Mistral Large 4 与 Muse Spark 1.2：25 美分的价格差距与 3 秒的延迟差距

这是本站价格最接近的一对，也让选择变得异常清晰。Mistral Large 4 的标价是每百万输入 token 1.36 美元，输出为 4.18 美元；Muse Spark 1.2则为 1.25 美元和 4.25 美元。输入方面 Mistral 贵 9%，输出方面则便宜 2%。两个方向上这都只是四舍五入级别的误差，意味着价格无法决定此事，只能由其他列来定夺。

他们的分歧立刻显现。Muse 在 3.03 秒内返回首个 token；Mistral Large 4 是拥有万亿参数的 MoE 模型，没有可比的已服务实测数据，而根据该级别所有模型的证据来看，它更慢。Muse 接受文本、图像、视频、文件和音频；Mistral 接受文本和图像。Mistral 公开其权重；Muse 不公开。

这些卡片

• Mistral Large 4 —输入 $1.36，缓存 $0.14，输出 $4.18；以半价推广，未公布结束日期。1.05 万亿参数，520 亿激活参数，16 亿参数的视觉编码器。声称 100 万上下文，实测 524,288。权重公开，1,060.6 GB bf16，采用 Mistral Ecosystem Open-Weight License。

• Muse Spark 1.2 —输入 $1.25，输出 $4.25；100 万 token 上下文；输入支持文本、图像、视频、文件和音频；输出为文本；首个 token 耗时 3.03 秒。我们查阅的页面上未公布输出上限，也未公开权重。

有两处不对称值得精确指出。Muse 接受视频、音频和文件，而 Mistral 接受图片和文本——这是更宽的输入面，而非更高的分辨率。此外，Mistral 的输出窗口经实测为 524,288 个 token，而 Muse 的最大输出未作说明——这是对比中的一处空白，而非不对称的证据。

唯一一个不接近的数字

延迟。3.03 秒的首个 token，而同类模型通常要慢上好几秒，这决定了产品给人的感觉是即时响应，还是慢条斯理。在二十轮的智能体循环中，这意味着每个任务要差上数十秒；在聊天界面中，这就是用户对这款产品感知质量的全部。

反驳的理由在于用量：Mistral 那条 $0.14 的缓存输入定价，会对重复前缀给予折扣，而 Muse 的价格表并未公布这一点。对于一个每一轮都要重发同一段稳定系统提示词的智能体来说，这一条的价值可能超过 4 秒延迟差距所带来的代价——而且它花一个下午就能测出来，不必在讨论帖里争辩。

又是许可证

Mistral 的权重可根据许可证下载，该许可证允许商业使用、修改、分发和进一步训练，仅将模型即服务（model-as-a-service）留作需另行签订协议。Muse Spark 1.2 没有可下载的检查点。如果必须在你自己的边界内运行模型，那么 25 美分的价差就无关紧要，而 Mistral 仅凭其存在便已胜出。

如果它不是一项要求，许可证就是可以忽略的一列，决策便归结为延迟和输入面。

按任务

100 万个输入 token 和 10 万个输出 token。Muse：1.25 美元加 0.425 美元——合计 1.68 美元。Mistral 按标价：1.78 美元。促销时：89 美分。

因此，按标价计算，两者的价格相差 6%，而促销活动使 Mistral 的价格只有 Muse 的一半。这是这一比较中唯一一种标价能起决定作用的情形——而它取决于一项没有结束日期的折扣。

运行什么

Muse Spark 1.2 在 OrcaRouter 上按供应商公布的价格提供，通过一个具备自动故障转移的 OpenAI 兼容端点，与另外 223 个模型一同提供。Mistral Large 4 不在该目录中；它通过 Mistral 自有 API 和第三方托管商运行。

路由规则：音频和视频输入交给 Muse，图像和文本工作则交给两者中你自己的测量表明能以更少 token 完成任务的哪一个。在 2% 的价格差距下，这项测量是唯一还能决定此事的东西。