Prezzi di Mistral Large 4: $1,36 in ingresso, $4,18 in uscita e una promozione a metà prezzo senza data di fine

Mistral Large 4 ha uno dei listini prezzi più chiari nel mercato open-weight e uno dei prezzi effettivi meno chiari. Le voci pubblicate sono $1,36 per milione di token in input, $0,14 per milione di token in input in cache e $4,18 per milione di token in output. Accanto a queste, la pagina dei prezzi di Mistral riporta una promozione di lancio che mostra le stesse tre voci barrate a $0,68, $0,07 e $2,09 — metà prezzo su ogni voce — senza alcuna data di fine pubblicata da nessuna parte che riusciamo a trovare. Quindi il prezzo di una chiamata API oggi è circa la metà della tariffa di listino, e nessuno al di fuori di Mistral può dirti quando smetterà di essere vero.

Quella singola ambiguità conta più per un budget della differenza tra Large 4 e qualsiasi concorrente, perché una variazione del 50% su una voce di spesa è maggiore della maggior parte degli scarti nella selezione del modello. Tutto ciò che segue è pensato per permetterti di pianificare il giorno in cui la promozione termina, anziché esserne colto di sorpresa.

La carta, e da dove arrivano i numeri confusi

Leggi dalla pagina prezzi di Mistral stessa il 29 ottobre 2026:

• Input — $1.36 per milione di token.

• Input in cache — $0,14 per milione di token, circa un decimo del prezzo dell'input.

• Output — $4,18 per milione di token.

• Promozione di lancio — 0,68 $ in input, 0,07 $ in cache, 2,09 $ in output. Nessuna data di fine indicata.

• Modello — mistral-large-4, un mixture-of-experts sparso da 1,05 trilioni di parametri con 52 miliardi di parametri attivi secondo la scheda di Mistral e 49 miliardi secondo la lettura di Artificial Analysis, più un encoder visivo da 1,6 miliardi di parametri. Testo e immagine in ingresso, testo in uscita.

• Contesto — 1M token sulla scheda di Mistral; 524.288 token sulla configurazione testata da Artificial Analysis. Quel divario è la differenza tra un tetto dichiarato dal fornitore e una finestra effettivamente erogata, e conta ai fini del prezzo perché un contesto che non puoi davvero riempire è un contesto che non ti verrà fatturato.

Un tranello merita una frase a sé. La pagina pubblica dei prezzi di Mistral riporta ancora una riga di esempio generica che recita "Mistral Large costa $0.5 /M token in ingresso e $1.5 /M token in uscita". Non è la riga di Large 4 — descrive un modello più vecchio e più piccolo — ed è circa un terzo del prezzo reale di input e un quarto del prezzo reale di output. Chiunque faccia il budget basandosi sulla pagina di marketing anziché sulla scheda tariffaria del modello sbaglia di un fattore tre.

Quanto costa davvero un'attività

I prezzi per token sono un'unità di pianificazione inadeguata, quindi ecco la stessa scheda in termini di lavoro.

Un passaggio di documenti: un milione di token in input e 100.000 token in output. A listino, $1,36 di input più $0,418 di output — circa $1,78. In promozione, $0,68 più $0,209 — circa 89 centesimi. Lo stesso lavoro, il doppio del prezzo, a seconda di una data che nessuno ha pubblicato.

Lo stesso lavoro con la cache: se l'80% di quell'input è un prefisso riutilizzato, il lato input diventa 0,8 × $0,14 + 0,2 × $1,36 per milione, ovvero $0,384 anziché $1,36. Si tratta di un taglio del 72% sulla voce input e della leva più utile su questa scheda — ecco perché esiste la tariffa in cache, a un decimo di quella standard.

Un'esecuzione lunga di un agente: un agente che rilegge la propria cronologia a ogni turno è il carico di lavoro che questa struttura di prezzi penalizza. Cinquanta turni da 200.000 token di contesto ciascuno equivalgono a dieci milioni di token di input se nulla è in cache, 13,60 $ a listino; con il prefisso in cache a 0,14 $ si scende a 1,40 $ più la crescita non in cache. La differenza tra un agente che riutilizza il contesto e uno che lo ricostruisce è maggiore della differenza tra Large 4 e un modello più economico.

Poi c’è il numero che non è affatto un prezzo. Mistral riporta il 47% in meno di token per attività rispetto a un concorrente comparabile sull’indice coding agent di Artificial Analysis. Se questo vale sul tuo traffico, cambia l’aritmetica più di quattro punti in una classifica, perché paghi i token anziché il posizionamento — e si cumula con la promozione invece di sostituirla.

La riga di licenza che cambia il significato del prezzo

I pesi sono stati rilasciati il 29 ottobre: 54 shard safetensors, 1.060,6 GB in bf16, senza restrizioni di accesso, in un file di 2.632 byte chiamato Mistral Ecosystem Open-Weight License che si descrive come una licenza MIT modificata. La concessione è ampia — uso, copia, modifica, distribuzione, sublicenza, vendita, ulteriore addestramento, deployment, uso commerciale, nessuna soglia di ricavi, nessun limite di utenti.

Ciò che viene riservato è uno specifico modello di business. La clausola 2 richiede a chiunque "operi un'attività di Model as a Service" di firmare prima una licenza commerciale separata con Mistral. Il Model-as-a-Service è definito come il dare a una terza parte accesso al modello per inferenza o post-addestramento, in modo tale che quella terza parte possa esercitare un controllo significativo su input, parametri o dati di addestramento. Tre deroghe si collocano accanto a esso, e contano più della restrizione: un prodotto la cui capacità del modello è incorporata all'interno di funzionalità specifiche è al di fuori della definizione; "la mera trasmissione di richieste a modelli ospitati da terzi" ne è al di fuori; e l'uso interno, o l'uso attraverso i prodotti di Mistral stessi, è esente.

Confrontato con un listino prezzi, questo produce tre acquirenti diversi. Eseguire i pesi all'interno della propria organizzazione va bene e il prezzo è il proprio hardware. Creare un prodotto che chiama il modello va bene e il prezzo è la voce API sopra. Predisporre un'API che offre ai clienti accesso diretto al modello è l'unico utilizzo che richiede un accordo commerciale — e il prezzo per token di nessun fornitore ti dice quanto costa quell'accordo.

Dichiararlo versus assumerlo

Il calcolo per l'auto-hosting vale la pena di essere enunciato chiaramente, perché "open weights" invita a un confronto che di solito perde. Il checkpoint bf16 è di 1.060,6 GB di pesi prima ancora di aver messo in cache un solo token di stato KV. Il fratello NVFP4 è di 610,1 GB e le indicazioni di Mistral stesso lo collocano su quattro GPU B200 o B300; la ricetta vLLM nella model card richiede un tensor parallelism di 8 con un dtype di KV-cache FP8. Per quasi qualsiasi team al di sotto dell'iperscala, quattro GPU Blackwell più il tempo di ingegneria per servire un MoE da mille miliardi di parametri costano più per token utile rispetto all'API scontata.

Qui il self-hosting compra il controllo — residenza dei dati, certezza della licenza, la possibilità di fare fine-tuning e distribuire derivati — non risparmi. È questa la ragione onesta per scaricare 1,06 TB, ed è il test da applicare prima di farlo: dai un nome a ciò che stai comprando, perché non sarà la voce del prezzo per token.

Cosa pianificare e cosa tenere d'occhio

Imposta il budget sulla tariffa di listino e considera la promozione come un vantaggio extra, perché è l'unica versione di questa carta che puoi difendere davanti a chi autorizza la spesa. La promozione non ha una data di fine pubblicata, il che significa che può terminare senza preavviso, e un piano costruito su $0,68 smette di funzionare in un giorno che nessuno annuncia.

Poi tieni d'occhio quattro cose, in ordine di quanto cambiano il numero: se la finestra a metà prezzo si chiude e quando; se il contesto da 1M viene servito o limitato nella pratica, dato che l'input fatturato segue la finestra servita; se la conversione NVFP4 mantiene i punteggi pubblicati, il che determina se il percorso di hosting economico è reale; e come viene applicata la clausola 2 nei casi limite, perché "controllo significativo" fa molto lavoro in quella frase e non ha giurisprudenza alle spalle.

Mistral Large 4 non è oggi nel catalogo di OrcaRouter, quindi non è una rotta che possiamo offrire. Quello che forniamo è la forma generale: un unico endpoint compatibile con OpenAI su 224 modelli, con i prezzi di listino dei provider passati direttamente a markup 0%, così una variazione di prezzo del fornitore — inclusa la fine di una promozione — si riflette lo stesso giorno in cui viene annunciata, anziché al rinnovo contrattuale successivo. E quando un modello così nuovo non è ancora stato messo alla prova sul tuo traffico, il failover automatico è il modo più economico per metterlo dietro richieste reali senza scommettere un percorso di produzione su un unico endpoint.