Mistral Large 4 對比 GPT-6.1 Sol：一款可下載，一款只能租用

網路上幾乎每一篇 Mistral Large 4 與 GPT-6.1 Sol 的比較，引用的都是 10 月 27 日之後就已不存在的數字。那些頁面寫的是 38 和 52。Artificial Analysis 當天把它的 Intelligence Index 重建為 v5 系列，重新跑過這些模型，如今公布的數字是 Mistral Large 4 為 26，GPT-6.1 Sol 為 55。這並不是哪一個模型變了——而是換了一套不同的量測工具，評估項目由舊的一組改成九項，而且組合難度高出許多——但這確實意味著你或許讀到過的那個差距，十四分，如今帳面上是二十九分，而且與重建之前的任何數據都不能相提並論。跨不同版本的指數來做比較，是這個領域最常見的錯誤，而在爭論其他事情之前，先把目前這一組數字弄對，是值得的。

這場對決之所以比單純的分數差距更有意思，是因為這兩個產品從今天早上起就不再屬於同一類東西。GPT-6.1 Sol 自 OpenAI 於 2026 年 9 月 29 日推出以來，一直是租用型模型，每百萬 token 收費 $2.00 與 $10.00；你只能呼叫它，無法擁有它。Mistral Large 4 於 2026 年 10 月 6 日預覽，並於 2026 年 10 月 29 日 14:51 UTC 公開權重——FP8 格式為 1,060.6 GB，NVFP4 格式為 610.1 GB，開放下载，採用修改版 MIT 授權。其中一款模型的計費表永遠不會停。另一款的計費表則在你買下硬體的那天結束。這就是決策所在，而基準測試表只是這項決定的下游產物。

兩個產品，兩個日期，其中一個已完成

這種不對稱並非關於成熟度的吹毛求疵——它改變了哪些問題值得問。GPT-6.1 Sol 是一個已發布、有文件記載、經獨立測量的模型，且有十家 API 供應商列出對應服務。它的價目表已定，其 1M 上下文已有文件記載，而它在 OpenAI 產品陣容中的位置是在 Astra 旗艦之下，而非位居頂端。Mistral Large 4 以 API 預覽形式存在了二十三天，而今天它變成了一個檔案。其託管價目表已定為每百萬 token 輸入 $0.70、輸出 $2.10，而它的未來如今有一部分掌握在實際運行它的人手中，而非 Mistral 的路線圖裡。

關鍵的六行

兩側維度相同，現行儀器，於 2026 年 10 月 29 日讀取自兩個 Artificial Analysis 模型頁面及供應商自身文件：

• 智慧指數 — GPT-6.1 Sol 55（v5 系列，在其比較類別中 54 個裡排名第七）；Mistral Large 4 26（在不同類別中 19 個裡排名第八——這兩個排名並非在同一尺度上）。

• 每項 Index 任務成本 — GPT-6.1 Sol $1.27；Mistral Large 4 $2.06。

• 詞元價格 — GPT-6.1 Sol 每百萬輸入 $2.00／輸出 $10.00，輸入詞元超過 272,000 時為 $4.00／$15.00 級距；Mistral Large 4 輸入 $0.70／快取 $0.07／輸出 $2.10。

• 輸出速度 — GPT-6.1 Sol 每秒 79.1 個 token；Mistral Large 4 每秒 161.3 個 token。

• 上下文 — 兩者皆為 1M 個 token，且兩者皆有文件說明。

• 部署 — GPT-6.1 Sol：僅提供託管服務，無論出價多少皆不提供權重。Mistral Large 4：可託管或自託管，NVFP4 格式為 610.1 GB，已發佈的 vLLM 配方採用八顆 Blackwell 等級 GPU。

The Index 是一個平均數，而平均數會掩蓋差距的形狀。在 Artificial Analysis 的各個個別列中，這種落差並非一致地糟糕，而是分布不均：HLE-Diamond 為 17% 對 59%，Terminal-Bench-Science 0.1 為 4% 對 58%，FrontierCode 2.0 為 15% 對 41%，Terminal-Bench 4.0 為 25% 對 56%，GDPpdf 為 18% 對 31%。Mistral Large 4 並非在每項任務上都落後 29 個百分點；它在獎勵持續多步驟推理的評測中落後許多，而在較短的一次性作業上則大致持平。如果你的工作負載看起來像第二種，那麼平均數並不是適合用來採購的數字。如果看起來像第一種，再多的折扣也無法彌補。

為什麼數字會變動，以及為什麼這不是醜聞

v5 重建在全新的評測集上重新跑了整個評測範圍，其中約 60% 是私有的——也就是重建前無法公開取得的題目。模型並非全都朝同一方向變動：有些大幅下滑，有些上升。Mistral Large 4 從 38 降到 26，以及 GPT-6.1 Sol 從 52 升到 55，是同一事件的兩種讀數，而兩者都不是某家廠商季度表現不佳。隨之而來的規則簡單，卻很容易不小心違反：絕不要拿某一次指數評測的分數去減另一次的分數，也絕不要引用兩半相隔一週才測出的差距。今日存在的差距，是在同一套評量工具上的二十九分。

二十九分是很大的差距，而且這也不是全貌。指數 26 描述的是一個在一般工作上稱職、但在困難端毫不起眼的模型；指數 55 描述的則是現有最強大的模型之一。如果你的工作負載是在大型儲存庫上進行代理式程式設計，答案早已底定，任何定價論點都改變不了它。本文其餘部分要談的，是那些還沒底定的工作負載。

反轉在 rebase 後仍保留

十月預覽期唯一在新衡量工具下依然成立的發現，是每項任務成本的反轉，而且它在新數據下依然成立。Mistral Large 4 的輸入費率約為 GPT-6.1 Sol 的三分之一，輸出費率約為其五分之一，但完成同一項評估任務的成本仍高出 62%——2.06 美元對 1.27 美元。這不是定價手法。推理模型的帳單主要取決於它選擇輸出多少 token，而 Mistral Large 4 輸出的量非常龐大：Artificial Analysis 在其冗長度樣本中記錄到 1.1 億個輸出 token，而中位數為 1 億，GPT-6.1 Sol 則為 6,400 萬，低於中位數。更便宜的 token 乘以更多 token 並不是節省，帳單會如實反映。

實際上的結論比「便宜模型其實很貴」要來得狹窄。對於短輸出的工作——分類、擷取、路由，任何在兩百個 token 之後就結束、從不進入推理迴圈的工作——token 價格就是帳單，而 $0.70 對上 $2.00 就是全部的論據。這種反轉發生在長程推理上，而那正是二十九個百分點的差距所在。兩項不同的量測指向同一個方向，這是讓人相信這個方向的理由，而不是把它概括套用到所有工作負載的理由。

速度往相反的方向奔馳，耐心亦然。

Mistral Large 4 的輸出速度是兩倍以上：每秒 161.3 個 token，對比 79.1 個。它回傳第一個 token 的時間為 1.42 秒，略優於其比較組 1.68 秒的中位數。GPT-6.1 Sol 公布的首個答案 token 時間為 249.48 秒，而中位數為 3.53 秒，這類數字需要解釋，而不是直接引用。

那 249 秒幾乎可以肯定不是網路意義上的延遲。那是模型在發出第一個回答權杖之前花在推理上的時間，以最高推理強度測得，而這也是誠實呈現長時間推理預算會讓等待中的使用者付出什麼代價的方式。我們自己的路由資料讓這個區別變得具體：在截至 10 月 29 日的七天內，透過 OrcaRouter 傳輸的 5.847 億個 GPT-6.1 Sol 權杖中，首個串流權杖時間的 p50 為 1.36 秒，而 p95 為 10 秒。第一個權杖很快就會抵達；耗時數分鐘的是第一個回答，而 API 中的旗標決定你的使用者會體驗到哪一種。如果你的應用程式會串流推理權杖，這段等待就有內容填充，尚可忍受。如果不會——如果使用者只能盯著載入指示器直到第一個回答抵達——那麼四分鐘才出現的第一個權杖就是產品層面的硬性限制，沒有任何基準測試分數能彌補；而一個 1.4 秒就回答的模型，會比一個 Index 分數高出二十九點的模型感覺更好。這正是較便宜、分數較低的模型在實際部署中最常勝出的軸線，而它不會出現在任何比較表裡。

今天早上有什麼改變：計量器結束了。

直到今天，Mistral Large 4 的自架設理由還只是個承諾，而承諾無法通過採購審查。現在它已經是一個儲存庫了。兩個檢查點、一份授權檔案，以及一份由廠商發佈的服務配方：vLLM 採用張量平行度 8 與 FP8 MLA KV 快取，SGLang 則以 tp-size 4 執行；兩者都內嵌 DSpark 草稿頭以進行推測解碼，而非使用第二個模型。

那買到的並不是更便宜的 token，而是 token 作為成本單位的終結。在自有硬體上，帳單會變成折舊、電力、機櫃空間，以及負責那座叢集的工程師；而穩定高量運行的負載，則會從變動成本轉為固定成本。這正是對有資料落地規定的歐洲銀行、採購規範禁止境外推論的國防承包商，或把模型嵌入產品線長達五年的製造商而言成立的理由。但這不是流量尖峰起伏、又沒有維運團隊的新創公司該走的路：610 GB 的權重、八張 Blackwell GPU 和 1M token 的 KV 快取是一項資本專案，而託管的 $0.70 費率在很長一段時間內都比這筆資本支出便宜。

授權條款正是大家會跳過的那部分。它是一份經修改的 MIT 授權，其中有一條真正要緊的條款：若要以模型即服務的形式提供這些權重，就必須另外取得 Mistral 的商業授權。不過請仔細讀清楚定義——它排除了內嵌式終端使用者產品，以及「僅將請求轉送至他人託管之模型」的情形，因此，把流量轉送至 Mistral 託管推論服務的閘道器屬於豁免範圍，而自行架設推論農場並轉售存取權的公司則不在豁免之列。如果你打的算盤是「下載它，然後當起服務供應商」，請在拿到硬體報價之前先把這條條款讀清楚。

每一個實際上都是正確答案

• 代理式程式設計、長時程工具使用、大型程式碼庫作業 — GPT-6.1 Sol。Index 差距正是在這裡最大，而價格溢價正是正確無誤的代價。

• 高資料量、短輸出的擷取與分類 — Mistral Large 4，輸入價格為 $0.70。推理上限從不啟用，因此 Index 差距永不適用。

• 受監管、受司法管轄區限制的部署——Mistral Large 4，而且並非因為它更好。GPT-6.1 Sol 無論出價多少都無法自行託管，這使比較就此結束。

• 在互動式助理中，第一個 token 就是產品——Mistral Large 4 以速度見長，除非你以串流方式接收推理，且能忍受等待。

• 防禦性資安工具 — Mistral Large 4，憑藉供應商回報的 96.6% 惡意網路請求拒絕率，以及 Mistral 圍繞其發布所安排的一套資安基準集。這些數字出自 Mistral，而非獨立實驗室；在有人重新驗證之前，應將其視為宣稱。

• 凡是答案必須正確、且延遲預算寬裕的情況——GPT-6.1 Sol。二十九分不是四捨五入的誤差。

如果你打算同時執行兩者

混合式部署是這類比較下的正常結果，而營運上的問題在於兩個截然不同的模型如何共用同一份帳單。 GPT-6.1 Sol 在 OrcaRouter 上，價格完全比照 OpenAI 的定價——每百萬個 token 為 $2.00 與 $10.00，超過 272K 的級距為 $4.00 與 $15.00——並以 0% 加成路由，因此你看到的費率就是 OpenAI 收取的費率。Mistral Large 4 不在我們的目錄中：214 個模型，沒有 Mistral 端點，若你想呼叫它，得前往 Mistral 自家的 API 或你自己的 vLLM 部署。平台在託管部分確實提供的是路由 DSL——把工作負載指向某個模型，並在無須變更程式碼的情況下轉移——以及自動容錯移轉，這正是讓在生產路徑上試用新模型變得可承受的關鍵。只要以相同模式接入自架端點，這項比較中的兩半就不再是你必須一次做出的決定。

兩個問題，不是一個

比較頁面會告訴你 GPT-6.1 Sol 勝出，而在兩款模型共用的唯一獨立評測工具上，它確實勝出——55 對 26，每完成一項任務的成本低 62%，輸出速度則僅略高於一半。這是「哪個模型更好」的正確答案；如果那是唯一的問題，市場早在九月就會定案了。

今天上午浮現的問題不一樣：三年後，哪個模型還能繼續運行在你掌控的硬體上、依據你讀過的授權條款？對許多團隊來說，答案仍會是「兩者都不是，我們用租的」——那麼 GPT-6.1 Sol 就是更好的租用選擇。而對那些限制在於擁有權而非能力的團隊來說，拿下 26 分的模型今天不再是一項妥協，而成了檯面上唯一的選項。這兩個答案都可能正確，所以有趣的工作不是選出贏家，而是判斷你的組織實際上在問哪一個問題。