OpenAI o3 vs Mistral 2026: reasoning-чемпион против европейского ассистента

Сервисы редко конкурируют в одном тикете. o3 — нишевая reasoning-линия OpenAI (флагман 16 апреля 2025, o3-pro — 10 июня 2025), доступная через ChatGPT Plus $20 или Pro $200. Mistral — игрок из Парижа с оценкой $14B; флагман Large 2 (июль 2024) и Medium 3.5 (апрель 2026) работают как ассистент Le Chat за €14.99/мес и API от ~$2/$6 за 1M токенов.

Reasoning-задачи — математика, логика, многошаговые научные рассуждения. o3 оптимизирована ровно под это: «reflective generative pre-trained transformer» с RL поверх chain-of-thought. Три уровня усилия — low, medium, high. В high-effort режиме o3 берёт 87.7% на GPQA Diamond (PhD-научные вопросы), 2727 Elo на Codeforces и 71.7% на SWE-bench Verified. У o3-mini high-effort — 87.3% на AIME 2024.

Mistral на эту арену цифр не выкладывает. У Mistral нет анонсированной reasoning-модели: Medium 3.5 — баланс цены и качества, не «thinking». Codestral заточен под код, не под PhD-логику. Reasoning-режим стоит дорого: o3 high-effort съедает 5–20x токенов (плюс «invisible» reasoning-токены, оплачиваемые как output). Если задаче хватает Mistral Large 2 без длинных размышлений — переплата за o3 пустая. Но если не хватает — Mistral не вариант.

Отдельно про скепсис к рекордам. Часть сообщества полагает, что прорыв на ARC-AGI достигнут частично за счёт fine-tuning на ARC-подобных задачах. Цифры — ориентир, не доказательство AGI; но даже с поправкой o3 на доступных reasoning-бенчмарках на голову выше всего, что Mistral сегодня предлагает.

Темп выкатки reasoning-линейки красноречив: o3-mini вышла 31 января 2025, через два с половиной месяца — флагман o3 и o4-mini 16 апреля 2025, ещё через два — o3-pro 10 июня 2025. Четыре релиза за пять месяцев — OpenAI явно играет в reasoning-гонку и не сбавляет. На стороне Mistral reasoning-арена пока пустует: Medium 3.5 (29 апреля 2026) — балансная модель, не «thinking», а Vibe с remote coding agents в preview — это первый заход в «агенты, которые думают», но не аналог o3 на бенчмарках GPQA или AIME.

Русский — критический фильтр для аудитории AIRatings. Лидеры — YandexGPT и GigaChat. Дальше — пелотон с разными акцентами. У o3 база — GPT-4 с 95+ языками, включая русский; на reasoning-задачах цепочки рассуждений на русском сохраняются, термины подбираются корректно. Но русский — не приоритет в RL-обучении OpenAI, и официальных бенчмарков русского у o3 нет.

У Mistral заявлен «европейский фокус»: отличная поддержка английского, французского, немецкого, итальянского. Русский в это «отлично» не входит. На нашем опыте Large 2 справляется, но стилистические шероховатости заметны: кальки с английского, нелепые порядки слов, иногда — в Le Chat — переключения на английский в середине ответа. Официальных бенчмарков русского у Mistral нет.

Объективная разница: o3 — reasoning-модель, на русском в первую очередь рассуждает, потом оформляет. Задача «реши уравнение и объясни на русском почему» — у o3 лучше. Mistral сильнее как универсальный ассистент Le Chat для повседневного письма на европейских языках. Для русскоязычного копирайта — Claude или ChatGPT; для рунетных тем — YandexGPT / GigaChat.

Объективная картина по русскому такова: оба сервиса — иностранцы второго эшелона. У o3 русский держится на наследии GPT-4 и помогает в reasoning-задачах, где главное — правильный ответ, а не литературный слог. У Mistral русский — побочный продукт европейского фокуса; Le Chat имеет русский интерфейс через language preference, но техническая поддержка работает только на английском (см. dossier mistral.md §7). Для документов с юридической терминологией, рунет-реалиями или для длинных текстов «под публикацию» оба регулярно проигрывают Claude, ChatGPT и связке YandexGPT/GigaChat. Ни у o3, ни у Mistral официальных бенчмарков русского нет — это data gap у обоих.

SWE-bench Verified — реальные GitHub-issues, которые модель закрывает end-to-end. На нём o3 — 71.7%, o3-mini high — 49.3%. Это одни из лучших публичных результатов на 2026-05-12. Codeforces Elo 2727 у o3 — уровень сильного гроссмейстера в competitive programming.

У Mistral нет официальных SWE-bench-цифр на Codestral. Это не «плохой Codestral», это «Mistral конкурирует в другой нише». Codestral — code-completion модель для IDE-плагинов и inline-подсказок: быстрая, дешёвая, под скорость inference. Лицензия — Mistral Non-Production License: для production нужна коммерческая. Это другой класс продукта, чем «agentic coder, закрывающий issue».

Apache 2.0 на Mistral Large 2 даёт другое преимущество: модель скачивается, разворачивается локально, используется для кода без отправки в облако. Для регулируемых отраслей это важнее 71.7% SWE-bench от модели, которой нельзя без VPN. Но в задаче «закрой нетривиальный bug в production-репозитории за минуту» o3 сильнее на порядок.

Стек дистрибуции у Mistral шире, чем у o3, ровно потому, что Mistral — open-weights. Mistral Large 2 распространяется как managed-модель через AWS Bedrock, Azure AI Foundry и Google Vertex AI, плюс self-host на любом своём кластере. Codestral исторически конкурирует с DeepSeek-Coder и Qwen-Coder — это её ниша. В апреле 2026 Mistral анонсировал Vibe с remote coding agents и Work mode в Le Chat — это первая агентская надстройка над Codestral, но на 2026-05-12 ещё preview.

У o3 другой угол: 60+ коннекторов на ChatGPT Business/Enterprise работают с o-series, function calling и structured outputs — штатно. Специализированной code-only вариации у o-series нет; o3 «и так умеет код», и в high-effort умеет очень хорошо. Это значит: «один правильный коммит за минуту thinking» vs «сто быстрых подсказок в секунду в IDE» — буквально разные жанры разработки.

Mistral Large 2 — 128K токенов, фиксировано. Меньшие модели Mistral — 32K. У o3 ситуация мутнее: через ChatGPT Plus/Pro контекст ограничен лимитами тарифа (около 128K), через API — точные цифры на platform.openai.com, но WebFetch вернул 403. В Wikipedia context window для o3 детально не задокументирован — data gap.

На фоне frontier-моделей оба здесь не лидеры. Llama 4 Scout — 10M, Grok 4 Fast — 2M, Claude Opus 4.7 / Sonnet 4.6 / Gemini 3 Pro / DeepSeek V4 — 1M. У Claude 4.6 публикуется реальный MRCR v2 — 78.3% на 1M. У o3 и Mistral таких бенчмарков нет. Практически 128K — книжный объём (≈100 тысяч слов); договор на 200 страниц одним куском не влезет.

Разница в применении: у o3 длинный контекст — арена для reasoning поверх данных. У Mistral 128K — «можно загрузить большой файл и поговорить про него». На сложной юридической интерпретации длинного документа o3 выиграет, на простой суммаризации — оба справятся, и Mistral будет быстрее и дешевле.

На что 128K реально хватает: техническая статья на 30–40 страниц, средний договор, репозиторий с десятком небольших файлов, одна-две главы книги. На что не хватает: коробка корпоративной документации, годовой отчёт банка целиком, монорепо. У Mistral 7B, Mixtral 8x7B и Mixtral 8x22B — контексты меньше Large 2, и для длинных задач они не подходят даже при self-host: Apache 2.0 не отменяет архитектурный потолок.

Где у каждого есть козырь поверх 128K. У o3 — reasoning над структурой: если документ организован (заголовки, разделы, перекрёстные ссылки), chain-of-thought проходится по нему так, как Mistral пока не умеет. У Mistral — контроль над тем, как контекст подаётся: self-host даёт право собрать собственный prompt caching, RAG-pipeline и подавать только релевантные куски, а не платить за полный контекст в каждом вызове. Через AWS Bedrock и Vertex AI Mistral также интегрируется в существующие enterprise RAG-системы без переписывания.

У o3 есть vision: модель принимает изображения и рассуждает поверх диаграмм, графиков, формул. У o3-mini vision нет. Точная multimodal-поддержка o4-mini на 2026-05-12 не подтверждена — data gap. Генерации картинок, видео или голоса у o-series нет; за это в экосистеме OpenAI отвечают DALL-E, Sora, Voice Mode — отдельные продукты.

У Mistral мультимодальность — Pixtral как отдельная vision-модель. Mistral Large 2 — текст-only. Voice agents анонсированы в 2025, но детальные характеристики на 2026-05-12 не опубликованы. Генерации картинок и видео у Mistral нет — сознательный выбор фокуса. На фоне ChatGPT (DALL-E + Sora 2 + Voice + Computer Use) и Gemini (Imagen 4 + Veo 3 + Live) оба сервиса узкие.

Внутри своих ниш vision полезен. o3 vision хорош для scientific reasoning: разобрать график результатов эксперимента, понять схему молекулы, прочесть формулу. Pixtral — для общего «опиши, что на картинке» и обработки документов с диаграммами.

Зачем нужен «vision в reasoning-режиме» отдельно от просто vision: o3 не описывает картинку, а думает над ней. Загружаешь график результатов с подписями осей — o3 строит цепочку «эти точки — экспоненциальный рост, R² около 0.95, выброс на 7-й итерации, гипотеза — деградация катализатора». Pixtral на таком запросе даёт корректное описание изображения, но строить выводы не будет — это чужая работа.

Чего нет у обоих и есть у соседей по категории: генерация картинок (ChatGPT — DALL-E, GigaChat — Kandinsky), видео (ChatGPT — Sora 2, Gemini — Veo 3), полноценный голосовой режим (ChatGPT Voice, Gemini Live, Алиса у YandexGPT, Салют у GigaChat). У Mistral voice agents в анонсе с 2025 года, но детали на 2026-05-12 публично не раскрыты — это будущая, не текущая фича.

Le Chat Pro — €14.99/мес (Wikipedia EN); БД AIRatings указывает €14.99, WebFetch к chat.mistral.ai вернул 403. ChatGPT Plus — $20/мес, доступ к o3 и o4-mini с лимитами; ChatGPT Pro — $200/мес, доступ к o3-pro и 20-кратный usage.

За год: Le Chat Pro — ~$180 при курсе EUR/USD ≈1. ChatGPT Plus — $240/год. ChatGPT Pro — $2 400/год. Разница 13 раз. За разницу: ChatGPT Pro — o3-pro (премиум reasoning), 250 Deep Research runs/мес, unlimited GPT-5.4 Thinking. Le Chat Pro — unlimited messaging, web browsing, без reasoning масштаба o3-pro.

Корпоративный уровень: ChatGPT Business — $25/seat/мес, доступ к o-series и GPT-5.4 плюс коннекторы; ChatGPT Enterprise — custom-цена, на этом тарифе данные не используются для обучения по умолчанию. У Mistral Enterprise — custom: SSO/SAML, on-prem / private deployment, fine-tuning, dedicated support. У ChatGPT Free o-series либо недоступна, либо с очень малыми лимитами; у Le Chat Free есть базовый чат с Mistral-моделями, но без unlimited messaging и Codestral в полном объёме.

По публикациям 2025 года цена o3 через OpenAI API — порядка $10 input и $40 output за 1M; o4-mini существенно дешевле, o3-pro — премиум. Точные цены на 2026-05-12 — data gap (platform.openai.com → 403). У Mistral Large 2 — около $2 input / $6 output за 1M; mistral.ai/pricing → 403.

Reasoning-модели потребляют 5–20x токенов с учётом «invisible» reasoning-токенов, оплачиваемых как output. Даже при сопоставимых input/output ценах реальный счёт за reasoning-задачу в 5–20 раз выше. Mistral таких накладных не генерирует. Поверх собственного API Mistral доступен через AWS Bedrock, Azure AI Foundry и Google Vertex AI — это полезно для enterprise с billing и compliance внутри существующего cloud-договора.

OpenAI заблокирован по российским IP с 2023–2024. Доступ к o3 — VPN плюс зарубежная карта или посредники типа ProxyAPI. Оплата российскими картами — нет. Регистрация ChatGPT с +7 — фактически невозможна. Для Mistral картина похожая: chat.mistral.ai частично работает (наши попытки WebFetch — 403), регистрация может требовать европейского IP, оплата — евро-биллинг.

Главная разница — не в SaaS-доступности (оба плохие), а в self-host опции. Mistral Large 2, Mixtral, Mistral 7B под Apache 2.0 скачиваются с Hugging Face и разворачиваются на своём железе в РФ. Никакой блокировки. У o3 такой опции нет: модель закрытая, единственный путь — OpenAI API через зарубежного провайдера. Российские альтернативы — GigaChat и YandexGPT.

OpenAI публикует, что o-series наследует SOC 2 Type 2, GDPR, CCPA. На Enterprise данные не используются для обучения по умолчанию; на Plus / Pro — могут (opt-out для API). Шифрование — TLS 1.2 in transit, AES-256 at rest. Mistral позиционирует «no training on customer data» для платных тарифов и API; на Free Le Chat — может (data gap). GDPR — нативно, как у европейской компании.

Для EU-enterprise под GDPR / NIS2 / DORA Mistral — естественный выбор: данные не пересекают границу ЕС, юрисдикция Франции, GDPR built-in. Для глобальных компаний OpenAI с SOC 2 + ISO 27001 — индустриальный стандарт. Выбор не «лучше / хуже», а «куда сядут юристы».

Дополнительный сигнал по корпоративной перспективе: с сентября 2025 ASML — крупнейший акционер Mistral после раунда €2 млрд, плюс стратегическая поддержка французского правительства как ставка на «European AI sovereignty». У OpenAI годовая выручка около $25 млрд и подготовка к IPO. По compliance оба игрока — на длинной дистанции, и риск «закроется через год» здесь минимален.

Mistral Large 2 (128B параметров, 128K контекст) — Apache 2.0, опубликована в июле 2024. Это значит: скачать с Hugging Face, развернуть на собственных GPU, использовать в коммерческом продукте, fine-tuning без ограничений. То же — Mixtral 8x7B (декабрь 2023), Mixtral 8x22B (апрель 2024), Mistral 7B (сентябрь 2023). Codestral отдельно: Mistral Non-Production License; для production — коммерческая лицензия.

У o3 опции self-host нет. Это закрытая proprietary модель, доступная только через OpenAI API. Если регуляторика или приватность требуют развернуть модель в своём периметре — o3 выпадает. Единственная open-source альтернатива среди reasoning-моделей — DeepSeek-R1 под MIT.

Цена self-host — не нулевая. Mistral Large 2 на 128B требует серьёзного GPU-кластера. Mixtral 8x7B поднимается на меньшем железе. Mistral 7B — на одной мощной потребительской GPU. Apache 2.0 не означает «бесплатно» — означает «без лицензионных ограничений».

o3 и o3-pro медленнее по дизайну. Типичный response на сложной задаче — десятки секунд до минут. Модель генерирует chain-of-thought до видимого ответа, «invisible» reasoning-токены съедают время. TTFT для reasoning-моделей неинформативна. o3-mini быстрее, но тоже reasoning-режим. o4-mini оптимизирована на скорость.

Mistral Large 2 — средний уровень. Small и Medium — быстрее, для high-throughput. Codestral оптимизирован под inline code suggestions: десятки миллисекунд на подсказку. Для interactive use cases (чат-бот, autocomplete в IDE) o3 не подходит; для глубоких одиночных задач, где допустима минута ожидания, скорость не критична.

Стек дистрибуции тоже влияет на ощущение скорости: Mistral доступен через AWS Bedrock, Azure AI Foundry и Vertex AI, где у клиента уже есть rate-настройки под высокий throughput, а Codestral для inline-подсказок отдаёт результат за десятки миллисекунд.

o3 — единственный сервис в категории, у которого:

• 87.7% GPQA Diamond на high-effort — рекорд среди публичных reasoning-моделей на 2026-05-12.
• Tunable effort levels (low/medium/high) в API.
• Vision в reasoning-режиме — анализ диаграмм и формул с chain-of-thought; ни у DeepSeek-R1, ни у Mistral этой связки нет.
• Доступ за $20/мес через ChatGPT Plus — ни одна другая frontier reasoning-модель не имеет такого consumer-порога.

У Mistral уникальное — другого порядка:

• Apache 2.0 на старшие модели — Mistral Large 2 (128B), Mixtral 8x7B / 8x22B, Mistral 7B.
• European AI sovereignty — единственный frontier-сервис с европейской юрисдикцией.
• Mistral Compute — собственная вычислительная инфра, не зависит от AWS / Azure / Google.
• Codestral — специализированный code-инструмент с отдельной non-production-лицензией.

Это разные оси уникальности, и они не отменяют друг друга. Один уникален «силой мысли», второй — «свободой развёртывания и юрисдикцией». В одном продукте такого сочетания нет ни у кого.

Несколько фич у Mistral, которые часто упускают при быстром сравнении: Mistral Compute — собственная вычислительная инфра, не зависит от AWS/Azure/Google (страховка от vendor lock-in на уровне железа). Vibe с remote coding agents — продукт, анонсированный 29 апреля 2026, с агентами для удалённой работы с кодом (preview). Work mode в Le Chat — режим для сложных задач, анонсирован тогда же. Pixtral — отдельная multimodal-модель для vision. Mistral 7B (сентябрь 2023) — исторически первая модель, доказавшая, что качественный open-source LLM возможен в малом размере; положила начало эре «small efficient LLM».

У o3 — арсенал из лагеря «закрытый, но мощный»: vision в reasoning-режиме (CoT поверх диаграммы — нет у DeepSeek-R1 и Mistral), 60+ коннекторов на Business/Enterprise (Slack, Google Drive, GitHub и так далее), function calling и structured outputs из коробки. ARC-AGI прорыв — отдельный сюжет; часть community считает, что результат частично обеспечен fine-tuning на ARC-задачах, но даже с поправкой o3 на reasoning-бенчмарках на голову выше всего, что Mistral сегодня предлагает.

1. PhD-научная задача. Биология, химия, физика на уровне доктората. GPQA Diamond — бенчмарк ровно про такие вопросы; 87.7% у o3 значит, что модель отвечает правильно на ~9 из 10 вопросов уровня «требует консультации специалиста».

2. Олимпиадная математика. AIME 2024: o3-mini high — 87.3%. Уровень региональных финалистов. Mistral на AIME не публиковался; на длинных цепочках выводов чаще даёт «правильную идею с неправильным расчётом».

3. Codeforces / алгоритмический competitive programming. 2727 Elo у o3 — грандмастер. Codestral оптимизирован под inline-подсказки в IDE, не под алгоритмические challenges.

4. SWE-bench-сложный bug в production-репозитории. 71.7% Verified — модель сама разбирает мульти-файловую кодовую базу, находит причину, пишет фикс. Agentic coding в чистом виде.

5. Reasoning поверх изображений. График эксперимента, формула с доски, схема молекулы — o3 vision строит chain-of-thought. Pixtral читает картинки, но глубокого reasoning не делает.

6. Финансовое моделирование с многошаговым reasoning. Финансовый аналитик / consultant строит DCF-модель, пересчитывает чувствительность по 5–7 параметрам, ищет арбитражную возможность. o3 на этом классе задач — рабочий инструмент по dossier §13. Mistral Large 2 справится с расчётом, но цепочку рассуждений на 10+ шагов держит хуже.

7. ARC-AGI и подобные prize-задачи. o3 показал «three times the accuracy of o1» на ARC-AGI — публичный прорыв 2024–2025, который дал старт целому жанру benchmark «требует AGI-уровня». Часть сообщества ставит результат под сомнение из-за fine-tuning на ARC-задачах, но в нашей паре альтернативы у o3 нет: Mistral в этой арене публично не выступал.

8. Подготовка к научной конференции. Студент-аспирант проверяет ход доказательства теоремы или биохимическую цепочку перед сабмитом препринта. o3 — рабочий «второй reviewer», который читает CoT поверх формул и графиков. Дешевле, чем нанимать постдока на час разговора.

1. EU-банк или страховая под GDPR/NIS2/DORA. BNP Paribas использует Mistral в production. Когда регулятор требует, чтобы данные не покидали юрисдикцию ЕС, Mistral подходит «из коробки». OpenAI данные обрабатывает в США. У o3 нет on-prem, DPA-обсуждения занимают месяцы.

2. Self-host в собственном data-центре. Mistral Large 2 — Apache 2.0, скачать с Hugging Face, развернуть в private cloud или on-prem. o3 не self-host'ится. Для оборонки, финансов, медицины этот разрыв — водораздел.

3. Apache 2.0 для fine-tune под коммерческий продукт. Llama Community License имеет acceptable use ограничения; Apache 2.0 — нет. Если строите AI-продукт и хотите fine-tune без лицензионных рисков, Mistral Large 2 — единственный frontier-вариант.

4. Inline code-подсказки в IDE. Codestral оптимизирован под autocomplete: десятки миллисекунд на подсказку, дешёвый API, возможность self-host. o3 на эту роль не претендует.

5. Стартап на жёстком API-бюджете. Большой объём ассистентских ответов по ~$2/$6 за 1M через Mistral Large 2 vs ~$10/$40 у o3. Разница — десятки тысяч долларов в год при 10M токенов в день.

6. Корпоративный production в Европе с уже подтверждёнными кейсами. BNP Paribas (крупный французский банк) использует Mistral в production. Schneider Electric — корпоративное использование. ASML после раунда сентября 2025 — крупнейший акционер и сама использует модели для собственных задач. Французское правительство — стратегическая ставка на «European AI sovereignty». Закупочный комитет смотрит на список референсов — у Mistral он плотный именно в EU-enterprise.

7. Multi-cloud стратегия без vendor lock-in. Mistral managed-deployments через AWS Bedrock, Azure AI Foundry и Google Vertex AI — компания может переключиться между тремя гиперскейлерами в зависимости от тарифов или регуляторных требований. У o3 такой опции нет: только OpenAI API.

Лёгкий профиль (5–10 диалогов в день). Mistral Le Chat Free — $0/год; ChatGPT Free — $0/год, но o-series на Free либо недоступна, либо с малыми лимитами. Нужен reasoning — ChatGPT Plus $240/год; хватает ассистента — Le Chat Pro €179/год (≈$179).

Средний (30–50 диалогов в день). Plus $240/год покрывает большинство задач, включая o3 с лимитами. Le Chat Pro €179/год — сопоставимо без reasoning. Гибрид: обе $420/год.

Тяжёлый (API-интеграция). 5M токенов в день через Mistral Large 2 — $15/день, $5 475/год. То же через o3 без reasoning — $25/день, $9 125/год. С reasoning и 1M токенов в день — ~$50/день, $18 250/год.

Корпоративный слой: ChatGPT Business — $25/seat/мес × 12 = $300/seat/год; на команде из 10 человек выгоднее Pro ($2 400/год), но при этом без data-isolation per-seat. Mistral Enterprise — custom; для small / medium teams часто практичнее Le Chat Pro на каждого. Self-host Mistral Large 2 — разовая инвестиция в GPU-кластер; при больших объёмах окупается за месяцы.

1. Анна, исследователь в фармацевтической компании. Разбирает PhD-уровневые статьи по биохимии, верифицирует расчёты. Берёт o3 (ChatGPT Plus $20). GPQA 87.7% — её ежедневная фактура. Mistral на сложных вопросах часто даёт правдоподобные ответы, неточные при проверке.

2. Жан, разработчик в банке BNP Paribas. Пишет внутренние сервисы на Python и Scala, данные не покидают периметр банка. Берёт Mistral (Enterprise on-prem). Codestral в IDE даёт подсказки, Mistral Large 2 self-host'ится в private cloud банка. o3 недоступна по compliance.

3. Михаил, основатель российского ML-стартапа. AI-фича в продукте, бюджет ограничен, зарубежная карта — лишний риск. Берёт Mistral (Large 2 self-host). Apache 2.0 разрешает коммерческое использование. У o3 нет self-host.

4. Сара, тренер математической олимпиадной команды. Готовит к AIME / USAMO. Берёт o3 (ChatGPT Plus $20). o3-mini high — 87.3% на AIME 2024. Mistral на олимпиадной математике — без публичных бенчмарков.

5. Том, CTO SaaS-стартапа с 10M токенов в день. Большинство запросов ассистентские, малая часть — сложные. Берёт гибрид: Mistral Large 2 API на массовку, o3 на сложные. Только o3 — счёт в 3–5 раз выше необходимого.

Общий принцип выбора между двумя: считаем, сколько раз в неделю задача требует именно reasoning (GPQA-уровня логики или SWE-bench-уровня кодинга). Меньше 5 — Mistral как ежедневный ассистент, o3 в запасе. Больше 15 — связка переворачивается: o3 как основной инструмент, Mistral для рутины и self-host задач.

Гибридные сценарии лучше всего работают у профилей 5 (Том, CTO). Mistral Large 2 через API закрывает 95% запросов в $5 475/год (5M токенов/день). Оставшиеся 5% самых сложных — через o3 с reasoning, ещё $2 000–3 000/год. Итого ~$7 500–8 500/год против чистого o3-стека на $18 000+. На том же бюджете гибрид даёт примерно тот же качественный потолок плюс EU-юрисдикцию для основной массы данных.

o3 — узкий инструмент с рекордными метриками: PhD-наука, олимпиадная математика, agentic coding по SWE-bench, scientific reasoning поверх vision. Mistral — широкий инструмент с открытыми весами и европейской юрисдикцией: ассистент Le Chat, Large 2 для self-host в регулируемых отраслях, Codestral для inline-подсказок.

Долгосрочная стабильность обоих игроков — высокая. OpenAI: выручка около $25 млрд на 2026, готовится к IPO (см. dossier openai-o3.md §1). Mistral: оценка $14 млрд после раунда €2 млрд с инвестицией $1.5 млрд от ASML (сентябрь 2025), ASML — крупнейший акционер. Это значит: подписка на любую сторону не «закроется через год» — оба игрока на длинной дистанции и активно инвестируют в следующие поколения моделей.