GPT-6 Astra 与 Mistral Large 4：能力差距、价格差距，以及基准测试忽略的三件事

Mistral Large 4 大约比 GPT-6 Astra 便宜三到七倍，但在智能指数上大约落后十六分。根据 2026 年 10 月 8 日当周读取的独立数据，Mistral Large 4 Preview 在 Artificial Analysis 的 Intelligence Index v4.3 上得分为 38.4，而 GPT-6 Astra 为 54.7——这一差距比 Astra 与该档位中任何其他模型之间的差距都要大——同时两者的价目表分别为每百万 token 0.68 美元和 2.09 美元，对应的是 10.00 美元和 50.00 美元。如果唯一的问题是每美元能力，那么答案就是：繁重任务选 Astra，大批量处理选 Mistral Large 4，文章到这里就可以结束了。

事情不止于此，因为决定这场对决的三处差异并未出现在两家厂商的基准测试表上。Mistral Large 4 于 2026 年 10 月 6 日以公开预览版的形式登场，其权重尚未发布，由 Mistral 自有的欧洲数据中心提供服务，并以一种闭源模型无论出价多高都无法复制的拒绝行为作为卖点。GPT-6 Astra 于 2026 年 9 月 3 日发布，位居 OpenAI 产品线之首，是闭源的、经过审核的，而在本次对比中，它是那个说“不”的模型。这与该指数所衡量的维度截然不同。

规范，每一行两侧

• 发布 — GPT-6 Astra 3 2026年9月3日，正式可用，对比 Mistral Large 4 2026年10月6日，公开预览

• 参数 — Astra 未披露，对比 Mistral Large 4：总计 1.05 万亿，每个 token 激活 490 亿，外加一个 16 亿参数的视觉编码器

• 上下文窗口 — Astra 1,050,000 tokens，而 Mistral Large 4 宣称 1M，但在 Artificial Analysis 正在测试的配置上读取为 524,288

• 最大输出 — Astra 128,000 tokens，而 Mistral Large 4 尚未有文档记录

• 输入价格 — Astra 每 100 万个 10.00 美元，而 Mistral Large 4 在公布的价目表上为 1.36 美元，目前按促销价 0.68 美元计费

• 输出价格 — Astra 每 1M $50.00，而 Mistral Large 4 标价为 $4.18，目前为 $2.09

• 缓存输入 — Astra 每 100 万 $1.00，而 Mistral Large 4 为 $0.14，当前为 $0.07

• 长上下文层级——超过 272,000 个输入 token 后，Astra 将整个请求重新定价为 $20.00 和 $75.00；Mistral 未发布可比的阶梯定价

• 权重 — Astra 闭源，而 Mistral Large 4 曾承诺在 2026 年 10 月底前以未具名的开放许可证发布，但尚未发布

• 运行位置——Astra 运行在 OpenAI 的基础设施、Azure 和 AWS Bedrock 上，而 Mistral Large 4 目前运行在 Mistral 自有的欧洲集群上，待权重发布后可自托管

• 独立智能指数 — Astra 54.7 对比 Mistral Large 4 Preview 38.4

• 独立长上下文召回 — Astra 80.7 对 Mistral Large 4 81.3，Mistral 唯一领先的能力项

指数差距确实存在，但它并非模型的全部

54 对 38 不是四舍五入的差异。在同一评估者的 Terminal-Bench 4.0 测试框架上，Astra 记录为 59.1%，而 Mistral Large 4 Preview 为 26.8%；并且在 Artificial Analysis 自己的页面上，Mistral Large 4 被标注为平均每个任务约 507 秒，而 Astra 的索引运行每次计算成本约为 $3.26。一个每个任务要花 8 分钟、分数却低 16 分的模型，在智能体编码方面并不处于同一工作负载等级。

还有两条线朝相反方向延伸，二者都值得带入任何决策。Mistral Large 4 在长上下文召回上领先，81.3 对 80.7，这对文档密集型和检索密集型工作来说是一项真正的优势，而欧洲买家最有可能正是在这类工作中需要它。而且，它是一个 1.05 万亿参数专家混合模型的预览版，Mistral 称其仍处于尚未饱和的强化学习训练过程中——用这家厂商自己的话说，它预计“未来数周乃至数月将出现大幅而迅速的改进”。你今天做基准测试的模型，将是你今后被计费使用过的最差版本。Astra 的 54.7 对应的是固定能力；Mistral 的 38.4 对应的则是不断变化的能力，而这两个事实都以不同方式有利于买家。

Mistral 的这些数字从何而来，又是谁跑出来的

Mistral 的发布材料在来源说明上异常谨慎，而这种谨慎本身就是信息。三个最受关注的智能体编程数据——DeepSWE v1.1 上的 61.7%、SWE-Atlas-QnA 上的 59.4%，以及 Terminal-Bench 4.0 上的 28.3%，合并为 49.8% 的 Coding Agent Index 得分——被 Mistral 描述为由 Artificial Analysis 在该评测框架公开发布之前私下评估得出。它们尚未出现在公开指数上，这使它们比自行运行的基准更有分量，但今天你仍然无法复现。

这次发布中最有力的独立数据点并非由 Mistral 自己运行。第三方标注公司 Surge AI 在隐藏模型身份的情况下，对代码质量进行了一次盲测人工评估，专业标注员给 Mistral Large 4 Preview 打出了 3.74 分（1–5 分制）——在五个模型中排名第二，仅次于 Claude Opus 5 的 4.22 分，领先于 Kimi K3 的 3.59 分、GLM-5.3 的 3.60 分和 GLM-5.2 的 3.40 分。由第三方主导、对面还挂着具名实验室的盲测人工评估，与自行发布的表格是两种不同性质的证据，而它是此次公告中唯一一项最有力的独立结果。

Mistral 表格中的其他所有内容均为厂商报告且未经复现，包括下面这些网络数据。请把它们看作一家自信的实验室所给出的主张，而不是测量结果。

Mistral实际上在出售的：拒绝

这是任何基准测试都捕捉不到的对比部分，也是这场较量中两家厂商所说过的最尖锐的一句话。

在 Artificial Analysis 的 Cyber Index 上，Mistral 表示 Mistral Large 4 位列全球前五，并在中国以外的开放权重模型中领先。在一项特定测试中——复现开源软件中的一个漏洞并随后修补它——它报告了 82%，被称为所有模型中最高的，同时在 Cybench 的 40 项竞赛练习中取得 93%。随后它给出了一个让这次发布独具优势的观察：几个领先的闭源模型，其中包括 Claude Opus 5.5 和 GPT-6 Astra，在同一测试中得分接近零，因为它们拒绝执行该任务。

这两部分都是厂商自行报告的。两者都没有被独立复现。但这个机制并不稀奇，也不是在影射谁——OpenAI 推出 GPT-6 Astra 时，将其置于发布时报道所称的 Critical 网络阈值之后，而拒绝姿态更严格的模型会拒绝一个漏洞复现请求，拒绝姿态更宽松的模型则会去尝试。82% 和近乎为零，是同一个政策决定的两面，而你想要哪一面，取决于你靠什么吃饭。评估自家软件的红队想要的是那 82%。而面向终端用户的受监管平台，可能恰恰想要那种拒绝，并且愿意为此支付每百万 token 10.00 美元和 50.00 美元。

这正是这两个模型之间的差别——任何排行榜上的一行都不会向你展示这一点，而这也正是它们将在市场中并存、而非一个取代另一个的原因。

本周“开放权重”意味着什么

对照表上属于 Mistral Large 4 这一侧的有三点注意事项，而每一点都附带着代价。

• 权重尚未发布。如今没有检查点，没有许可证文件，也没有代码仓库。Mistral 表示，它们将在 2026 年 10 月底之前落地，在此之前会有一段红队测试窗口期，期间经过审核的合作伙伴和国家主管部门会拿到一个解锁版本。在那之前，唯一的接入方式就是预览版 API，这意味着“在自己的硬件上运行”这一说法只是路线图上的一个条目，而非现有能力。

• 独立性标记与宣传口径不符。Artificial Analysis 将该模型列为isOpenWeights: false，并将其归类为“专有”，因为目前存在的只是从厂商自有集群提供的预览版本。这个标记最简洁地说明了“开放权重”这一说法与实际产物之间的差距。

• 给你的报价是促销价。Mistral 的价目表上写着 $0.68 和 $2.09，对应的划线原价是 $1.36 和 $4.18。请按后者来估算你的账单。在合同意义上，preview 也是一个阶段标签——模型可能被重新指向、重新定价或直接下线，而通知期比 GA 版本更短；因此，针对本周构建版本调优的流水线，会带来一笔你并未纳入预算的重新验证成本。

这一切都不会让预览版变成一笔糟糕的买卖。它只是让这笔买卖带上了到期日和一笔重新验证的账单，而这与按 token 计费的价格属于另一种不同的成本。

主权是采购清单上的一行，不是一句口号

Mistral 在欧洲自有数据中心内，使用 3,800 块 NVIDIA Grace Blackwell GPU 从零开始训练了 Mistral Large 4，并专门为构建这一算力容量在 D 轮融资中筹集了 30 亿欧元，且正从同一套基础设施提供该预览版服务。对于受监管的买方而言，这不是一种营销立场；而是一项 GPT-6 Astra 目前无论出价多少都无法满足的要求。OpenAI 的模型可通过 OpenAI 自有 API、Azure 和 AWS Bedrock 访问——这些渠道在规模方面都很出色，但没有一个是欧洲运营的端到端流水线。

主权论证的后半部分，要等到权重落地时才真正成立。届时，拥有 GPU 的组织便可在本地运行 1.05 万亿参数的稀疏模型，无需任何供应商介入，这同时改变了数据驻留的说辞和拒绝行为。到那时，Astra 仍然只是一次 API 调用。如果你的路线图包含本地部署阶段，那么这两者中只有 Mistral Large 4 具备这一阶段——而如果没有，那一整列对你来说就一文不值。

同时运行两者，但不押注任何一方

这种匹配对路由器而言的棘手之处在于：一边是我们提供服务的模型，另一边是我们并不提供的预览版。GPT-6 Astra 已在 OrcaRouter 目录中，按 OpenAI 的标价提供，未加任何费用，与 200 多个其他模型共用同一个 OpenAI 兼容密钥，并在各上游提供商之间自动故障转移——这一点在这里很重要，因为预览版恰恰是那种在尘埃落定之前，你会希望将其移出关键路径的依赖项。Mistral Large 4 在预览标志背后由 Mistral 自家集群提供服务期间，并不由我们路由；就我们在这项对比中所负责的部分而言，诚实的说法就是其中的 Astra 这一侧，外加无需第二份合同即可对同一任务运行任一模型的能力。当 Mistral 出现正式可用端点时，它会继承目录中其余模型所用的同样 0% 直通费率，而且供应商的价格变动会在发生当天就落到同一密钥上，而不是等到下一次续约时。

今天，一把密钥能买到的东西，就是这场 A/B 本身：相同的提示词、相同的评估器、两个模型字符串、一张账单——而这正是你回答关于预览版唯一重要问题的方式，即它的拒答姿态与长上下文召回，是否值得为你的工作负载多花十六个指数点。

决策规则，以及改变它的日期

如果任务是高强度推理、智能体编码，或任何以 Intelligence Index 榜首来衡量的工作，那么 GPT-6 Astra 处于领先地位，而价格差距正是为它付出的溢价——每百万 token 10.00 美元和 50.00 美元，当请求的输入 token 超过 272,000 时，价格调整为 20.00 美元和 75.00 美元。

如果这项工作因要求需要数据驻留欧洲、对拒答敏感，或者最终要部署到本地硬件，那么两者之中只有 Mistral Large 4 还能回答这个问题，其 token 价格只有另一个的四分之一到七分之一，但有一个前提：你之后部署的产物不会是你现在评估的产物。

值得关注的日期是2026年10月底，Mistral 表示模型检查点届时会到位。那一天会有三件事发生变化：许可证有了名字，自托管的理由不再只是一个承诺，而附在持续变动的预览版上的发布价，也不再是附在固定版本上的价格。任何目前正在按能力比较这两个模型的人，都应该在那之后重新比较，因为届时它的其中一列已经变了。