Mistral Large 4 對比 Claude Fable 5.1：十七個指數點與十二倍輸出價格

這場對決所探討的問題在 2026 年 10 月 29 日改變了，而原因並非 Mistral Large 4 變得更聰明。當天下午，這個模型不再只是租用的預覽版，而成為一個 1.06 TB 的下載檔案；這意味著它與 Claude Fable 5.1 的比較不再只關乎哪個模型回答得更好，也關乎哪一種限制是你所能接受的。Claude Fable 5.1 是每百萬輸入 token 收費 10 美元的模型，你可以透過 API 呼叫它，卻永遠無法擁有它、對它進行微調，或在自己的硬體上運行它。Mistral Large 4 則是兆級參數的專家混合模型，你現在可以擁有、調整它，並在自己的網路內部署，但授權明確禁止你將其作為服務轉售。一個是合約，另一個則是附帶條款的下載檔案。

在能力方面，答案並不相近，而這一點值得在價格討論開始之前先說清楚。Artificial Analysis 的 v5 Intelligence Index 將 Claude Fable 5.1 評為 43，將 Mistral Large 4 評為 26。這是在同一項衡量工具上的十七分差距，而且即使對指數版本提出所有合理的保留，這個差距依然成立，因為這兩個數字都是 v5 的讀數——Fable 5.1 的數字來自即時排行榜，Large 4 的數字則來自 Mistral 在其自家模型卡上引用的數值。如果重新執行該指數，這兩個數字都會變動；但排序不會變。

差距實際顯現之處

公開基準測試與該指數一致，這極不尋常。下方兩組數據皆由廠商自行執行，且均未經獨立重現，因此應將它們視為地位同等的宣稱，而非品質不同的證據。

• Terminal-Bench 4.0 — 根據 Anthropic，Claude Fable 5.1 為 55.8%；根據 Mistral，Mistral Large 4 為 41%。兩家廠商都使用自家的測試框架，而 Anthropic 自己回報的數字在某些報導中曾以 58.1% 出現，因此兩欄中的確切小數位都不太可靠。

• 長時程科學 — Claude Fable 5.1 在 Terminal-Bench-Science 0.1 上拿下 52.6%，這是 Anthropic 最突出的說法，而另一家實驗室的表格後來把同一個模型的成績列得低上許多。Mistral Large 4 沒有可比的公開數據列，這本身就透露了訊息：這款模型的定位是程式設計與安全，而非研究等級的代理式科學。

• Humanity's Last Exam — Claude Fable 5.1 在無工具輔助下達到 60.9%，使用工具時達到 65.0%。Mistral 在相同基準上，為十月預覽版公布了 35.0%。該預覽數字早於三週的 RL 與最終檢查點，因此低估了已發布的模型——但這是雙方對 HLE 唯一提出的數字。

• 安全工作——在這方面，Mistral Large 4 的表現更具說服力：在 CyberGym-E2E 上達到 79%，經強化學習後在其 B3 代理安全測試套件上達到 97.1%。Anthropic 的模型對這類工作更多是拒絕執行，而非執行失敗；這既是政策上的差異，也同樣是能力上的差異，不應被解讀為能力差距。

• Token 效率——Mistral 自己的說法是，在 Artificial Analysis 的 Coding Agent Index 上以 48% 打成平手的情況下，這款已發布的模型每項任務所需的 token 比 GLM-5.3 少 47%。這是罕見的一列，供應商會將基準測試的成本面與分數一同公布，而這是兩欄中最有用的數字。

一個看似迴歸、實則不然的數字

Mistral Large 4 的預覽版在 Artificial Analysis 的指數上得分 38.4。正式發布版得分 26。隨意比較這兩個數字的讀者會得出結論：三週的強化學習讓模型變差了十二分。事實並非如此。38.4 是在 v4.3 指數上記錄的；Artificial Analysis 在十月底重建了指數，而 v5 重建版整體而言是更嚴苛的衡量工具——在 v4.3 上處於五十多分的模型，在 v5 上則落在四十多分。這兩個數字並非對同一事物的測量，而將它們相減是本次發布報導中最常見的單一錯誤。

同樣的警告也適用於 Terminal-Bench 的 41% 這個數字。Mistral 回報在額外強化學習（RL）之前為 28.3%，之後為 41%，這是在單一測試框架上真正的同基準提升。但相較於 Claude Fable 5.1 的 55.8%，41% 仍是偏低的絕對分數，而且無論再怎麼用進步敘事來包裝，也改變不了那樣的排名先後。

比差距更能決定結果的授權條款

Mistral Large 4 以 Mistral Ecosystem Open-Weight License 發布，該公司稱其為修改版 MIT 條款。實際上，它授予四項權利，並保留一項不授予：

• 商業用途，沒有營收門檻——沒有「你必須低於 X 百萬美元才能使用」這種規定。

• 微調與衍生模型，這正是讓零日 RL 工作得以成立的條款。

• 內部部署與地端代管，而這正是 Mistral 圍繞整個發布所打造的主權 AI 賣點。

• 嵌入於產品內部，並以除外條款涵蓋嵌入式使用及僅轉傳輸出之情形。

• 未授予：在其上經營模型即服務（model-as-a-service）業務。若你想建立按 token 計費的 API 端點並販售存取權，你需要與 Mistral 另行簽訂商業協議。

Claude Fable 5.1 沒有相對應的問題，因為它沒有相對應的授權。你得到的是 API、服務條款與速率限制。你不會取得權重，無法微調，而且無論出價多高，都無法把模型放進氣隙網路中。Anthropic 的條款還自行附加限制，方向如出一轍：在供應商自家的 API 上，零資料保留必須特別授權，不支援強制工具使用，且思考功能無法關閉。將同一個模型透過設有零保留協議的供應商路由，是團隊規避第一項限制的方式。對受監管買家而言，這些限制的重要性，是十七點指數差距所無法比擬的。

成本，附帶關於冗長度的但書

先列定價，因為促銷價會到期，而定價才是合約中所載的價格。

• Claude Fable 5.1 — 每百萬輸入 token {{1}}$10.00{{/1}}、每百萬輸出 token {{2}}$50.00{{/2}}，快取讀取降至每百萬 {{3}}$0.25{{/3}}。批次定價兩者減半，降至 {{4}}$5{{/4}} 與 {{5}}$25{{/5}}。

• Mistral Large 4 — 每百萬輸入 $1.36、每百萬輸出 $4.18（定價），目前約以半價折扣至約 $0.68 與 $2.09，且未公布結束日期。

以定價計算，輸入端是 7.4 倍，輸出端是 12 倍。以目前的促銷價計算，則接近 15 倍與 24 倍。這兩者的差距都大到讓價格問題的重要性壓過效能基準測試問題——對任何有實際用量的人來說都是如此，而這也才是這場比較之所以會成文的老實原因。

需要注意的是冗長性，而這確實是個實質問題。在預覽版的 Artificial Analysis 指數測試中，Mistral Large 4 產生的輸出約在 2 億個 token 左右，而排行榜中位數則接近 8,500 萬。按 token 計價會把這個倍數一併放大。若把同樣的 2 億個輸出 token 分別跑過兩個模型，算術結果是：Mistral Large 4 以促銷價計為 418 美元，而 Claude Fable 5.1 以牌價計為 10,000 美元。這個倍數在考量冗長性後依然成立——它會縮小，但不會翻轉——然而，任何人若只引用每 token 比率，卻未查核模型實際輸出多少 token，那就是只引用了半個數字。正式釋出的檢查點是否和預覽版一樣冗長，目前尚未測量；Mistral 聲稱其額外 RL 能讓輸出 token 減少 30%，這是該公司自己對此問題的回答。

每個實際上可被呼叫的位置

這是比較中兩個模型不再對稱的部分。Claude Fable 5.1 在 OrcaRouter 目錄中以anthropic/claude-fable-5.1，具備其 1M token 上下文、$10/$50 定價，以及按供應商牌價沿用的較低快取讀取費率——不額外加成，因此供應商調價當天即反映。Mistral Large 4 不在該目錄中。我們不提供它，本文也不是通往它的途徑：已發布的模型位於 Hugging Face，以及在供應商自家 API 之後。直言此事比暗示相反情況更有用。

在實務上，這代表什麼取決於你站在授權的哪一側。如果你想要一個能在自己的硬體上執行、能從頭到尾稽核，並能用 LoRA 適配器調整的模型，這兩者中只有一個可供你使用，而十七分的差距就是這種控制權的代價。如果你想要每次呼叫都得到最強答案，而且從不打算擁有任何東西，這兩者中只有一個是值得認真考慮的選項，而十二倍的輸出價格就是這種能力的成本。把兩者置於單一金鑰之後，並依路由設定容錯移轉，就是同一項決策在營運上的版本：它讓你預設使用昂貴模型，並在無需第二份合約的情況下回退到較便宜的模型。

該選哪個

如果你的工作是長時間跨度的代理式執行、大量使用終端機的程式開發，或研究等級的推理——在這些情境下，答錯的代價遠比一個 token 還高——那就選 Claude Fable 5.1。對於 55.8% 的 Terminal-Bench 成績，請保留「那是廠商自行執行」這項但書，但也要認真看待這個排序：Mistral 至今發表的任何東西，都無法把 Mistral Large 4 放進同一個區間。

若限制是法律或地理上的，而非智力上的，就選擇 Mistral Large 4。一家無法跨境傳送提示的歐洲企業、一個需要把拒絕政策排除在流程之外的安全團隊、一個必須將模型內建於自身二進位檔中出貨的產品——這些都不是更好的索引分數能解決的，而它們全都能靠 610 GB 不受限的 NVFP4 權重，以及允許內部微調的授權來解決。

兩者都不選，改在兩者之間分流——如果誠實的答案是你有兩種約束條件不同的工作負載。那正是這道價格差距刻意要創造的情境，也是大多數團隊最終會落入的情境。

懸而未決的問題

能改變這項比較的數字，並不在兩家廠商的簡報上。它是在 Artificial Analysis 的 v5 指數上，對已發布檢查點進行的獨立重跑；因為目前的 26 這個數字，是 Mistral 引用第三方說法，而不是對最終權重所做的全新測量。如果三週的 RL 與輸出 token 數減少 30% 能實質改變這個數字，差距就會縮小，價格論點也會更站得住腳。如果沒有，那麼已發布的模型就只是舉止更得體的預覽版，而那十七分的差距則是結構性的。

在那一輪測試出現之前，最站得住腳的立場反而是最平淡無奇的那個：Claude Fable 5.1 是更好的模型，Mistral Large 4 是更好的授權條款，而唯一會覺得這難以取捨的人，就是兩者都需要的人。