Mistral Large 4 對比 Gemini 3.1 Pro：八個月，兩種方向

Gemini 3.1 Pro自 2026 年 2 月 19 日起已在市場上，至今仍在每一份廣泛能力排行榜上名列前茅，包括那些將它與今年秋季發布的模型相比的榜單。 Mistral Large 4最多只有三週大——於 2026 年 10 月 6 日宣布的預覽版，其權重承諾在 10 月底發布，且未指明授權條款。在 10 月 6 日讀取的 Artificial Analysis 的 Intelligence Index 上，已問世八個月的 Gemini 3.1 Pro 得分為 29.7，而這位新進者為 38.4。這是這項比較誠實的起點，而且與發布日期所暗示的正好相反。

這個解釋並不神祕。Gemini 3.1 Pro 是預覽產品線的旗艦，Google 從未將它提升為穩定版，而 Artificial Analysis 為它設立的頁面標示為「Gemini 3.1 Pro Preview」——同一頁面上，較低的指數就緊鄰著頂尖的 GPQA Diamond 分數。它是一款為廣度而打造的模型：超大的上下文視窗、廣泛的模態支援，以及在知識型問題上表現強勁的推理能力。Mistral Large 4 則完全是為另一幅世界版圖而打造，定價也相應反映了這一點。

每一項是什麼

Gemini 3.1 Pro 是 Google 的前沿多模態推理模型，API id 為 gemini-3.1-pro-preview，具備 1,048,576 個權杖的上下文視窗，以及 65,536 個權杖的輸出上限。它接受文字、圖片、影片、音訊與檔案。它由 OrcaRouter 的目錄提供，並採用 Google 自家的費率。Google 的文件並未列出任何非預覽版的 Gemini 3.1 Pro；預覽版名稱就是該產品。

Mistral Large 4 是一個擁有 1.05 兆參數的稀疏混合專家模型，具備 490 億個作用中參數，以及專用的 16 億參數視覺編碼器，以「Mistral Large 4 Preview」的名稱、透過 API 識別碼 mistral-large-4-0 提供。Mistral 的文件指出其上下文視窗為 100 萬個 token；Artificial Analysis 在其測試的配置上讀取到 524,288。最大輸出並未公布。Mistral 將其描述為迄今規模最大、能力最強的模型，並表示權重將於十月底推出。

這些數字，並附上其出處

兩個模型都有獨立頁面，因此下方的比較是同一測試框架下的比較，而非廠商對廠商的比較：

• 智慧指數 v4.3 — Mistral Large 4 Preview 38.4 對比 Gemini 3.1 Pro 29.7

• 每個索引任務的成本 — $1.13 對比 $1.30

• 長上下文推理 — 81.3% 對 82.0%

• GPQA Diamond — 預覽版未公布，對比 94.1%

人類最終考試 — 35.0% 對比 47.0%

• Terminal-Bench 4.0 — 26.8% 對 4.0%

• SciCode — 54.2% 對比 58.7%

• AutomationBench，業務工作流程 — 59.9% 對 35.4%

• MMMU-Pro，多模態推理 — 76.4% 對 82.4%

• 上下文視窗 — 標稱 1M / 實測 524,288，對比實際提供 1,048,576

• 輸出上限 — 未公佈 vs 65,536 個 Token

• 每百萬 Token 價格，輸入／輸出 — 定價 $1.36 / $4.18，促銷價 $0.68 / $2.09，相較於 200K Token 以下為 $2.00 / $12.00，超過 200K Token 為 $4.00 / $18.00

• 權重 — 已承諾，授權未具名，相較於專有

最引人注目的一列是 Terminal-Bench 4.0。Gemini 3.1 Pro 得分 4.0%——不是打錯字，也不是表格中的幻覺：這反映的是一個二月發表的模型，被放到一個比它更晚出現的終端機代理測試框架上運行。Mistral Large 4 的 26.8% 在同一項測試中則是六倍之高。任何因為一個舊的代理式編碼分數而排除 Gemini 的人，都應該根據它的 GPQA Diamond 把它重新納入考慮；而任何因為指數排名而排除 Mistral 的人，應該先看看終端機那一列。

Gemini 3 Pro 仍佔上風的地方

知識與廣度。94.1% 的 GPQA Diamond 是本文所有數據中最高的，無論是哪一方，而它是研究所程度的科學基準——不是模型靠嘴上功夫就能達到的數字。Humanity's Last Exam 的 47.0% 對比 35.0%，以及 SciCode 分數略勝這位新進者，都說明了同一件事。如果你的工作負載是從知識語料庫中準確回答困難問題，那麼 Gemini 3.1 Pro 在發布八個月後仍是更強的模型。

模態廣度是第二項優勢。Gemini 3.1 Pro 除了文字與圖像，還能處理影片與音訊。Mistral Large 4 則只接受文字與圖像。如果你的流程需要攝取錄製的會議、螢幕錄影或感測器音訊，這裡只有一個模型能看見完整的輸入。

輸出上限是第三個。65,536 個 token 是已公布、保證的上限；Mistral 完全沒有為預覽版公布任何上限。沒有什麼比未說明的輸出限制，更可能在正式環境中反咬你一口。

而 Gemini 的上下文視窗確實是實實在在以 1,048,576 個 token 提供服務，相對地，Mistral 的 1M 則是廠商標稱數字，對照獨立實測的 524,288。對於落在視窗最末端的工作負載而言，標稱數字與實測數字之間的差距，就是得改寫。

Mistral Large 4 在何處改變決策

代理式工作，特別是任何涉及終端機的部分，正是這兩款模型不再能相提並論的地方。Mistral 自家的發布文章將 DeepSWE v1.1 的 61.7%、SWE-Atlas-QnA 的 59.4% 以及 Terminal-Bench 4.0 的 28.3% 彙整成 49.8% 的 Coding Agent Index，並明確表示在該綜合指標上領先 DeepSeek V4 Pro 0813 與 Qwen3.8 Max。用 Mistral 的話來說，那三項數字是 Artificial Analysis 在其測試框架公開前私下評估的結果；它們尚未列入公開指數，在列入之前應標示為廠商自行公布。

獨立證據也指向同一個方向。在 AutomationBench 上——涵蓋 Gmail、Sheets、Slack 與 Salesforce 的 657 個商業工作流程——Mistral Large 4 得分 59.9%，領先 Kimi K3、MiMo-V2.6-Pro 與 DeepSeek V4 Pro；而在同一套測試框架上，Gemini 3.1 Pro 完全沒有出現，因為該基準測試的推出時間晚於它。Surge AI 執行的一項盲測人類研究中，Mistral Large 4 Preview 在五個模型的程式碼品質評比中名列第二，得分 3.74，領先 GLM-5.3 與 Kimi K3，僅次於 Claude Opus 5。

資安方面的宣稱是 Mistral 貼文中最犀利的一項，值得精確引述：在 Artificial Analysis Cyber Index 測試中達到 82%，該測試要求模型重現真實漏洞並加以修補，並被描述為所有模型中最高；在 Cybench 的 40 項競賽練習中達到 93%；以及 Mistral 聲稱，它在整體 Cyber Index 上名列全球前五，同時領先中國以外開發的開放權重模型。這些都是廠商引述、出自獨立指數的數字。它們的實際優勢在於，Mistral 打造這個模型是為了讓它執行工作，而不是拒絕去做。

表中最低價的一行也屬於 Mistral，但僅是略微領先：每項任務 1.13 美元對上 1.30 美元，這是促銷費率所帶來的 13% 優勢，而標準價目表會抹除這項優勢。Gemini 3.1 Pro 是採用 2026 年定價的 2026 年模型，用它來執行索引任務並不昂貴。

無人做基準測試的決勝關鍵

有兩件事正在發揮作用，而那些表格無法呈現。第一件是授權。Gemini 3.1 Pro 是專有軟體，而且將一直如此；Mistral Large 4 則是一個預覽版，其整套賣點在於它會成為可下載的成品，讓你能在自己的政策下、在自己的硬體上、依歐洲法律運行——Mistral 在自己的資料中心用 3,800 顆 Grace Blackwell GPU 訓練它，並在那裡提供預覽服務。在儲存庫出現、授權條款有了名字之前，這套說法一文不值。等到那一天成真，它就價值連城。

第二個是營運風險。仍在打磨中的預覽版會在你腳下變動。在 OrcaRouter 上，這個比較的兩邊都可透過單一 OpenAI 相容端點，以供應商定價、0% 加價取得——Gemini 3.1 Pro 已以 Google 的價格在目錄中上線，而 Mistral Large 4 則必須透過 Mistral 自家的 API 與幾個第三方平台才能觸及，因為那不是我們提供的路由。這裡真正有用的是路由 DSL：把分類與擷取交給當週較便宜的那個模型，把難纏的殘餘升級上去，並讓自動容錯移轉去吸收預覽版的壞日子，而不是讓你的待命輪值去吸收。

裁決結果

要問的是工作負載是什麼，而不是哪個模型比較好。就知識工作、音訊與視訊輸入、有保證的輸出上限，以及可提供的百萬詞元窗口而言，Gemini 3.1 Pro 仍是較強的模型，而它的年資不是缺陷——那是其他人花了八個月摸清它極限的成果。就代理式程式開發、終端機作業與安全營運而言，Mistral Large 4 領先的幅度大到讓排行榜名次顯得有誤導性，而且它是這兩者中唯一可能最終可供自行架設的。

值得關注的決勝關鍵是十月底。如果權重以寬鬆授權釋出，Mistral Large 4 就不再在價格上與 Gemini 3.1 Pro 競爭，而是開始在控制權上與它競爭，而那是另一場不同的戰爭。如果它們以限制性授權釋出，本文的答案不會有太大改變——但理由會變。