Bảng giá Mistral Large 4: 1,36 USD đầu vào, 4,18 USD đầu ra, và chương trình khuyến mãi giảm một nửa không có ngày kết thúc

Mistral Large 4 có một trong những bảng giá rõ ràng nhất trên thị trường mô hình trọng số mở, đồng thời cũng có một trong những mức giá thực tế khó rõ nhất. Các dòng công bố là 1,36 đô la cho mỗi triệu token đầu vào, 0,14 đô la cho mỗi triệu token đầu vào được lưu đệm và 4,18 đô la cho mỗi triệu token đầu ra. Bên cạnh đó, trang định giá của Mistral có một chương trình khuyến mãi ra mắt hiển thị chính ba dòng đó bị gạch ngang ở mức 0,68 đô la, 0,07 đô la và 2,09 đô la — giảm một nửa ở mọi dòng — mà không công bố ngày kết thúc ở bất kỳ đâu chúng tôi tìm được. Vì vậy, giá của một lần gọi API hôm nay xấp xỉ một nửa giá niêm yết, và không ai bên ngoài Mistral có thể cho bạn biết khi nào điều đó thôi đúng.

Sự mơ hồ duy nhất đó có giá trị đối với ngân sách hơn cả sự khác biệt giữa Large 4 và bất kỳ đối thủ nào, bởi vì mức dao động 50% ở một khoản mục lớn hơn hầu hết chênh lệch do chọn mô hình. Mọi thứ dưới đây được xây dựng để bạn lên kế hoạch cho ngày chương trình khuyến mãi kết thúc thay vì bị bất ngờ bởi nó.

Thẻ, và những con số gây nhầm lẫn đến từ đâu

Đọc từ trang định giá của chính Mistral vào ngày 29 tháng 10 năm 2026:

• Đầu vào — $1.36 mỗi triệu token.

• Đầu vào được lưu trong bộ nhớ đệm — 0,14 USD mỗi triệu token, khoảng một phần mười giá đầu vào.

• Đầu ra — 4,18 USD mỗi triệu token.

• Khuyến mãi ra mắt —0,68 USD đầu vào, 0,07 USD bộ nhớ đệm, 2,09 USD đầu ra. Không nêu ngày kết thúc.

• Mô hình — mistral-large-4, một mô hình hỗn hợp chuyên gia thưa (sparse mixture-of-experts) 1,05 nghìn tỷ tham số với 52 tỷ tham số hoạt động theo model card của chính Mistral và 49 tỷ theo cách đọc của Artificial Analysis, cộng với một bộ mã hóa thị giác 1,6 tỷ tham số. Đầu vào văn bản và hình ảnh, đầu ra văn bản.

• Ngữ cảnh — 1M token trên card của Mistral; 524,288 token trên cấu hình mà Artificial Analysis kiểm thử. Khoảng cách đó chính là sự khác biệt giữa giới hạn trần của nhà cung cấp và cửa sổ thực tế được phục vụ, và điều này quan trọng đối với giá cả vì một ngữ cảnh mà bạn không thể thực sự lấp đầy là một ngữ cảnh mà bạn sẽ không bị tính phí.

Một cái bẫy xứng đáng có riêng một câu. Trang giá công khai của Mistral vẫn còn một dòng ví dụ chung ghi rằng “Mistral Large có giá $0.5/M token đầu vào và $1.5/M token đầu ra.” Đó không phải dòng Large 4 — nó mô tả một mô hình cũ hơn, nhỏ hơn — và con số đó chỉ bằng khoảng một phần ba giá đầu vào thực tế và một phần tư giá đầu ra thực tế. Bất kỳ ai lập ngân sách dựa trên trang tiếp thị thay vì bảng giá của mô hình đều sẽ lệch gấp ba lần.

Chi phí thực tế của một tác vụ

Giá theo token là một đơn vị lập kế hoạch không phù hợp, vì vậy đây là cùng một thẻ ở dạng công việc.

Một lượt xử lý tài liệu: một triệu token đầu vào và 100.000 token đầu ra. Theo giá niêm yết, 1,36 đô la tiền đầu vào cộng 0,418 đô la tiền đầu ra — khoảng 1,78 đô la. Theo giá khuyến mãi, 0,68 đô la cộng 0,209 đô la — khoảng 89 xu. Cùng một công việc, giá gấp đôi, tùy thuộc vào một ngày mà chưa ai công bố.

Cùng một tác vụ với bộ nhớ đệm: nếu 80% đầu vào đó là tiền tố được tái sử dụng, phía đầu vào sẽ thành 0,8 × $0,14 + 0,2 × $1,36 mỗi triệu, tức là $0,384 thay vì $1,36. Đó là mức cắt giảm 72% ở dòng đầu vào và là đòn bẩy hữu ích nhất trên thẻ này — đó là lý do mức giá bộ nhớ đệm tồn tại ở mức một phần mười so với mức tiêu chuẩn.

Một lần chạy agent dài: một agent đọc lại lịch sử của chính nó ở mỗi lượt chính là kiểu khối lượng công việc mà cách định giá này đánh phạt. Năm mươi lượt, mỗi lượt 200.000 token ngữ cảnh, tức mười triệu token đầu vào nếu không có gì được lưu đệm, $13.60 theo giá niêm yết; với tiền tố được lưu đệm ở mức $0.14, con số này giảm còn $1.40 cộng với phần tăng thêm chưa được lưu đệm. Sự khác biệt giữa một agent tái sử dụng ngữ cảnh và một agent dựng lại ngữ cảnh còn lớn hơn sự khác biệt giữa Large 4 và một mô hình rẻ hơn.

Rồi còn có con số hoàn toàn không phải là giá. Mistral báo cáo ít hơn 47% token mỗi tác vụ so với một đối thủ tương đương trên chỉ số coding agent của Artificial Analysis. Nếu điều đó đúng với lưu lượng của bạn, nó làm thay đổi phép tính nhiều hơn bốn điểm trên bảng xếp hạng, vì bạn trả tiền cho token chứ không phải cho thứ hạng — và nó cộng dồn với chương trình khuyến mãi chứ không thay thế chương trình đó.

Dòng giấy phép thay đổi ý nghĩa của mức giá

Các trọng số đã ra mắt vào ngày 29 tháng 10: 54 phân đoạn safetensors, 1.060,6 GB ở định dạng bf16, không qua cổng kiểm soát, theo một tệp 2.632 byte có tên Mistral Ecosystem Open-Weight License, tự mô tả là một giấy phép MIT đã được sửa đổi. Phạm vi cấp phép rộng — sử dụng, sao chép, sửa đổi, phân phối, cấp phép lại, bán, huấn luyện thêm, triển khai, sử dụng thương mại, không có ngưỡng doanh thu, không có giới hạn người dùng.

Điều mà nó bảo lưu là một mô hình kinh doanh cụ thể. Điều khoản 2 yêu cầu bất kỳ ai “vận hành một doanh nghiệp Model as a Service” phải ký trước một giấy phép thương mại riêng với Mistral. Model-as-a-Service được định nghĩa là việc cấp cho bên thứ ba quyền truy cập vào mô hình để suy luận hoặc post-training theo cách cho phép bên thứ ba đó thực hiện quyền kiểm soát thực chất đối với đầu vào, tham số hoặc dữ liệu huấn luyện. Ba ngoại lệ đi kèm với định nghĩa đó, và chúng quan trọng hơn cả giới hạn: một sản phẩm mà năng lực mô hình được nhúng bên trong các tính năng cụ thể thì nằm ngoài định nghĩa; “việc chỉ chuyển tiếp yêu cầu đến các mô hình do bên khác lưu trữ” thì nằm ngoài định nghĩa; và việc sử dụng nội bộ, hoặc sử dụng thông qua các sản phẩm của chính Mistral, được miễn trừ.

So với bảng giá, điều đó tạo ra ba nhóm người mua khác nhau. Chạy các trọng số trong tổ chức của riêng bạn là được, và cái giá phải trả là phần cứng của bạn. Xây dựng một sản phẩm gọi mô hình là được, và cái giá là dòng API ở trên. Dựng một API trao cho khách hàng quyền truy cập trực tiếp vào mô hình là trường hợp sử dụng duy nhất cần một thỏa thuận thương mại — và không có mức giá trên mỗi token của nhà cung cấp nào cho bạn biết thỏa thuận đó tốn bao nhiêu.

Gọi tên nó so với sở hữu nó

Phép tính tự lưu trữ đáng được nói rõ một cách thẳng thắn vì "open weights" mời gọi một sự so sánh mà thường thua. Checkpoint bf16 là 1.060,6 GB trọng số trước khi bạn kịp cache dù chỉ một token trạng thái KV. Phiên bản cùng dòng NVFP4 là 610,1 GB và hướng dẫn của chính Mistral đặt nó trên bốn GPU B200 hoặc B300; công thức vLLM trong model card yêu cầu tensor parallelism bằng 8 với kiểu dữ liệu KV-cache FP8. Với gần như bất kỳ nhóm nào dưới quy mô hyperscale, bốn GPU Blackwell cộng với thời gian kỹ thuật để phục vụ một MoE nghìn tỷ tham số tốn nhiều hơn trên mỗi token hữu ích so với API được giảm giá.

Tự vận hành tại chỗ ở đây mang lại quyền kiểm soát — nơi lưu trú dữ liệu, sự chắc chắn về giấy phép, khả năng tinh chỉnh và phát hành các sản phẩm phái sinh — chứ không phải tiết kiệm. Đó là lý do trung thực để tải xuống 1.06 TB, và đó là bài kiểm tra cần áp dụng trước khi làm việc đó: hãy gọi tên thứ bạn đang mua, vì nó sẽ không phải là dòng chi phí theo token.

Những gì cần lên kế hoạch và những gì cần theo dõi

Hãy lập ngân sách theo giá niêm yết và coi khuyến mãi là phần tăng thêm, vì đó là phiên bản duy nhất của thẻ này mà bạn có thể bảo vệ trước người phê duyệt khoản chi. Khuyến mãi không có ngày kết thúc được công bố, nghĩa là nó có thể kết thúc mà không báo trước, và một kế hoạch dựa trên $0.68 sẽ không còn đúng vào một ngày mà không ai thông báo.

Sau đó hãy quan sát bốn điều, theo thứ tự mức độ chúng làm thay đổi con số: liệu cửa sổ nửa giá có đóng lại và đóng khi nào; liệu ngữ cảnh 1M có được phục vụ hay bị giới hạn trần trên thực tế, vì đầu vào được tính phí bám theo cửa sổ được phục vụ; liệu việc chuyển đổi NVFP4 có giữ được các điểm số đã công bố hay không, điều này quyết định liệu con đường hosting giá rẻ có thực hay không; và điều khoản 2 được thực thi như thế nào trong các trường hợp biên, vì “kiểm soát có ý nghĩa” đang gánh vác rất nhiều trong câu đó và không có án lệ nào đứng đằng sau nó.

Mistral Large 4 hiện không có trong danh mục của OrcaRouter hôm nay, nên đây không phải là tuyến chúng tôi có thể cung cấp. Điều chúng tôi cung cấp là bức tranh tổng thể: một endpoint tương thích OpenAI trên 224 mô hình với giá niêm yết của nhà cung cấp được chuyển thẳng ở mức markup 0%, nhờ đó thay đổi giá của nhà cung cấp — kể cả khi một chương trình khuyến mãi kết thúc — được áp dụng ngay trong ngày công bố thay vì vào lần gia hạn hợp đồng tiếp theo. Và khi một mô hình mới như vậy chưa được chứng minh với lưu lượng của chính bạn, chuyển đổi dự phòng tự động là cách rẻ nhất để đưa nó ra sau các yêu cầu thực tế mà không đặt cược đường dẫn sản xuất vào một endpoint duy nhất.