Model dengan bobot terbuka terkuat di Eropa telah lahir? 5 kelompok data menunjukkan seberapa jauh Mistral Large 4 dari DeepSeek dan GLM

Catatan penulis: Berdasarkan data publik per 29 Oktober 2026, artikel ini membahas perbedaan nyata antara Mistral Large 4, DeepSeek, dan GLM dari 5 aspek.

Pada 29 Oktober 2026, perusahaan AI asal Prancis, Mistral, resmi merilis bobot versi Large 4 yang telah ditingkatkan dan mengumumkan harga API resminya. Dalam Intelligence Index v5.0 yang diperbarui Artificial Analysis pada hari yang sama, Mistral Large 4 meraih 26 poin dan menjadi model berbobot terbuka dengan skor keseluruhan tertinggi di luar Tiongkok. Namun, skornya masih tertinggal 6 poin dari DeepSeek V4.1 Flash 1017 dan GLM-5.3 yang sama-sama meraih 32 poin.

Ini bukan artikel promosi tentang “kebangkitan model Eropa”. Sebutan “terkuat di Eropa” punya batas yang jelas: Large 4 hanya unggul 1 poin dari Meta Muse Spark Open di posisi kedua, dan masih ada 7 model berbobot terbuka di dunia yang skor keseluruhannya lebih tinggi. Yang patut diperhatikan, performanya dalam tugas agen pemrograman sudah mendekati jajaran teratas, dengan konsumsi token yang juga jauh lebih rendah.

Intinya: Dalam 3 menit, pahami bidang yang sudah berhasil dikejar Large 4, bidang yang masih tertinggal, serta cara pengembang dan perusahaan menilai apakah model ini layak diuji.

Sekilas informasi utama Mistral Large 4

Pertama, penting untuk memahami urutan waktunya: Large 4 bukan pertama kali diperkenalkan pada 29 Oktober. Mistral merilis versi pratinjau publik pada 6 Oktober, lalu melanjutkan pelatihan reinforcement learning selama sekitar tiga minggu. Dengan mempertimbangkan umpan balik pengujian dari mitra perusahaan dan keamanan siber, Mistral akhirnya membuka bobot versi yang ditingkatkan pada 29 Oktober.

Memahami parameter triliunan pada Mistral Large 4

Arsitektur MoE (mixture of experts) membuat setiap token hanya diproses oleh sebagian expert. Model ini memiliki 128 expert yang dipilih melalui mekanisme routing: 4 dipilih setiap kali, dan 1 expert bersama juga digunakan. Jadi, meskipun total parameternya sekitar 1,05 triliun, hanya sekitar 49 miliar parameter yang aktif per token. Jika embedding dan lapisan output ikut dihitung, jumlahnya sekitar 52 miliar.

Perlu diingat, lebih sedikit parameter aktif tidak berarti kebutuhan memori deployment juga kecil. Saat dijalankan, model lengkap dan status operasionalnya tetap harus disimpan. Jadi, anggapan bahwa model ini “hanya membutuhkan VRAM 52 GB” adalah keliru.

Apa yang ditingkatkan dalam versi baru Mistral Large 4?

Peningkatan utamanya ada pada efisiensi, bukan skor keseluruhan. Dalam evaluasi Artificial Analysis menggunakan versi yang sama, versi pratinjau mendapat 25 poin, sedangkan versi yang ditingkatkan mendapat 26 poin—hanya naik 1 poin. Indeks versi lama pada awal Oktober pernah memberi versi pratinjau 38 poin, tetapi indeks tersebut menggunakan sistem evaluasi yang berbeda dari v5. Karena itu, angka tersebut tidak bisa dijadikan dasar untuk menyimpulkan bahwa kemampuan model menurun.

• Efisiensi token: Rata-rata output per tugas Intelligence Index turun dari sekitar 135.000 token menjadi sekitar 82.000 token, atau sekitar 39%.
• Biaya tugas evaluasi: Turun dari sekitar $5.54 menjadi sekitar $2.06, atau sekitar 63%. Namun, ini tidak berarti semua tugas produksi akan menghemat biaya dalam proporsi yang sama.
• Indikator faktualitas: Tingkat halusinasi pada AA-Omniscience v1.1 turun dari 41% menjadi 28%. Angka ini hanya berlaku sesuai definisi metrik pada set pengujian tersebut, bukan peluang kesalahan dalam jawaban sehari-hari.

Seberapa jauh perbedaan Mistral Large 4 dengan DeepSeek dan GLM

Tabel berikut merangkum data evaluasi independen dari Artificial Analysis untuk Large 4 High, DeepSeek V4.1 Flash 1017 Max, dan GLM-5.3 Max. Skor ini merupakan hasil evaluasi pada 29–30 Oktober dan dapat berubah kemudian.

Intelligence Index bukan ukuran akurasi atau skor IQ universal untuk model. Versi 5.0 terdiri dari 9 evaluasi yang mencakup pekerjaan berbasis pengetahuan, rekayasa perangkat lunak, otomatisasi, penalaran ilmiah, dan bidang lainnya. Selisih 6 poin menunjukkan bahwa Large 4 belum menyamai model terbuka terdepan dari Tiongkok dalam sistem penilaian ini. Selisih Elo pada AA-Briefcase juga menunjukkan bahwa model ini masih punya kekurangan dalam beberapa pekerjaan berbasis pengetahuan yang kompleks.

Apa keunggulan agen pemrograman Mistral Large 4

Pada indeks agen pemrograman, Large 4 mendapat skor 48, sedikit di bawah GLM-5.3 dengan skor 49 dan unggul 2 poin dari DeepSeek. Namun, selisih 1 hingga 2 poin ini sebaiknya tidak ditafsirkan berlebihan. Data yang lebih menarik adalah penggunaan token: Large 4 menggunakan sekitar 47% lebih sedikit token daripada GLM-5.3 dan sekitar 49% lebih sedikit daripada DeepSeek.

Meski begitu, pengujian ini membandingkan kombinasi lengkap “model + framework agen”, dan ketiganya menggunakan framework yang berbeda. Total token juga mencakup input, cache, dan output. Jadi, penggunaan yang lebih sedikit belum tentu menghasilkan tagihan yang lebih rendah; biaya sebenarnya tetap perlu dihitung berdasarkan harga satuan masing-masing.

Mengapa hasil peringkat resmi dan independen berbeda

Hasil yang diumumkan Mistral berbeda cukup jauh dari hasil pengujian Artificial Analysis. Saat membaca peringkat seperti ini, periksa dulu konfigurasi pengujiannya. Angka dari sumber yang berbeda tidak bisa begitu saja digabungkan menjadi satu peringkat.

Framework agen, konfigurasi penalaran, lingkungan eksekusi, dan pengaturan pemanggilan alat semuanya bisa menyebabkan perbedaan ini. Namun, informasi publik yang tersedia belum cukup untuk memisahkan pengaruh masing-masing faktor. Karena itu, pernyataan “Large 4 tampil menonjol dalam konfigurasi yang dipublikasikan Mistral” bisa diterima, tetapi “pengujian independen membuktikan bahwa Large 4 unggul pada kedua benchmark ini” tidak bisa dibenarkan.

Hal serupa berlaku untuk keamanan siber: Large 4 meraih 51% pada Cyber Index, di bawah DeepSeek dengan 57% dan MiMo-V2.6-Pro dengan 56%. Meski Mistral memberi perhatian besar pada bidang ini, kita tidak bisa mengatakan bahwa modelnya paling unggul dalam semua tugas keamanan.

Saran memilih: Peringkat hanya membantu mempersempit daftar kandidat. Pada akhirnya, lakukan validasi menggunakan basis kode sendiri dan jalankan ulang tugas yang relevan. Melalui APIYI apiyi.com, Anda bisa beralih antara model kandidat menggunakan kode kompatibel OpenAI yang sama, lalu mencatat tingkat keberhasilan dan konsumsi token.

Cara menghitung biaya API Mistral Large 4

Harga resmi Large 4 sekitar setengah dari harga awal nonpromosi (input $1,36 dan output $4,18), tetapi selama periode pratinjau sudah ada promosi selama sekitar dua minggu dengan harga yang mendekati harga resmi (input sekitar $0,68 dan output sekitar $2,09). Jadi, lebih tepat mengatakan bahwa “harganya mendekati harga promosi saat pratinjau dan jauh lebih rendah daripada harga awal nonpromosi”, bukan “harga pertama kali turun 50% pada 29 Oktober”.

Biaya per tugas adalah rata-rata tertimbang dalam sistem evaluasi, bukan tagihan untuk satu tugas dalam penggunaan nyata. Berdasarkan data ini, DeepSeek memiliki skor keseluruhan lebih tinggi dan biaya lebih rendah; GLM memiliki skor keseluruhan lebih tinggi, tetapi biayanya juga lebih tinggi; Large 4 tidak unggul dalam kedua aspek tersebut. Selain itu, inferensi Mistral di wilayah Uni Eropa atau Amerika Serikat mungkin dikenai biaya tambahan 10%, sedangkan harga untuk mode Batch dan Priority juga perlu diperiksa secara terpisah.

Berikut perkiraan berdasarkan asumsi: 10 juta token input dan 2 juta token output per hari. Dengan harga standar, biaya hariannya adalah $7,00 + $4,20 = $11,20. Jika 80% input dilayani dari cache, biayanya turun menjadi $1,40 + $0,56 + $4,20 = $6,16, atau hemat sekitar 45%. Tingkat keberhasilan cache yang sebenarnya harus mengacu pada data pemanggilan aktual. Token penalaran, pemanggilan alat, dan percobaan ulang akibat kegagalan juga dapat meningkatkan biaya.

Cara memanggil API Mistral Large 4

ID model API resminya adalah mistral-large-4. Jika sudah punya proyek yang menggunakan OpenAI SDK, cukup ubah base_url dan nama model untuk mulai mencoba:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # APIYI 统一接口
)

response = client.chat.completions.create(
    model="mistral-large-4",
    messages=[{"role": "user", "content": "检查这段代码可能存在的安全问题"}]
)
print(response.choices[0].message.content)

import openai

# Mistral 官方标准价，单位：美元/百万 Token
INPUT_PRICE = 0.70
OUTPUT_PRICE = 2.10

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"
)

def ask_with_cost(prompt: str, model: str = "mistral-large-4") -> str:
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        max_tokens=2000
    )
    usage = response.usage
    # 未计入缓存折扣，实际计费以账单为准
    cost = (
        usage.prompt_tokens * INPUT_PRICE
        + usage.completion_tokens * OUTPUT_PRICE
    ) / 1_000_000
    print(f"输入 {usage.prompt_tokens}，输出 {usage.completion_tokens}，估算 ${cost:.6f}")
    return response.choices[0].message.content

print(ask_with_cost("为这个函数设计三个边界测试用例"))

Mulai cepat: Coba klaim kuota uji coba gratis untuk pengguna baru melalui APIYI apiyi.com, lalu pastikan model yang dituju sudah tersedia beserta ID modelnya. Sebelum digunakan di lingkungan produksi, uji pemanggilannya dengan beberapa tugas nyata. Lihat harga aktual di konsol platform.

Optimasi biaya: Saat membandingkan model, jangan hanya melihat harga per unit. Hitung juga “total biaya untuk menyelesaikan satu tugas”. Saat menggunakan APIYI apiyi.com dengan pembayaran sesuai pemakaian, catat jumlah percobaan ulang, token keluaran, dan hasil tugas untuk setiap model.

Analisis dampak peluncuran Mistral Large 4

Dampak bagi pengembang

• Alternatif baru untuk agent pemrograman: Indeks pemrograman Large 4 mendekati GLM-5.3 dengan penggunaan token yang lebih rendah, sehingga layak diuji untuk alur kerja otomatis yang berjalan dalam waktu lama.
• Tugas yang sensitif terhadap biaya tetap perlu membandingkan DeepSeek: Harga satuan DeepSeek lebih rendah dan perbedaan tarif pada jam sibuk dan di luar jam sibuk cukup besar. Untuk tugas dalam jumlah besar, keunggulan penggunaan token Large 4 saja belum cukup sebagai pertimbangan.
• Penilaian komunitas belum terbentuk: Sebagian pengguna Hacker News menilai harga baru ini layak diuji ulang, sementara yang lain melaporkan bahwa versi pratinjau membutuhkan waktu berpikir yang lama. Ini baru pengalaman awal dari beberapa pengguna, dan sebagian penilaian juga tidak ditujukan pada versi yang telah ditingkatkan.

Dampak bagi tim yang melakukan deployment mandiri

Bobot model yang terbuka bukan berarti menjalankannya secara lokal tanpa biaya. Estimasi dari Unsloth menunjukkan bahwa kuantisasi 1-bit membutuhkan total memori sekitar 256–270 GB, 4-bit sekitar 630 GB, dan 8-bit sekitar 1,2 TB. Konteks yang panjang dan overhead framework inferensi dapat meningkatkan kebutuhan tersebut.

Kecepatan juga bergantung pada perangkat keras dan konfigurasi. Dalam pengujian Hugging Face, satu mesin M3 Ultra dengan memori besar menjalankan beberapa versi terkuantisasi pada sekitar 15 token/detik, sedangkan server dengan 8 GPU H200 menjalankan versi FP8 pada sekitar 65 token/detik. Untuk penggunaan berskala kecil atau sementara, pemanggilan API langsung biasanya lebih cocok. Organisasi yang menggunakan model secara intensif dan berkelanjutan serta mengutamakan kendali atas data dapat mempertimbangkan deployment mandiri. Namun, tidak ada ambang jumlah pemanggilan yang berlaku umum untuk membuktikan bahwa deployment mandiri pasti lebih murah.

Dampak bagi perusahaan dan industri

Mistral menonjolkan infrastruktur di Eropa, deployment privat, kustomisasi model, dan kelangsungan bisnis. Kemampuan ini bukan milik Mistral semata, karena model terbuka asal Tiongkok juga dapat di-deploy secara privat. Perbedaan utamanya terletak pada wilayah deployment, lingkungan hukum, dukungan kontrak, dan tingkat kepercayaan yang dibutuhkan organisasi terhadap penyedia.

Pembatasan MaaS dari Mistral terutama menyasar bisnis yang menyediakan akses inferensi atau pelatihan lanjutan model serbaguna kepada pihak ketiga. Ada ketentuan tersendiri untuk produk pengguna akhir dengan fungsi yang disematkan, layanan yang hanya meneruskan permintaan, dan penggunaan internal perusahaan. Setiap bisnis tetap perlu merujuk pada teks lisensi lengkap untuk menentukan ketentuan yang berlaku.

Keamanan siber menjadi hal lain yang patut diperhatikan. ENISA sedang menguji Large 4 untuk identifikasi kerentanan, peninjauan kode, dan analisis log. Organisasi seperti Booz Allen Hamilton juga telah menyampaikan penilaian positif. Namun, semua itu merupakan pernyataan dari mitra dan tidak berarti model tersebut sudah diterapkan secara menyeluruh atau diverifikasi secara independen. Tingkat penolakan permintaan berbahaya sebesar 96,6% yang diungkapkan Mistral juga hanya didasarkan pada petunjuk uji yang dipilihnya, bukan berarti model ini dapat mencegah serangan nyata dengan persentase yang sama.

Pertanyaan Umum (FAQ)

Poin Utama Mistral Large 4

• Terkuat di Eropa, tetapi unggul tipis: Skor 26 adalah yang tertinggi di luar China, tetapi hanya 1 poin di atas Muse Spark.
• Kemampuan keseluruhan masih tertinggal: Dibandingkan DeepSeek dan GLM yang mendapat skor 32, selisihnya masih 6 poin indeks.
• Agent pemrograman sudah mendekati pesaing: Skor 48 hanya 1 poin di bawah GLM-5.3 dan lebih tinggi dari DeepSeek yang mendapat 46.
• Efisiensi token paling menonjol: Sekitar 8,5 juta token per tugas, atau kira-kira setengah dari penggunaan GLM dan DeepSeek.
• Biaya perlu dilihat bersama hasil tugas: Dalam evaluasi, biayanya sekitar $2,06 per tugas, lebih rendah dari GLM tetapi lebih tinggi dari DeepSeek.
• Terbuka bukan berarti tanpa batasan: Bisnis MaaS yang memenuhi definisi tertentu perlu memperhatikan persyaratan lisensi komersial tambahan.
• Mulai dengan pengujian skala kecil: Bandingkan model-model kandidat pada tugas nyata melalui APIYI apiyi.com.

Kesimpulan

Kembali ke pertanyaan di judul, seberapa jauh Mistral Large 4 dari DeepSeek dan GLM bergantung pada aspek yang dibandingkan:

1. Kemampuan keseluruhan: Masih ada selisih 6 poin; Large 4 belum melampaui keduanya di peringkat global.
2. Agent pemrograman: Skornya sudah sangat dekat, dengan penggunaan token yang jauh lebih rendah dalam rangkaian pengujian terkait.
3. Biaya dan deployment: Posisinya berada di antara DeepSeek dan GLM, serta menawarkan pilihan pembeda seperti infrastruktur Eropa dan kustomisasi untuk perusahaan.

Rilis ini bukan sekadar menambah satu model dengan satu triliun parameter, tetapi juga menghadirkan opsi kompetitif bagi tim yang membutuhkan kemampuan pemrograman, keamanan, dan deployment mandiri. Keputusan untuk bermigrasi bergantung pada hasil tugas nyata, total biaya penyelesaian tugas, dan kebutuhan deployment.

Sebaiknya mulai dengan perbandingan skala kecil menggunakan kuota uji coba gratis melalui APIYI apiyi.com, lalu tentukan langkah berikutnya berdasarkan data nyata.

📚 Referensi

1. Pengumuman resmi Mistral: bobot versi yang ditingkatkan resmi dibuka
2. Tautan: mistral.ai/news/mistral-large-4-oss

3. Keterangan: berisi informasi peluncuran versi yang ditingkatkan, hasil evaluasi resmi, dan pernyataan mitra

4. Dokumentasi harga resmi Mistral: harga API dan inferensi regional

5. Tautan: docs.mistral.ai/inference/pricing

6. Keterangan: untuk memeriksa harga standar, cache, dan berbagai mode layanan

7. Halaman model dan lisensi Hugging Face: bobot Large 4 dan MEOW License

8. Tautan: huggingface.co/mistralai/Mistral-Large-4-1T-A52B

9. Keterangan: berisi kartu model dan akses ke teks lengkap lisensi

10. Penjelasan teknis Hugging Face: arsitektur dan panduan deployment

11. Tautan: huggingface.co/blog/mistral-large4

12. Keterangan: menjelaskan struktur MoE, framework inferensi, dan hasil pengujian perangkat keras

13. Daftar peringkat model terbuka Artificial Analysis: data evaluasi independen

14. Tautan: artificialanalysis.ai/models/open-source

15. Keterangan: memuat indeks keseluruhan serta data agen pemrograman, biaya, dan kecepatan

16. Panduan deployment Unsloth: kuantisasi dan menjalankan model secara lokal

17. Tautan: unsloth.ai/docs/models/mistral-large-4

18. Keterangan: menyediakan perkiraan kebutuhan memori untuk berbagai tingkat kuantisasi

19. Harga resmi DeepSeek: harga API pada jam sibuk dan di luar jam sibuk

20. Tautan: api-docs.deepseek.com/quick_start/pricing

21. Keterangan: untuk memeriksa harga dan rentang waktu DeepSeek V4.1 Flash 1017

22. Lisensi GLM-5.3: ketentuan tinjauan keamanan MaaS

23. Tautan: huggingface.co/zai-org/GLM-5.3/blob/main/LICENSE

24. Keterangan: untuk memastikan ambang pendapatan dan persyaratan penggunaan komersial

25. Laporan VentureBeat: analisis peringkat dan biaya Large 4

26. Tautan: venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task

27. Keterangan: merangkum peringkat model, efisiensi token, dan perubahan biaya per tugas

28. Diskusi Hacker News: tanggapan awal pengembang

    • Tautan: news.ycombinator.com/item?id=50289418
    • Keterangan: membahas harga, deployment mandiri, dan kontroversi lisensi; isinya hanya mencerminkan pengalaman pribadi

Penulis: Tim Teknis APIYI
Diskusi teknis: Hubungi kami melalui halaman utama situs APIYI. Untuk informasi lebih lanjut, kunjungi pusat dokumentasi di docs.apiyi.com

Artikel terkait

• DeepSeek Search & Fetch API Dibuka: Pahami Kemampuan Baru Pencarian Web dalam 3 Menit dan Dampaknya bagi 4 Kategori Pengembang: DeepSeek membuka API Search & Fetch, dan artikel ini merangkum informasi inti dari panduan resmi, menganalisis 4 dampaknya bagi pengembang RAG, Agent, dan tanya jawab daring, serta memberikan saran persiapan sebelum integrasi.
• Kimi K3.1 Pro Resmi Diluncurkan: Rangkuman Fitur Baru, Harga, dan Ketersediaan: Kimi K3.1 Pro resmi dirilis pada 24 Oktober 2026: konteks 1 juta, tiga harga satuan 33% lebih rendah daripada K3, tersedia di web, aplikasi, Kimi Code, dan API, bobot model dirilis sebelum 4 November 2026, artikel ini merangkum fitur baru, lima tingkatan harga, dan kanal yang tersedia.
• Analisis Harga Gemini 4 Argon: Model Kini Dapat Diakses melalui Vertex AI, Perhitungan Biaya Nyata untuk 5 Skenario: Gemini 4 Argon kini tersedia untuk diakses di Vertex AI; artikel ini mengulas biaya tersembunyi dari harga perkenalan $2/$10 dan harga resmi $4/$20, diskon cache 95%, penagihan token penalaran, serta batas output 1 juta token, membandingkannya dengan Gemini 3.8 Flash, GPT-6 Astra, dan Claude Opus 5.5, serta menyajikan kalkulasi biaya untuk 5 skenario dan kode integrasi hemat biaya.
• Analisis Lengkap Harga Nano Banana 2.1: 5 Perbedaan Utama dibandingkan Nano Banana 2 dan Perhitungan Penghematan Biaya: Ulasan Harga Nano Banana 2.1 berdasarkan halaman harga resmi Google: harga per gambar keluaran turun setengah, tetapi harga token input dan pemikiran naik, konsumsi 4K meningkat, dan opsi 0,5K dihapus; mencakup biaya per gambar 1K/2K/4K, harga Batch, titik impas, dan saran migrasi.
• Seberapa efektif petunjuk negatif untuk gambar yang dihasilkan AI saat ini? Penilaian terbaru atas 3 jenis formulasi: Ketergantungan model gambar modern pada “bank kata negatif” telah menurun secara signifikan; artikel ini menguraikan tiga bentuk petunjuk negatif, menjelaskan mana yang perlu dihapus dan dipertahankan, serta memberikan prinsip petunjuk yang dapat langsung diterapkan.