Mistral Large 4 对比 Qwen3-Max：便宜的模型才是上下文窗口更小的那个

价格差距的走向与规模差距相反，这正是这组对比的有趣之处。Qwen3-Max每百万输入 token 收费 0.36 美元，输出收费 1.43 美元——是 Mistral Large 4 标价输出价格的四分之一，约为其促销价格的三分之一。它支持 262K token 的上下文，输出上限为 65K token。Mistral Large 4 声称支持 1M 上下文，在测试配置中实测为 524,288，并且单次回答最多可生成这么多内容。

所以，便宜模型就是小窗口模型，而这是否重要完全取决于你给它发送什么。

卡片

• Qwen3-Max —输入每百万 $0.36，输出每百万 $1.43；262K 上下文；最大输出 65K。

• Mistral Large 4 —输入 $1.36，缓存 $0.14，输出 $4.18；以 $0.68 / $0.07 / $2.09 的价格推广。宣称支持 1M 上下文，实测 524,288；1.05 万亿参数，520 亿活跃参数，并配备 16 亿参数的视觉编码器。

• 比率——按标价计算，Mistral 在输入上是 Qwen 的 3.8 倍，在输出上是 2.9 倍；按促销价计算则分别为 1.9 倍和 1.5 倍。

这两个比率是同一产品的两种描述方式，而只有其中一个能在结束日期无人确定的促销活动结束后依然成立。

262K 究竟在何处形成瓶颈

二十六万二千个 token 大约相当于 20 万个单词。一个中等规模的代码库、一整套冗长的合同文本、一份长达数小时的转录稿——这些都会越过这条线。而单份文档、一段聊天记录、一个 agent 的工作集——这些大多不会。诚实的判断方式是测量你输入长度的第 95 百分位数，并将其与上限相比较，而不是与平均值相比较；平均值从来不起约束作用，起约束作用的永远是尾部。

输出上限实际触发的频率远超人们的预期。65,000 个 token 大约相当于 50,000 个单词，而任何单次请求生成长篇报告、大型代码文件或完整转录内容综合，其规模都会逼近这一上限。Mistral 实测的 524K 窗口是其八倍——这正是单次调用与分块流水线之间的差别，而分块流水线所耗费的工程时间，是任何按 token 计价的方式都无法体现的。

价格差异实际上换来了什么

分别用两张卡处理一百万输入 token 和 100,000 输出 token。Qwen3-Max：0.36 美元加 0.143 美元——约 50 美分。Mistral 按标价：1.36 美元加 0.418 美元——1.78 美元。促销时：89 美分。

因此，在相同任务上，旗舰模型的成本是更便宜模型的1.8倍到3.6倍，而它换来的是近乎四倍大的上下文、八倍大的输出上限、通过一个16亿参数编码器实现的原生图像输入、公开的权重，以及一份你能读懂的许可证。至于这在当前任务上是否值1.28美元，这是关于任务本身的问题，而不是关于市场的问题。

有一点是对比没有捕捉到的：Mistral 公布了 0.14 美元的缓存输入项，而按我们的解读，Qwen3-Max 的卡片上并没有对应项。对于每一轮都会重新发送稳定前缀的 agent 来说，缺失的这一行可能比标价差异更有价值——而且在测试两者时，这是首先要测量而不是假设的事情。

哪一个应该路由到哪里？

Qwen3-Max 可在 OrcaRouter 上按其公布费率调用，使用与包含 224 个模型的目录相同的 OpenAI 兼容端点，并支持自动故障转移。Mistral Large 4 不在该目录中；它通过 Mistral 自有 API 和第三方托管方运行。

卡片所支持的路由规则很简单：短输入、短输出、高吞吐量的工作交给 36 美分模型，因为没有任何上限构成约束，价格是唯一的变量。长尾中的任何任务——完整文档、大型代码库、单次调用生成——都交给窗口更大的模型，因为更便宜的那个模型会拒绝这项工作，而不是给它打折。

如果你是根据促销价格数字来选择 Mistral，请记住本页所比较的内容：按标价计算，与 Qwen 相比，输入侧的比率接近四比一，而不是二比一。