token 激活 520 亿参数，可在厂商自有 API 上以预览价使用。开放权重承诺在 10 月底之前发布，这就是为什么它是预览版而非正式发布版。预览版并未确定其未来的标价、未来的上下文窗口或未来的许可证。

这种不对称决定了下面一切的整体格局。当比较的一方是一款产品，而另一方是附带日期的公告时，大多数有意思的问题都关乎时机而非能力——而人们真正会问的那个问题（“我该换吗？”），在十月和十一月的答案并不相同。

双方唯一达成一致的那个数字，以及其背后的14个百分点

Artificial Analysis 为两个模型分别设有独立的 Intelligence Index 行，其中不存在任何歧义：

• 智能指数 — GPT-6.1 Sol 在最大推理强度下为 52；Mistral Large 4 为 38。

• 运行 Index 的成本 — GPT-6.1 Sol 每项任务 $0.72；Mistral Large 4 每项任务 $1.13。

• 输出速度——GPT-6.1 Sol 在各次运行中为每秒 65.4 至 66.8 个 token；Mistral Large 4 在这一组合中也不属于较快的一方。

把这三行放在一起看，这笔交易的全貌就显现出来了。Mistral Large 4 的输入费率大约是 GPT-6.1 Sol 的三分之一，输出费率是它的五分之一，可完成同一项评估任务却仍要贵出约 57%。这既不是定价上的花招，也不是测量上的假象；当一个模型靠多花 token 来达到某一质量水平时，结果本就是如此。推理模型的账单，主要由它决定输出多少 token 说了算，而非价目表上的每 token 费率；而 14 个点的指数差距，意味着要补回这一差距得付出大量额外的“思考”token。

这些都不意味着 Mistral Large 4 是一个糟糕的模型。38 的 Index 是一个称职的、接近前沿的通用评分，而对于大量生产任务来说，多出的 14 分买不到任何你能用得上的东西。要点更窄也更实际：不要因为假设更便宜的卡能让这个月更便宜就去买这个模型。要衡量每完成一个单位工作的成本，这才是 Artificial Analysis 实际报告的数字，也是你的账单会反映的数字。

Mistral 真正有优势的地方，并不是价格

为 Mistral Large 4 辩护的三个论点在与 Index 数值对照后依然站得住脚，而其中两个根本与这个模型无关。

• 欧洲训练与主权托管。 Mistral 是欧洲的前沿实验室，而这则公告被置于主权云的信息框架之下，而非基准测试的框架之下。对于欧洲公共部门的采购方、受监管的银行，或任何采购规则中明确指定司法管辖区的人而言，这是一项要求而非偏好——而这正是 GPT-6.1 Sol 无论出价多低都无法竞争的一个维度。如果你的约束条件是"权重与推理服务必须来自欧洲"，那么比较到此为止，Index 的分数已无关紧要。

• 开放权重即将到来，而自托管将改变这笔账的算法。 Mistral 已承诺在十月底之前发布这些权重。一个 1.05T/52B 的混合专家模型，并不是大多数团队会在自家硬件上运行的模型——52B 的激活参数是这句话里友善的那一半，万亿级的总参数量则是不友善的那一半——但对于那些已经在运行这类基础设施的组织，或者面临着任何托管 API 都无法满足的数据驻留规定的组织来说，开放权重能把按量计费的 API 变成一笔固定成本。GPT-6.1 Sol 将永远无法自托管。

• 只要预览期还在，这个预览价就是真实有效的。按 $0.68 / $2.09 计算，预览折扣大约只有已公布标价 $1.36 / $4.18 的一半。如果某个工作负载足够便宜，以至于 token 数量才是真正的制约因素——批量分类、抽取、路由，任何输出简短且没有推理循环的任务——那么这个价格就是本页面上最划算的，而 Index 差距并不适用于那些从来不需要 Index 达到 52 的工作。只需在预览期结束时提前规划好切换，而不是被打个措手不及。

是争论点的是不顶端的原始能力。在智能体编程和长时程工具使用上，差距清晰可见，而且方向正是该指数所预示的：GPT-6.1 Sol 在 Artificial Analysis Terminal-Bench 4.0 中的一行读数为 56.06，而同一评测工具给其前代 GPT-6 Sol 打出的是 43.94——在一个专门考察在 shell 中完成任务的基准上，这是约 12 分的代际跃升。

与自身不一致的上下文编号

这是页面上唯一一项你无法有把握地引用的规格，值得把它标注出来，而不是轻描淡写地略过。

Mistral 自己关于 Mistral Large 4 的文档描述了高达 100 万 token 的上下文窗口。Artificial Analysis 上该模型的独立记录为 524,000。这两个数字并非四舍五入造成的差异；它们相差一倍，并且指向不同的东西。最可能的解释是，其中一个描述的是架构的上限，另一个描述的是预览期间实际提供的容量——如果你原本计划把大型代码仓库加载到单次调用中，这一区别就极其重要。我们尚未看到厂商对这两个数字中的任何一个作出统一说明；在得到统一说明之前，请把较小的数字视为你可以据此构建的那个数字。

相比之下，GPT-6.1 Sol 的各项主要上限都不存在这个问题。它的上下文窗口为 1,050,000 个 token，最大输出为 128,000 个 token，知识截止日期为 2026-04-30——这些均记录在供应商的模型页面上，并与通过 API 提供的内容一致。

一千个 agent 任务在每一个上的成本是多少

设想一个对两种模型来说都算常规的工作负载：一次调用携带 40,000 个输入 token，并生成 2,000 个 token 的回答，运行一千次。为了让两份费率表具有可比性，假设每次输入都是全新送入的，而不是由缓存提供。

• 在 GPT-6.1 Sol 上 — 40,000 个输入 token，按每百万 $2.00 计算为 $0.080；2,000 个输出 token，按每百万 $10.00 计算为 $0.020。即 $0.100 每次调用，或约 $100 每千次。

• 按 Mistral Large 4 的预览版费率 — 40,000 个输入 token 按每百万 $0.68 计为 $0.027，2,000 个输出 token 按每百万 $2.09 计为 $0.004。也就是 $0.031 每次调用，或约 $31 每千次。

所以价格差距是真实存在的，在输出较短的场景下大约是 3 比 1——不过有一个诚实的提醒，它指向相反的方向。GPT-6.1 Sol 对缓存前缀的收费是每百万 $0.10，而 Mistral 的预览文档并没有确立同等的折扣。用 40,000 个 token 由缓存提供来跑同一个循环，GPT-6.1 Sol 这一侧就降到每次调用约 $0.024，低于 Mistral 的数字。只有当你清楚自己的输入是否会重复时，费率表才能决定这场比较。现在换个参数，看看第二个差距如何展开：在推理密集的那一端跑同一个循环，也就是 Mistral Large 4 按其 38 的指数所暗示的那样消耗 token，那么在一个可比评测上每任务 $1.13 的数字说明，账单上 Mistral 这一侧的增长比费率表所显示的更快。诚实的总结是：在短输出、全新输入费率的场景下，Mistral Large 4 赢了算术，而在缓存输入和长周期智能体任务的场景下它输了；而你究竟处在哪一种场景，问的是你的工作负载，而不是这些模型。

这两种比较恰恰就是路由器存在的意义所在。GPT-6.1 Sol 已按 Open​AI 的标价收录在我们的目录中，加价 0%——Open​AI 公布什么价格，调用方就付什么价格；当供应商调整价格时，目录中的那一行会随之更新，而不必等着某个转售商去察觉。这意味着上面按 token 的计算可以对照实时的那一行来核验，而不是对照本页面。Mistral Large 4 并非我们提供的服务，所以如果你需要它，可以去供应商自己的 API 以及若干第三方平台。

周一做什么

在今天，这两种模型不存在任何可以互为同一任务替代品的情形，而原因在于时机，而非质量。

如果你本周需要一个前沿的智能体编程模型——长工具循环、仓库级上下文、计算机使用、文档密集型专业工作——答案是 GPT-6.1 Sol，它是两者中唯一一个成品，而且其价格已公布且稳定。要做好预算，因为它的输出计量才是花钱的大头，并把工作集保持在 272,000 token 阈值以下，超过该阈值整个请求会重新计价。

如果你在欧洲，并且你的需求指定了某个司法管辖区；或者你打算自托管，因为没有 API 能满足你的数据规则，那么无论评分如何，Mistral Large 4 都是这里唯一的候选——但你等待的那部分，即权重，尚不存在，而你据以规划基础设施规模的上下文数值目前存在两倍的分歧。在将其投入部署之前，请留意权重发布，并留意厂商何时将 1M 与 524,000 协调一致。

而如果你真正想要的是两者兼用——用 Mistral Large 4 承接低成本、高并发的那一层，用 GPT-6.1 Sol 处理难啃的长尾——那么实际约束在于，这两者依赖不同的密钥、不同的计费方式和不同的故障模式，而这正是单一端点、支持 200 多个模型自动故障转移所要解决的问题。与此同时，真正值得打开的那一行，是实际存在的那一行：GPT-6.1 Sol 模型页面，地址为 https://www.orcarouter.ai/models/openai/gpt-6.1-sol。