Mistral Large 4 проти Large 3, Kimi K3 і GLM-5.3: індекс 38 за $1,36/$4,18

Коротко (TL;DR)

Mistral Large 4 — нова флагманська модель французької компанії Mistral AI: 1 трлн параметрів, текст і зображення, публічне превʼю з 6 жовтня 2026 року. Це найбільший стрибок в історії лінійки — і поки що лише API: відкритих ваг на 21 жовтня 2026 року немає.

• Якість. Незалежний індекс Artificial Analysis — 38 балів проти 9 у Mistral Large 3 (на 21 жовтня 2026 року). Це рівень доброї відкритої моделі, але не фронтир: GLM-5.3 і Kimi K3 стоять вище.
• Ціна. $1,36 за мільйон вхідних токенів і $4,18 за мільйон вихідних (прайс Mistral на 21 жовтня 2026 року). Стартова знижка 50% діяла два тижні й уже закінчилася.
• Ваги. На Hugging Face висить «Upcoming release» з орієнтиром на 31 жовтня 2026 року; ліцензію не названо.
• Дані в ЄС. Гарантовані лише через регіональну адресу eu — вона на 10% дорожча і без Agents, Batch та Files API.
• Кому брати: кібербезпека, юридичні й фінансові документи, довгі документи та креслення, компанії, яким потрібен європейський провайдер. Кому ні: агентний код у терміналі (там сильніша GLM-5.3), мінімальна ціна завдання (DeepSeek V4 Pro), довідка «з памʼяті» без пошуку по базі знань.

Mistral Large 4: що вийшло 6 жовтня, а що поки лише обіцянка

Mistral AI анонсувала Mistral Large 4 6 жовтня 2026 року як публічне превʼю (Public Preview) у Mistral Studio та API, версія 26.10, ідентифікатор mistral-large-4. В анонсі Mistral жартує: неофіційно модель звуть ML4, а «дуже офіційно» — Le Chonk. Mistral називає модель «першою віхою» дорожньої карти, яку профінансував раунд Series D на €3 млрд.

Головна відмінність від звичного релізу: частину обіцянок уже можна перевірити, а частина поки лишається словами. Таблиця нижче розділяє одне й друге (дані на 21 жовтня 2026 року).

Кілька термінів, без яких далі буде складно:

Binance · Wall Street 24/7А якби ви купили золото влітку?+? %Тренажер на реальних цінах Binance покаже результат. Без грошей і реєстрації

GOLDNVDATSLA

Відкрити тренажер

• Mixture of Experts (MoE) — модель із багатьох «експертів», з яких на кожен токен вмикається лише невелика частина. Тому в ML4 за 1 трлн параметрів одночасно працюють близько 49 млрд — за вартістю обчислень приблизно як модель у 20 разів менша.
• Токен — шматочок тексту, у середньому частина слова. Ціни API встановлюють за мільйон токенів окремо на вході (ваш запит) і на виході (відповідь моделі).
• Контекстне вікно — скільки токенів модель тримає «в голові» за один запит: листування, документи, код.
• Відкриті ваги — файли самої моделі, які можна завантажити й запустити на своєму сервері. Без них модель доступна лише через чужий API.

Чому одні пишуть 49B, а інші 52B активних параметрів

Обидві цифри правильні. Сторінка моделі на Hugging Face прямо пояснює: 49 млрд — це параметри, що працюють на кожен токен, а 52 млрд — та сама цифра разом з ембедингами та вихідними шарами. Картка в документації Mistral і The Batch дають 52 млрд, Artificial Analysis і Simon Willison — 49 млрд. У таблицях порівняння нижче ми беремо 49 млрд: параметри конкурентів узято з Artificial Analysis, тож усі моделі пораховано за однією методикою.

Claude Haiku 4.5 — $1/$5 за мільйон токенів: лишатися чи переходити на Haiku 5.5

Gemini 3.1 Pro після виходу Argon: дешевша за завдання, але вже не флагман

GPT-6.1 Sol — майже Astra в коді за п’яту частину ціни, але повільніша за GPT-6 Sol

Grok 4.7 проти 4.6 і Sonnet 5.5: токен той самий $2, завдання дорожче в 2–2,5 раза

Claude Haiku 5.5: токен дешевший на 90% — тести, поріг 100K і кому брати

Контекст 1M токенів: за документацією так, на практиці менше

Документація і changelog Mistral вказують вікно в 1M токенів. Незалежні заміри на API-превʼю дають менше: 524k у Artificial Analysis і 512k у Vals AI (на 21 жовтня 2026 року). Поки Mistral не уточнить, плануйте роботу за меншою цифрою. Пів мільйона токенів — це однаково кілька товстих договорів або середній репозиторій цілком.

Large 4 проти Large 3: що стало краще, гірше і дорожче

Mistral AI Large 4 прийшла на зміну Large 3, яка вийшла 2 грудня 2025 року. На одній незалежній шкалі (Artificial Analysis Intelligence Index v4.3.2) різницю видно без вендорських графіків: модель стала помітно розумнішою, але й у рази ненажерливішою.

Ціни й заміри Artificial Analysis — на 21 жовтня 2026 року; кількість токенів на завдання — за даними AA в переказі eesel.

Головний висновок із таблиці: прайс зріс у 2,7–2,8 раза, а ціна реального завдання — у 38 разів. Причина — міркування. Large 3 була моделлю без режиму роздумів і відповідала коротко. Large 4 на складних завданнях спершу «думає» десятки тисяч токенів, а кроки міркування тарифікуються як вихідні токени. За якість ви платите не ціною токена, а їхньою кількістю.

Другий висновок стосується ліцензії. Large 3 вийшла одразу з вагами під Apache 2.0 — вільною ліцензією, що дозволяє комерційне використання. У Large 4 на 21 жовтня 2026 року немає ні ваг, ні назви ліцензії. Гарантій, що умови лишаться такими ж вільними, Mistral не давала.

Ціна API Large 4: прайс $1,36/$4,18, кінець знижки й ціна завдання

На 21 жовтня 2026 року модель коштує $1,36 за мільйон вхідних токенів, $0,14 за мільйон токенів із кешу і $4,18 за мільйон вихідних — це повний прайс-лист без знижки. Пакетна обробка (Batch) удвічі дешевша, регіональна адреса eu — на 10% дорожча за стандарт.

GOLD · XAUSILVER · XAG

Binance · Wall Street 24/7Золото без сейфа і злитківXAUТоргуйте ціною золота на Binance цілодобово, з маленької суми

GOLDSILVER

Порахувати угоду

Безкоштовно спробувати можна в Mistral Studio: новий акаунт стартує в режимі Free mode, картка не потрібна, але діють ліміти використання (документація Mistral на 21 жовтня 2026 року). Умови використання ваших даних на безкоштовному рівні варто прочитати до перших запитів — докладніше в розділі про дані нижче. У чат-застосунку Vibe (так із травня називається Le Chat) є плани Free, Pro за $14,99 на місяць і Team за $24,99 за користувача, але до яких із них входить Large 4, Mistral не уточнює. Окремого списку країн, де доступні реєстрація й оплата, у документації Mistral немає — доступ з України доведеться перевірити під час реєстрації.

На скриншоті сторінки цін Mistral, знятому 21 жовтня 2026 року, рамкою виділено рядок Large 4 ($1,36 / $0,14 / $4,18 без закресленої ціни) і перемикач Regional Inference — він перераховує той самий прайс із націнкою за регіон.

Стартова знижка 50% закінчилася

У changelog Mistral на дату релізу записано: «Launch pricing: 50% off for 2 weeks». Два тижні модель коштувала $0,68 / $0,07 / $2,09 — на 17 жовтня 2026 року сторінка цін іще показувала ці цифри із закресленим прайсом. На 21 жовтня знижки в прайсі немає. Частина оглядів досі пише про знижку «без дати закінчення» — бюджети за $0,68/$2,09 застаріли.

Розрахунок: скільки коштуватиме типовий бот підтримки

Візьмімо умовний сценарій: 1 000 запитів на день, у кожному 3 000 токенів на вході (інструкція, історія, запитання) і 800 токенів відповіді, міркування вимкнені (none). Ціни — офіційні прайси на 21 жовтня 2026 року, для DeepSeek V4 Pro — за даними Artificial Analysis.

Дві поправки змінюють картину сильніше, ніж різниця в прайсах:

1. Кеш. Якщо 2 000 із 3 000 вхідних токенів — та сама системна інструкція, вона йде за $0,14 замість $1,36. Рахунок ML4 падає з $7,42 до $4,98 на день.
2. Міркування. Якщо увімкнути high і модель витратить на кожну відповідь ще 5 000 токенів роздумів, до рахунку додасться $20,90 на день — разом $28,32. Режим міркування в ML4 дорожчий за всю різницю між конкурентами.

Ціна завдання, а не токена

Artificial Analysis проганяє всі моделі через той самий набір завдань і обчислює, скільки коштував прогін. ML4 згенерувала на ньому 200 млн токенів за медіани 82 млн — сам AA називає це «very verbose», «дуже багатослівно». У підсумку одне завдання обійшлося в $1,13 (на 21 жовтня 2026 року). Це майже вдвічі дешевше за Kimi K3 ($2,00), GLM-5.3 ($2,01) і Qwen3.8 ($2,16), але майже вдвічі дорожче за DeepSeek V4 Pro ($0,67). На практиці це означає: ML4 вигідна там, де завдання складні й конкуренти теж багато міркують, і програє DeepSeek на масових простих запитах. Як улаштований DeepSeek і скільки він коштує в різних режимах, ми розбирали в матеріалі про DeepSeek V4 Pro і DSpark.

Бенчмарки Mistral Large 4: цифри Mistral і незалежні заміри

Бенчмарки варто читати у дві колонки: що опублікувала сама Mistral і що наміряли сторонні лабораторії. Вендорські графіки показують і слабкі місця (наприклад, відставання від Kimi K3 на DeepSWE), але тести й умови прогону обирає сам вендор.

На картці Artificial Analysis, знятій 21 жовтня 2026 року, рамками виділено індекс 38 (64-те місце з 214 моделей), ціну завдання $1,13, контекст 524k і позначку «Proprietary model»: поки ваг немає, AA враховує ML4 як закриту модель.

Де цифри Mistral і незалежні заміри розходяться

Розбіжність на Terminal-Bench невелика — 1,5 пункта, це в межах різниці в налаштуваннях прогону. Важливіше інше: Coding Agent Index 49,8% Mistral обчислила сама, а в таблиці Coding Agent Index в Artificial Analysis, за даними Lindy на 15 жовтня 2026 року, вище стоять GLM-5.3 (53,6) і Kimi K3 (51,9). Сліпа оцінка коду Surge AI виглядає незалежною, але замовником виступила Mistral; у ній ML4 поступилася лише Claude Opus 5 (4,22) і випередила GLM-5.3 (3,60) та Kimi K3 (3,59).

У безпеці Mistral наводить іще дві цифри: Mistral Large 4 відбиває 93,3% атак на публічному Lakera B3 AI Security Benchmark і набирає 1,691 з 2 на KORA Benchmark (відповідальна поведінка з користувачем). Це вендорські заміри — незалежних повторів на 21 жовтня 2026 року немає.

Що наміряли сторонні лабораторії

• Artificial Analysis (на 21 жовтня 2026 року): індекс 38 — вище за медіану співставних моделей (27), 64-те місце з 214. HLE 35,0%, SciCode 54,2%, MMMU-Pro (розуміння зображень) 76,4%. Галюцинації на AA-Omniscience — 41,9% за точності 25,8%: модель вигадує рідше, ніж Large 3, але «з памʼяті» знає небагато. Важливо, як обчислюється ця метрика: це частка впевнено хибних відповідей серед запитань, на які модель не відповіла правильно, а не частка всіх відповідей — тому в DeepSeek V4 Pro за точності 49,1% вона сягає 94,8%. Швидкість — 68 ток/с за середньої 82; на запуску eesel цитував замір 116,1 ток/с, тож швидкість превʼю плаває.
• Vals AI (на 21 жовтня 2026 року): зведена точність на сторінці моделі — 42,26%. У перші дні після релізу перекази (Lindy, Pasquale Pillitteri) наводили загальний індекс Vals близько 48% і місце в четвертому десятку, але на сторінці Vals цієї цифри зараз немає. Finance Agent v2.1 — 61,38% (15-те з 28), Legal Research Bench — 31,73% (45-те з 82), Terminal-Bench 4.0 — 27,78% (21-ше з 52), Vibe Code Bench 1-100 — 14,26% (20-те з 25, слабко).
• Юридичний агентний тест Harvey (HLAB) на Vals AI: в актуальній версії HLAB-Vals 1.1 у ML4 на 21 жовтня 2026 року 17,5% і 5-те місце з 24 моделей. На архівній першій версії тесту вона була 9-ю з 79, попереду GPT-6 Astra, Claude Opus 5.5, Kimi K3 і GLM-5.3 (за даними Lindy на 15 жовтня). Абсолютні бали на цьому тесті низькі в усіх.
• LMArena: 112-те місце в текстовому рейтингу на 13 жовтня 2026 року, позаду DeepSeek V4 Pro (за даними Lindy; сам рейтинг нам перевірити не вдалося).

The Batch підсумував так: за незалежними тестами ML4 порівнянна з GPT-6 Luna (теж 38 балів, але $0,07 за завдання), поступається дешевшим китайським відкритим моделям і випереджає всі відкриті моделі зі США. Simon Willison у день виходу оцінив її як модель «приблизно на 6 місяців позаду фронтиру».

ML4 проти Kimi K3, Qwen3.8 і GLM-5.3: ціна, якість і ліцензії

Нижче — головні відкриті конкуренти на одній шкалі. Ціни — офіційні прайси на 21 жовтня 2026 року (для DeepSeek V4 Pro — за Artificial Analysis), індекси, ціна завдання, Terminal-Bench і галюцинації — заміри Artificial Analysis на ту саму дату.

Що з цього випливає:

• GLM-5.3 — головний суперник. Майже та сама ціна ($1,40/$4,40), індекс вищий на 7 балів, Terminal-Bench вищий у півтора раза, галюцинацій менше, і ваги вже лежать у відкритому доступі. ML4 виграє в GLM-5.3 ціною завдання ($1,13 проти $2,01) — GLM міркує ще довше. Попереднє покоління ми розбирали в огляді GLM-5.2 від Z.ai.
• Kimi K3 розумніша, але в 3,6 раза дорожча на виході. Індекс 44 проти 38, але $15 за мільйон вихідних токенів проти $4,18. Подробиці — у нашому огляді Kimi K3.
• DeepSeek V4 Pro — найдешевше завдання, але з 94,8% галюцинацій на тесті знань і нижчим індексом.
• Qwen3.8 дорожча й повільніша в API, а відкрита версія обмежена 262k контексту і лише текстом.

Цікава деталь: із 28 вересня 2026 року Mistral сама продає GLM-5.3 на своїй платформі за ті самі $1,40/$4,40. Європейська інфраструктура не дорівнює європейській моделі — якщо вам важливий хостинг у європейського провайдера, а не походження ваг, на тому самому акаунті є другий варіант.

Сильні сторони Large 4: кібербезпека, право і документи

Mistral AI Large 4 не лідирує в загальному заліку, але в трьох нішах її результати вирізняються навіть на незалежних тестах.

Кібербезпека. На CyberGym-E2E (відтворити реальну вразливість памʼяті в популярному C/C++ проєкті, а потім закрити її) ML4 розвʼязує 82% завдань — найкращий результат серед публічних моделей за даними AA. У зведеному AA Cyber Index — 50 балів, нарівні з GLM-5.3-Flash і попереду Kimi K3 (41), GPT-6 Astra (33) і Claude Opus 5.5 (29). Важливе застереження походить від самої Mistral: Claude Opus 5.5 і GPT-6 Astra на цьому тесті отримують майже нуль, бо відмовляються виконувати завдання. Частина відриву — це готовність працювати з вразливостями, а не вміння. Для команд захисту це плюс: довести, що діра реальна, — перший крок до патча. Водночас, за заявою Mistral, на свідомо шкідливих кіберзапитах (JailbreakBench, StrongREJECT, AgentHarm) ML4 відмовляє частіше за всі відкриті моделі.

Право і фінанси. Пʼяте місце з 24 на юридичному агентному тесті Harvey (HLAB-Vals 1.1, 17,5%) і 61,38% на Finance Agent v2.1 — це завдання, де модель має знайти потрібне місце в документах і не вигадати посилання. Слабше виглядає пошук судової практики (Legal Research Bench, 45-те місце з 82), тож для юриста ML4 — помічник із договорами й меморандумами, а не дослідник прецедентів.

Довгі документи й зображення. 81,3% на AA-LCR проти 36% у Large 3 — це перевірка міркувань на дуже довгих текстах. За даними Mistral, на візуальній привʼязці Dense 200 модель випереджає GPT-6 Astra (42% проти 41%), а в демо розбирає інженерні креслення й супутникові знімки. Для бізнесу це аналіз сканів, графіків і техдокументації в одному запиті.

Відгуки розробників про Large 4: Plotly, Hacker News і відхід Ecosia

Лідерборди відповідають на запитання «наскільки розумна модель у середньому». Розробники, які прогнали модель на своїх завданнях, відповідають на інше — де саме вона помиляється.

Plotly: іспит з аналітики даних

Найметодичніший сторонній прогін зробила Plotly. Іспит із 43 запитань проходить у синтетичному сховищі на 20 млн рядків у 44 таблицях (дані вітрової електростанції з дублями, замерзлими датчиками й пропусками). Часткових балів немає: впевнена відповідь, яка не помітила підступу, вважається провалом.

Large 4 у 10 разів дешевша за Medium 3.5 на цьому іспиті й відповідає приблизно за 22 секунди на запитання. В усіх пʼяти нездійсненних запитах вона відмовилася відповідати — корисна якість для аналітики. Помилки типові для недосвідченого аналітика: видала семиденну суму замість середнього (у сім разів більше за правильну відповідь), повірила збіжній кількості рядків, не помітивши дубля, назвала квартал «повністю покритим» даними, хоча бракувало тижня, а в запитанні про причини назвала посередників замість прихованих спільних чинників. З неоднозначними запитаннями вона впоралася гірше за Medium 3.5.

Simon Willison і Hacker News

Simon Willison, розробник і автор одного з найпопулярніших блогів про LLM, у день виходу назвав ML4 «величезним поліпшенням» порівняно з Large 3 і оцінив її як модель «приблизно на 6 місяців позаду фронтиру». Тред анонсу на Hacker News набрав 2 044 бали і 1 216 коментарів (на 21 жовтня 2026 року). Суперечка в коментарях ішла в дусі: трохи слабша за GLM-5.3, зате зроблена в Європі — проти того, що це все-таки не фронтир.

Ecosia: зворотний приклад

6 жовтня 2026 року, у день виходу превʼю Large 4, POLITICO опублікував інтервʼю засновника німецького пошуковика Ecosia Крістіана Кролла: компанія замінює Mistral відкритими моделями Qwen, GLM і Kimi, які підключає через німецьку платформу Melious (переказ — TechNode, 9 жовтня). Ecosia перейшла на Mistral у травні, відмовившись від OpenAI. За словами Кролла, вона впиралася в перевантажені сервери й була розчарована якістю, а після переїзду витрати впали приблизно вдвічі. Застереження: рішення ухвалювали до превʼю Large 4, тож це відгук про Mistral як постачальника, а не про конкретну модель. Але для «кому не брати» він показовий: «європейський» вибір сам собою не гарантує ні стабільності, ні кращої ціни.

Відкриті ваги Mistral Large 4: термін релізу і потрібне залізо

Дата релізу Mistral Large 4 насправді подвійна: API-превʼю вийшло 6 жовтня 2026 року (це ж число стоїть у полі Release Date картки моделі у Vals AI), а відкриті ваги Mistral пообіцяла викласти «до кінця місяця». До того компанія тестує модель із партнерами з кібербезпеки та державними органами. На 21 жовтня 2026 року на сторінці Mistral Large 4 на Hugging Face висить плашка «Upcoming release» і зворотний відлік до дати 31 жовтня 2026 року з позначкою «Current ETA» — тобто дата орієнтовна.

На скриншоті, знятому 21 жовтня 2026 року, рамками виділено плашку «Upcoming release» і рядок «October 31, 2026 — Current ETA». Файлів моделі в репозиторії mistralai/Mistral-Large-4-1T-A52B на цю дату немає. Дата 27 жовтня, яка гуляє календарями релізів і переказами, на сторінках Mistral не трапляється.

Що варто врахувати до релізу ваг:

1. Ліцензія невідома. Large 3 вийшла під Apache 2.0, але щодо Large 4 Mistral умов не називала. Поки ліцензію не опублікують, будувати на моделі продукт з розрахунком на власний хостинг зарано.
2. Модель іще донавчається. За словами Mistral, навчання з підкріпленням (RL) для превʼю триває, а фінальна версія вийде разом із вагами. Цифри бенчмарків після релізу можуть змінитися.
3. Це серверна модель. Mistral вимог до заліза не публікувала; нижче — оцінка памʼяті лише під ваги, без контексту (розрахунок Lindy і The Register).

The Register теж називає 8-GPU сервер рівня HGX B300 або AMD MI355X. Домашній ПК і навіть робоча станція з однією картою тут не підходять. Якщо модель Mistral потрібна на своєму компʼютері вже зараз, реалістичний шлях — молодші моделі: як запустити Mistral Small на своєму ПК, ми розбирали окремо.

Молодші версії відкритих конкурентів теж запускаються вдома: ми розбирали, як поставити Qwen3 на своєму ПК і GLM від Z.ai локально.

Дані в ЄС у Mistral: що гарантує регіон eu, а що ні

Обробку запитів у ЄС Mistral гарантує лише на регіональній адресі api.eu.mistral.ai. Глобальна адреса api.mistral.ai, на яку за замовчуванням дивляться SDK і більшість інтеграцій, місце обробки не фіксує — про це прямо написано в документації з регіонального інференсу. Регіон eu коштує в 1,1 раза дорожче за стандартний прайс.

Для українських компаній це практичне питання: клієнти з ЄС дедалі частіше вимагають, щоб їхні дані оброблялися всередині Євросоюзу. Маркетингове «європейська модель» таким вимогам саме собою не відповідає. В анонсі Mistral говорить про «європейське розгортання, яким компанія керує від початку до кінця за європейським правом», але деякі сторонні шлюзи переказують це як «дані в ЄС за замовчуванням». Документація каже протилежне.

Що дає і чого не дає регіон eu (за документацією Mistral на 21 жовтня 2026 року):

• Дає: інференс у ЦОД у країнах ЄС та ЄАВТ для вхідних і вихідних даних.
• Коштує дорожче: ×1,1 до вхідних, вихідних, кешованих токенів і запису в кеш — для ML4 це близько $1,50 / $4,60 за мільйон.
• Не підтримує: Agents, Batch і Files API; з інструментів працює лише function calling (виклик ваших функцій). Якщо ваш сценарій спирається на непідтримувану функцію, гарантія регіону на нього не поширюється.
• Не регіоналізує службові дані: ключі API, білінг, налаштування акаунта й аналітика використання можуть оброблятися поза обраним регіоном.
• Набір моделей залежить від регіону: перед запуском треба перевірити, чи віддає регіон потрібну модель.

Як перемкнутися на регіон eu:

1. У SDK Mistral вкажіть сервер eu (Mistral(api_key=..., server="eu")) або базову адресу https://api.eu.mistral.ai.
2. Викличте models.list на регіональній адресі й переконайтеся, що mistral-large-4 є в списку.
3. Приберіть зі сценарію Batch, Files і Agents; пакетну знижку 50% у регіоні ви втратите.
4. Перерахуйте бюджет із коефіцієнтом 1,1.

Окреме питання — дані для навчання. За даними The Batch, ML4 навчалася на публічних вебданих, ліцензованих датасетах і запитах користувачів продуктів Mistral, які погодилися передавати дані. Якщо така згода у вас увімкнена в акаунті, перевірте налаштування до надсилання конфіденційних документів.

Як ми оцінювали модель без власного прогону

Власного тестового прогону в цьому огляді немає: доступу до API Mistral під час підготовки матеріалу в нас не було, а вигадувати «відповіді моделі» ми не будемо. Тому оцінку зібрано з трьох шарів, і кожен позначено в тексті.

• Першоджерела Mistral: анонс, картка моделі, прайс, changelog, політика життєвого циклу й документація щодо регіонів, сторінка Hugging Face. Усе звірено 21 жовтня 2026 року, скриншоти сторінок знято того ж дня.
• Незалежні заміри з описаною методикою: Artificial Analysis (єдина шкала для ML4, Large 3 і конкурентів), Vals AI, розбір The Batch та іспит Plotly з повним розбором помилок.
• Цифри вендора — окремою колонкою і з позначкою «за даними Mistral»; тест, який Mistral замовила в Surge AI, теж віднесено до вендорських.

Там, де джерела розходяться (49B чи 52B, 1M чи 524k, дата ваг), ми наводимо обидві версії й пояснюємо, якій вірити. Рейтинг LMArena ми не змогли перевірити самі й даємо його з посиланням на переказ.

Кому брати Mistral Large 4, а кому краще GLM-5.3 або Kimi K3

Модель варто розглянути, якщо:

• ви працюєте в кібербезпеці: відтворення й патч вразливостей, розбір шкідливого коду, правила виявлення — закриті моделі тут часто відмовляються;
• ви розбираєте юридичні й фінансові документи, довгі договори, скани, графіки й креслення;
• клієнт вимагає європейського провайдера та обробки в ЄС — через регіон eu з урахуванням його обмежень;
• ви чекаєте на відкриті ваги й готові пробувати в API вже зараз, щоб після релізу перенести модель на свої сервери.

Краще обрати інше, якщо:

• агентний код у терміналі — GLM-5.3 майже за тієї самої ціни дає 41,9% на Terminal-Bench проти 26,8%;
• потрібна мінімальна ціна завдання — DeepSeek V4 Pro ($0,67 проти $1,13), якщо його галюцинації не критичні;
• довідка «з памʼяті» без бази знань — 41,9% галюцинацій означає, що без пошуку по документах (RAG) модель упевнено помилятиметься;
• чат у реальному часі з міркуваннями — за заміром Artificial Analysis у переказі eesel, з увімкненим міркуванням до першого токена відповіді минає близько 18,7 секунди на довгому промпті;
• потрібні ваги для завантаження зі зрозумілою ліцензією вже сьогодні — у GLM-5.3, Kimi K3, Qwen3.8 і DeepSeek V4 Pro вони є, у ML4 поки немає;
• важлива стабільність сервісу — приклад Ecosia показує, що перевантаження в Mistral уже стали однією з причин відходу великого клієнта.

Ризики ML4: превʼю без гарантій, ліцензія і галюцинації

• Превʼю може змінитися за місяць. Політика Mistral дає моделям у статусі Public Preview лише 1 місяць попередження про зміни проти 6 місяців у стабільних версій. RL-навчання превʼю на 6 жовтня 2026 року ще тривало — поведінка й цифри можуть зсунутися.
• «Відкрита модель» поки що обіцянка. На 21 жовтня 2026 року ваг немає, ліцензію не названо. Якщо ваги вийдуть під обмежувальною ліцензією, місце ML4 серед «відкритих» моделей залежатиме від її формулювань.
• Галюцинації. 41,9% на AA-Omniscience за точності 25,8% (на 21 жовтня 2026 року) — помітно краще, ніж у Large 3, але для підтримки клієнтів і довідкових сервісів потрібен RAG.
• Вартість на масштабі. 200 млн токенів на прогін індексу AA за медіани 82 млн: дешевий прайс зʼїдає багатослівність, якщо тримати міркування увімкненими.
• Швидкість. 68 ток/с за середньої 82 (Artificial Analysis, 21 жовтня 2026 року) — повільніше за більшість моделей свого цінового класу.
• Регіон і дані. Глобальна адреса не гарантує обробки в ЄС; регіон eu дорожчий і без частини API.
• Надійність провайдера. Ecosia, яка 6 жовтня 2026 року оголосила про відмову від Mistral, серед причин назвала перевантажені сервери і якість — сигнал перевірити SLA до перенесення продакшену.

Що застаріє першим: ціна (стартова знижка закінчилася через два тижні після релізу), статус ваг і ліцензії (орієнтир — 31 жовтня 2026 року) і заміри Artificial Analysis після фінального RL. Свіжі дані — на сторінці цін Mistral, у картці моделі на Hugging Face і на Artificial Analysis.

FAQ

Чи вийшли відкриті ваги Mistral Large 4 і під якою ліцензією?

На 21 жовтня 2026 року — ні. Сторінка моделі на Hugging Face показує «Upcoming release» з орієнтиром на 31 жовтня 2026 року, файлів у репозиторії немає. Ліцензію Mistral не оголосила: у документації стоїть «Coming soon». Попередня Large 3 вийшла під вільною Apache 2.0, але гарантій таких самих умов для Large 4 немає.

Скільки коштує Large 4 після закінчення стартової знижки?

На 21 жовтня 2026 року — $1,36 за мільйон вхідних токенів, $0,14 за кешовані і $4,18 за мільйон вихідних. Знижка 50% ($0,68 / $2,09) діяла два тижні з 6 жовтня й закінчилася. Пакетний режим удвічі дешевший, регіональна адреса eu — на 10% дорожча за стандартний прайс.

Чи можна запустити Mistral Large 4 на своєму компʼютері?

Ні. Навіть у 4-бітному стисненні ваги займуть близько 525 ГБ — це сервер із вісьмома прискорювачами H200, а у FP8 потрібен сервер рівня HGX B200 або B300. До того ж ваг на 21 жовтня 2026 року ще немає. Для домашнього ПК реалістичні молодші моделі Mistral, наприклад Mistral Small на одній відеокарті.

Чим Mistral Large 4 відрізняється від Mistral Large 3?

Large 4 у півтора раза більша (1 трлн параметрів проти 675 млрд), уміє міркувати й набирає 38 балів індексу Artificial Analysis проти 9. Галюцинацій удвічі менше, довгий контекст тримає значно краще. Зате прайс вищий у 2,7–2,8 раза, завдання обходиться в 38 разів дорожче, а ваг і ліцензії поки немає.

Чи правда, що запити до Mistral Large 4 обробляються в ЄС?

Лише якщо ви надсилаєте їх на регіональну адресу api.eu.mistral.ai. Глобальна адреса, яку використовують за замовчуванням, місце обробки не фіксує. Регіональні ЦОД розташовані в країнах ЄС та ЄАВТ. Регіон eu коштує на 10% дорожче, не підтримує Agents, Batch і Files API, а ключі, білінг і аналітика акаунта можуть оброблятися поза ЄС.

Що дешевше для агентного коду — Mistral Large 4 чи GLM-5.3?

За прайсом вони майже рівні: $1,36/$4,18 проти $1,40/$4,40 за мільйон токенів на 21 жовтня 2026 року. За ціною завдання індексу AA дешевша модель Mistral ($1,13 проти $2,01). Але в агентному коді GLM-5.3 сильніша — 41,9% на Terminal-Bench проти 26,8%, тож за долар ви отримаєте більше розвʼязаних завдань.