Mistral Large 4 對比 Qwen3.8 Max：已公布數字所否認的宣稱領先

Mistral 為 Mistral Large 4 發布的貼文指出，其 Coding Agent Index 綜合得分為 49.8%，使其「領先 DeepSeek V4 Pro 0813 與 Qwen3.8 Max」。Artificial Analysis 已將 Qwen3.8 Max 納入同一 index 系列，而其 Terminal-Bench 4.0 的數字為 38.9%。Mistral 報告其自家模型在該測試工具上為 28.3%。這兩個數字都來自 Artificial Analysis——一個是公開的，另一個是在該測試工具發布前私下產生的——而它們指向相反的方向。這並不是否定任何一個模型的理由。這是這次對決中最有用的一點，因為它確切告訴你，今天你能驗證兩者中的哪一個，並且它讓價格問題尖銳地凸顯出來：Qwen3.8 Max 每百萬輸入 token 要價 $2.00，每百萬輸出 token 要價 $6.00，而 Mistral Large 4 分別為 $0.68 和 $2.00，大約是後者的三倍，而且在每一項已公布的衡量指標上，它都是更強的模型。

兩者都是阿里巴巴規模與 Mistral 規模對同一目標的嘗試——一款原生多模態旗艦模型，可服務約一百萬個 token 的上下文，並具備推理、工具與結構化輸出能力——分別以公開預覽版與正式推出版相隔九週發布。其中一款自 2026 年 8 月 3 日起便已推出，並擁有完整一欄的獨立評分。另一款則於 2026 年 10 月 6 日登場，承諾於月底發布權重，且其供應商表示其強化學習訓練仍在持續攀升。

已發佈的那一個與所承諾的那一個

Qwen3.8 Max 是阿里巴巴迄今能力最強的層級，而阿里巴巴在自己的遷移指南中，直接將其定位為對標 GPT-5.5、Claude Opus 4.7 與 Gemini 3.1 Pro。它原生支援文字、圖像與影片的多模態輸入並以文字輸出，具備 1,000,000 個 token 的上下文視窗，其能力矩陣也確認支援思考模式、函式呼叫、內建工具與結構化輸出。它提供三種傳輸格式——OpenAI 相容、Anthropic 相容與原生 DashScope——並可從北京、新加坡、東京、法蘭克福及其他更多地區提供服務。

在 Artificial Analysis 上，它在 Intelligence Index v4.3.2 拿下 45.4 分，在 147 個模型中排名第 17，並在 AA Coding index 獲得 76.2 分，於 138 個模型中排名第 9，與 Kimi K3 並列開放權重領域的榜首。它在 GPQA Diamond 上取得 92.8%，長上下文召回率為 80.3%，SciCode 為 52.1%，tau-banking 為 47.8%。其 Terminal-Bench 2.1 結果為 88.8%。

Mistral Large 4 是一個細粒度專家混合模型，在總計 1.05 兆個參數中有 490 億個活躍參數，並配備一個 16 億參數的視覺編碼器，在 Mistral 自家的歐洲資料中心以 3,800 顆 NVIDIA Grace Blackwell GPU 從頭訓練，使用的資料涵蓋超過 160 種語言。它可處理文字和圖像，上下文約達一百萬個 token。其 Artificial Analysis 頁面以「Mistral Large 4 Preview」為標題，並未提供 Intelligence Index 分數；權重承諾於 2026 年 10 月底前發布。

• 智慧指數 — Qwen3.8 Max 45.4（147 個中第 17 名）對比 Mistral Large 4 尚未發布

• 程式設計指數 — Qwen3.8 Max 76.2（138 個中排名第 9）對比 Mistral Large 4 無可比較數據

• Terminal-Bench 4.0 — Qwen3.8 Max 38.9% 對比 Mistral Large 4 28.3%，以非公開方式評估

• 上下文視窗 — Qwen3.8 Max 1,000,000 個 token，對比 Mistral Large 4 約 1,000,000

• 輸入模態 — Qwen3.8 Max 支援文字、圖像與影片，對比 Mistral Large 4 支援文字與圖像

• 輸入價格 — Mistral Large 4 每 100 萬 $0.68，對比 Qwen3.8 Max 每 100 萬 $2.00

輸出價格 — Mistral Large 4 每 1M 為 $2.09，相較於 Qwen3.8 Max 每 1M 為 $6.00

• 快取的輸入 — Mistral Large 4 每 100 萬 $0.07，相較於 Qwen3.8 Max 每 100 萬 $0.25

• 權重 — Mistral Large 4 開放授權承諾於 2026 年 10 月底，對比 Qwen3.8 Max 封閉

• 已發布 — Qwen3.8 Max 2026年8月3日 vs Mistral Large 4 2026年10月6日，預覽

在能夠解決的範圍內解決這個矛盾

Terminal-Bench 4.0 的這兩個數字確實互相矛盾，而最可能的解釋也是最不戲劇化的：它們是不同的執行批次。Mistral 的 28.3% 被描述為由 Artificial Analysis 在該測試框架公開發布之前私下評估，這意味著它可能是在發布前的測試框架上、以不同的推理投入程度，或使用不同的取樣方式測得的。Qwen 的 38.9% 則是在已發布的測試框架上，以 Artificial Analysis 所標準化的某種配置測得。直接比較這兩者，無異於拿草稿比定稿，而看起來較差的是草稿。

值得注意的還有一點：這個矛盾究竟是往哪個方向切。Mistral 在綜合 Coding Agent Index 上宣稱取得領先——49.8%，超前 Qwen3.8 Max——但同時公布的 Terminal-Bench 4.0 成績卻落後 Qwen 十分。綜合指數是彙整多項評測而成，因此兩者可以同時成立；一個在 DeepSWE v1.1 表現強勁（Mistral 回報為 61.7%）、在 Terminal-Bench 表現疲弱的模型，仍可能在平均值上勝出。但在 Coding Agent Index 公開之前，讀者唯一能查核的該宣稱組成部分，正是 Mistral 落後的那一項。無論朝哪個方向看，這種不對稱都確實值得懷疑。

三倍價格究竟能買到什麼

有兩件事，而其中只有一件是效能。

影片是最具體的一項。Qwen3.8 Max 原生接受影片，將其視為第一級輸入；Mistral Large 4 則否。Mistral 的多模態篇章談的是圖像——在密集場景中進行定位、在技術圖紙中驗證機械零件、從 PDF 中檢索證據、掃描十億像素的衛星影像——而這些都不需要動態影像。如果你的流程處理的是錄影、示範或影片典藏，那麼價格比較就毫無意義，因為其中一個模型根本無法接受你的輸入。這是能力上的界線，不是價目表上的差異，再怎麼重新定價都無法改變它。

第二點是實證。Qwen3.8 Max 的 45.4 指數分數、第九名的程式編寫排名，以及它在 Terminal-Bench 2.1 上達到的 88.8%，全都可以在公開的測試框架上重現，只要有人願意花費這些 token。Mistral 的 ML4 則號稱在代理式程式編寫與自動化方面有更高的上限，在一項盲測人工評估中，它在感知到的程式編寫品質上略勝 Kimi K3 與 GLM-5.3，還有一項具體的資安主張——在 Artificial Analysis 的「重現並修補」測試中達到 82%，是所有受測模型中最高，且在 Cybench 上達到 93%。以上每一項數據都是廠商自行提報或私下評估的結果。一支必須向採購審查證明模型選擇合理的團隊，會願意付三倍的溢價，換取白紙黑字的答案。

話雖如此，在這項比較中，資安方面的數據是唯一一項較低價格無法抵銷的主張，因為那是能力，而不是優勢。Mistral 報告指出，包括 Claude Opus 5.5 與 GPT-6 Astra 在內的數個領先閉源模型，在同一項重現與修補測試中得分接近零，因為它們拒絕執行該任務；報告也指出，ML4 在取自 JailbreakBench、StrongREJECT 與 AgentHarm 的資安提示上的平均拒絕率，高於其他開放權重模型，但同時仍能完成工作。Qwen3.8 Max 未在該測試中回報。如果你的工作涉及漏洞重現，問題不在於誰更便宜；而在於誰到底會不會做這項工作。

權重，以及它們在哪裡執行

這正是 Mistral Large 4 握有的一項結構性優勢，Qwen 高出三倍的溢價也無法撼動。Mistral 已承諾在 2026 年 10 月底前，以開放授權釋出 ML4 的權重，並一併公布架構與後訓練方法的細節。這會把按 token 計費的成本轉化為一項資本決策：如果你有 GPU，你就不再按 token 付費，不再把資料送給第三方，也不再受制於他人的內容審核政策。阿里巴巴的 Max 層級是封閉、僅提供 API 的方案，而且沒有任何跡象顯示這會改變。

地理是同一套論證，只是換了另一種語域。Qwen3.8 Max 由北京、新加坡、東京與法蘭克福等地提供服務——是名副其實的全球布局，但由阿里巴巴營運。Mistral Large 4 的公開預覽版在 Mistral 自有的歐洲基礎設施上運行，位於 Mistral 端到端營運、且獨立於其他數位服務供應商的一個歐洲區域，並依歐洲法律運作。對受監管的歐洲買家而言，這兩句話支持截然不同的採購結果，即使這兩個模型都能在同一座城市使用。Mistral 的 30 億歐元 D 輪融資——歐洲科技公司歷來募集到的最大股權融資輪——正是為了資助這樣的區別而存在，而 ML4 是它的首項交付成果。

跨兩種可用性型態的路由

這個組合的不尋常之處在於，這兩個模型的差異不僅在價格與能力，還在於你如何存取它們。Qwen3.8 Max 可從多個區域，透過相容於 OpenAI、相容於 Anthropic 及原生 DashScope 的協定來存取；Mistral Large 4 則是來自單一營運商的單一預覽端點。在你的應用程式碼中將這些差異標準化是實實在在的工作，而這類工作一開始規模很小，卻會隨著供應商每次更動某個環節而增長。

兩者都位於 OrcaRouter 上同一個相容於 OpenAI 的端點之後，且加成 0%，這正是本文中的價格差距之所以穩定、而非某一時點的快照的原因：供應商的定價表原封不動地傳遞下去，因此當 Mistral 結束其預覽期費率、或阿里巴巴調整 Qwen 的費率時，你的路由規則所據以評估的數字也會跟著變動。路由 DSL 正是這兩個模型各自的強項化為單一呼叫介面的地方——含影片的請求交給 Qwen3.8 Max，圖像與文件相關工作交給 Mistral Large 4，而任何必須嚴守預算的請求先送給 ML4，並在合併索引的主張於真實任務中確實重要時，以 Qwen 作為升級備援。在這組配對中，自動容錯移轉的價值高於大多數情況，因為其中一條腿是推出僅第一個月的前預覽版 API，另一條則是無法進行容量規劃的封閉層級。當 49.8 對 76.2 的程式碼問題對你的工作負載確實尚無定論時，模型融合可以讓兩者對同一個提示運行，並由評審小組挑選，這比跑兩次評比測試更便宜。

裁決

Qwen3.8 Max 在所有已公布的一切方面都是更好的模型。其 45.4 指數分數、76.2 程式設計指數，以及 Terminal-Bench 4.0 上的 38.9%，都是在與其他人相同的版本上取得的；它能接受影片輸入，已經出貨兩個月，而且可透過三種連線格式從五個區域存取。如果效能與可驗證性是決定性因素，那麼三倍的價格就是一款已出貨、經實測的旗艦型號所應有的成本。

Mistral Large 4 在價格上以約三倍勝出，在快取讀取上以超過三倍勝出，在替代方案會拒絕的資安工作上勝出，也在 Qwen 無法回答的兩個論點上勝出：承諾於十月底前開放權重，以及由 Mistral 端到端營運的歐洲部署。49.8% 的 Coding Agent Index 宣稱正是能一錘定音的那件事——如果那個數字搶在 Qwen 之前登上公開評測框架，較便宜的模型就會變成更好的那一個，溢價也就隨之消失。如果沒有，Mistral 就是在為一個落後於已發布競爭者的模型販售預覽價，而誠實的立場是：你買的是路線圖，而不是模型。

留意三個日期。2026年10月底——屆時 ML4 的權重若非正式推出，就是「開放權重」的說法會軟化。Artificial Analysis Coding Agent Index 發布之時——屆時 Mistral 的非公開評估與 Qwen 的公開分數會在同一欄上交會。還有預覽期結束之時——無論 Mistral 何時宣布——因為 $0.68 和 $2.09 是上市時的價格，任何預測都不應假設它能挺過權重發布。