MIDM K 3.0 Pro 对比 Mistral Large 4：26 分的门槛与 70 美分的价格

Mistral Large 4 在 Artificial Analysis Intelligence Index 上得分 26。对于万亿参数旗舰模型来说，这个数字不算高——比同规模开放权重模型的中位数 23 高三分，比 GPT-6.1 Sol 的 55 低二十九分——而它是本次比较中最有用的一个事实，因为这是 KT 的 MIDM K 3.0 Pro 或许真能突破的上限。本博客上其他每一场廉价模型对决，都是让一个未经测量的新来者对阵得分在四十多或五十多的模型，其中有趣的问题是差距有多大。而在这里，被测量的一方是可以被击败的。MIDM K 3.0 Pro 于 2026 年 10 月 29 日发布，价格为每百万输入 token 0.20 美元、输出 0.80 美元，但完全没有得分；Mistral Large 4 于 10 月 6 日发布预览版，并在当月月底前开放权重，得分为 26，每项指数任务实测成本为 2.06 美元，输出速度为每秒 117 个 token。这一次，“我们不知道”描述的是一个真正悬而未决的问题，而不是“可能更差”的委婉说法。

一家发布了模型权重，另一家发布了价目表

两次发布相隔仅几天，方向却截然相反，这也解释了两款产品。根据公司自己的发布文章，Mistral 于 10 月 6 日将 Mistral Large 4 投入公开预览，并在当月结束前放出检查点，又经过三周强化学习，Terminal-Bench 4.0 提升 13 分，并新增了低推理档位。KT 于 10 月 29 日推出 Token Factory，以 MIDM K 3.0 Pro 作为其主打的韩国本土模型。一家公司在月末将其旗舰模型免费开放；另一家则在月末售卖一款韩国境外无人能下载的模型的访问权限。

Mistral Large 4 是一个原生多模态混合专家模型：总参数 1.05 万亿，活跃参数 520 亿，外加一个 16 亿参数的视觉编码器，可输入文本和图像并返回文本。Mistral 的文档将上下文窗口标为 100 万 token，Artificial Analysis 也在同样的 100 万窗口上进行测量，因此与本批次大多数厂商声明不同，它得到了佐证，而不仅仅是断言。权重依据 Mistral Ecosystem Open-Weight License 发布，该许可证允许商业使用但附带限制——这正是大多数报道所跳过的“开放”部分。

MIDM K 3.0 Pro 在几乎所有方面都截然相反。总参数 1200 亿，激活参数 120 亿，融合 Mamba、混合专家和注意力层的混合架构，是面向服务成本而非能力的设计；纯文本输入输出，完全没有视觉通路；上下文长度为 261,795 个 token；且不开放权重。KT 的差异化优势不在于模型，而在于交付方式：韩国本土基础设施、韩元计费，以及一个专为无法将 token 发送到境外的企业打造的平台。

• 参数 — Mistral Large 4 总参数 1.05T，激活参数 52B，外加一个 1.6B 视觉编码器；MIDM K 3.0 Pro 总参数 120B，激活参数 12B

• 模态 — Mistral Large 4 支持文本和图像输入；MIDM K 3.0 Pro 仅支持文本

• 上下文 —— Mistral Large 4 为 1M tokens，Mistral 的文档与 Artificial Analysis 的上下文窗口测试均已确认；MIDM K 3.0 Pro 记录为 261,795。

• 权重 — 于 2026 年 10 月底前根据 Mistral Ecosystem Open-Weight License 发布，而对照方无。

• 标价——Mistral Large 4 为每百万输入 $0.70 / 输出 $2.10，相比之下为 $0.20 / $0.80

• 今日生效价格——MIDM K 3.0 Pro 为 $0.14 / $0.56，而 KT 的折扣持续至11月30日，相比之下 Mistral 统一为 $0.70 / $2.10

• 独立索引——26 项，对方为 0

• 每个索引任务的成本 — 2.06 美元，对比项未测量

定价时，26 实际上意味着什么

指数得分不高并不等于模型无用，而 Mistral Large 4 的其他测量指标正是这样说的依据。其输出速度为每秒 117 个 token，约为 GPT-6.1 Sol 实测 56 的两倍，也是 Kimi K3.1 Pro 的 32 的三倍多；并且以每个指数任务 11.7 分钟的成绩，直接胜过其类别 13.1 分钟的中位数。其每任务 2.06 美元从绝对值来看并不便宜，但更重要的数字是它下面的那个：GPT-6.1 Sol 每任务成本 1.27 美元，得分为 55，因此 Mistral Large 4 以约为击败它的模型 1.6 倍的价格，提供了大约一半的能力。这就是做一个速度快、每 token 便宜但消耗大量 token 的模型所面临的尴尬算术。

现在拿 MIDM K 3.0 Pro 的价格来和它对比。按 $0.14 和 $0.56 计算，其输入价格是 Mistral Large 4 的 $0.70 输入费率的五分之一，输出价格是其 $2.10 输出费率的四分之一；而在 11 月 30 日之后，价格会稳定在 $0.20 和 $0.80——输入价格略低于 Mistral 的三分之一，输出价格略高于三分之一。如果 MIDM K 3.0 Pro 的得分接近 26，那么对于所有不需要视觉能力或百万 token 上下文窗口的工作负载来说，它都是更划算的选择。如果得分在十几分，那么这个便宜五倍的价格买到的就是一个确实更弱的工具，比较也就归结为“用便宜的那个做打标，用快的那个做其他所有事”。

令人不安的是，目前没有人能区分这两种情况。KT 尚未公布 MIDM K 3.0 Pro 的基准测试结果。Artificial Analysis 列出了 KT 较早的 Mi:dm K 2.5 Pro，但从未为其填写智能得分，也完全没有收录这款模型。该模型页面只是一份规格表、一张价格表、一个发布日期和一张实时延迟图表——而且那张图表自相矛盾：提供商一行报告每秒 19.98 个 token，而正上方的三日中位数平均值却是 62.93。

许可问题，而不是开放权重问题

Mistral Large 4 的权重可下载，并不意味着可以免费提供服务。该检查点已发布，而 Mistral 的条款要求，超过一定门槛的商业托管需获得许可证——这就是“开放权重、受限托管”模式，它已成为欧洲实验室的标准做法，也是为什么对大多数团队来说，实际选择仍然是供应商的 API。权重为你换来的是一条退出路径：如果 Mistral 调整定价，或欧盟数据驻留规则发生变化，模型不会消失。

MIDM K 3.0 Pro 根本没有退出通道。它是单一提供商上的封闭 API，而 KT 自己的平台文档明确说明，单一提供商模型不会获得其自动路由。如果端点降级，就没有第二个可调用的地方，也没有可回退的检查点。KT 用来替代这一点的是司法辖区——Token Factory 的整个卖点就是境内处理、韩语能力和韩元结算——而对韩国企业来说，这不是营销话术，而是该模型存在的理由。

所以，许可证比较实际上是一个关于你承担何种风险的问题。使用 Mistral Large 4，你承担的是能力风险（26 并不算高），但没有供应商风险。使用 MIDM K 3.0 Pro，你不仅要完全承担能力风险，还要额外承担供应商风险，换来的是这一价位区间内其他方案都无法提供的价格和司法管辖区。

三个工作负载，三个答案

与其给出一个结论，更有用的是指出每款模型在哪些场景下是显而易见的选择，因为价格差距足够大，答案会不止一次发生反转。

从扫描的韩文纸质文件中提取文档是 MIDM K 3.0 Pro 的拿手好戏，而且优势毫无悬念。这项工作是输入文本、输出结构化数据，数据量很大，而 261,795 个 token 的窗口绰绰有余。按每百万输出 token 0.56 美元计算，整条流水线的成本低于它写入的存储成本，而 Mistral Large 4 的视觉编码器无关紧要，因为 OCR 已经在上游完成了。

截图分诊、图表解读，以及其他任何输入为图像的任务，都是 Mistral Large 4 的用武之地，而 MIDM K 3.0 Pro 根本无法涉足。对于视觉任务而言，纯文本模型并不是更便宜的选择；它根本就不是一个选项。

长上下文工作——一个 40 万 token 的代码库、一份完整的监管申报文件——取决于一个数字，而不是偏好。Mistral Large 4 拥有 100 万 token 的窗口，其文档和实测配置都对此一致，这已经足够。MIDM K 3.0 Pro 止步于 261,795，并且会返回错误，而不是降级答案。

最棘手的第四种情况，恰恰是大多数团队实际面临的：20 万 token 以下的高通量文本工作，质量很重要，而体量又让价格差距成为决定性因素。正是在这里，缺失的评分会带来真金白银的损失，因为判断错误的团队要么在一年里多付十倍的钱，要么上线一条悄无声息地表现不佳的流水线。

如何购买答案而不是靠猜

有一个便宜的解决办法。从你自己的日志中取两百条请求，配上已知良好的输出，让两个模型都跑一遍，再用你们团队已经在用的任何评分标准打分。按 MIDM K 3.0 Pro 的费率，这只要几分钱；而在 Mistral Large 4 上，考虑到它很大的 token 消耗量，也就几美元。两天的工作就能换来一个比任何指数都更相关的数字，因为它是在你的数据分布上测出来的。

对 Mistral 这边来说，实际的关键细节是：当价目表在你脚下变动时，加价造成的损害最大——把促销价当成标价来读，就会变成一张在无人发货的情况下翻倍的账单。Mistral Large 4 可通过 Mistral 自己的 API 和若干第三方平台访问；它不在我们的目录中，我们也不做它的路由。我们对确实路由的 200 多个模型所采用的纪律，也正是让促销及时可见而不是迟到的同一条纪律：供应商标价按 0% 加价透传，因此供应商一变，当天就能落地，而不用等经销商察觉。MIDM K 3.0 Pro 也不在我们的目录中；它由 KT 的 Token Factory 提供服务，而对那一边，诚实的建议是：趁着 30% 折扣持续到 11 月 30 日，用 KT 自己的密钥试用它。

归根结底，这场比较的核心在于：Mistral Large 4 是一个已知量，分数不算高，token 输出速度快；而 MIDM K 3.0 Pro 则是一个便宜的未知数，需要跨越的门槛异常低。26 并不是一个很高的数字。一个总参数 1200 亿、激活参数 120 亿的模型有可能达到它——韩语基准对接受过韩语训练的模型更友好，而 KT 自 2023 年以来一直在打造这个系列。它也可能差得很远，而目前 KT 之外的任何人都无从得知。买家应该计入考量的，是这种不确定性，而不是价格。