Muse Wonder 与 Mistral Large 4.0：已发布模型与仍处预览阶段模型的对比

关于 Muse Wonder 与 Mistral Large 4.0 的对比，首先要说的一句实话是：两者之中只有一个已经完成。Meta Superintelligence Labs 于 2026 年 10 月 12 日将 Muse Wonder 推向商业 API：每百万输入 token 4.00 美元，每百万输出 token 20.00 美元，1,048,576 token 的上下文窗口，以及 52 分的 Artificial Analysis Intelligence Index。Mistral AI 于 2026 年 10 月 6 日——早了六天——将 Mistral Large 4.0 投入公开预览：每百万输入 1.36 美元、输出 4.18 美元，独立指数为 38.4，未发布权重，没有具名许可证，还有一个 Mistral 并未记录在案的输出上限。下文所述本周均属实，而其中一部分预计在 11 月之前将不再属实，因为 Mistral 已表示权重会在本月底发布。

十四点，以及它们的代价

综合差距是本系列中最大的，也是页面上最没意思的数字。两个数字都来自 Artificial Analysis 同一修订版的指数，因此可以直接比较：

智能指数 — Muse Wonder (max) 52，在 219 个模型中排名第九；Mistral Large 4 Preview 38.4，在 225 个模型中排名第六十四

• 标价 — Muse Wonder 每百万 $4.00 输入 / $0.20 缓存 / $20.00 输出；Mistral Large 4.0 $1.36 输入 / $0.14 缓存 / $4.18 输出

• 每个索引任务的成本——Muse Wonder 约 4.52 美元；Mistral Large 4.0 约 1.13 美元，是它的四分之一

• 索引运行中的输出 token——Muse Wonder 约 1.3 亿；Mistral Large 4.0 约 2 亿

• 上下文窗口 — Muse Wonder 标称并实际提供 1,048,576 tokens；Mistral Large 4.0 在 Mistral 文档中为 1,048,576，而独立评估方所读取到的为 524,288

• 参数 — Muse Wonder 未披露；Mistral Large 4.0 总参数量 1.05 万亿，每个 token 激活 490 亿，外加一个 16 亿参数的视觉编码器

• 权重 — Muse Wonder 为专有，未公开任何内容；Mistral Large 4.0 目前为专有，承诺于 2026 年 10 月底前开放

4 倍的成本比才是真正的决策点，而且它不像本系列中的某些组合那样，会被指数差距所缓和。Muse Wonder 使用的 token 更少，却仍然高出 14 分，因此这一价格差异确实买来的是能力，而不是冗长。但 38.4 的指数得分并不是一个差模型——它大致相当于一个合格的中端推理模型所处的位置——而买家真正面对的问题是，十四分的能力是否值得让一条处理大量 token 的流水线的运行成本增至四倍。

对于大多数高吞吐量工作来说，并非如此。对于智能体编程和长周期专业任务，Mistral Large 4.0 的预览版得分太低，以至于更便宜的模型算不上真正的替代品；厂商自己给出的数据显示，它在 Terminal-Bench 4.0 上得分 28.3，在其综合 Coding Agent Index 上得分 49.8，这与 Meta 为 Muse Wonder 公布的终端数字属于不同级别的结果。

预览条款

Mistral 自己的文档目前无法就这一模型自圆其说，而今天写就的对比也会继承这一点。

• Mistral 的文档称上下文窗口为 100 万 token，而 Artificial Analysis 读取到的却是 524,288——相差整整一倍，至今悬而未决。

• 活跃参数数量在某些 Mistral 界面上显示为 490 亿，而在另一些界面上则显示为 520 亿。

• 未指明任何许可证。Mistral 自己的材料将该发布标记为“开放”，但未具体说明，而评估器将其标记为专有，且未填写许可证字段。Mistral Large 3 曾采用 Apache 2.0；而这一版本尚未采用任何许可证。

• 最大输出长度没有文档说明。

• 发布促销价——输入 $0.68、输出 $2.09，仅为标准费率的一半——在 Mistral 的定价页面上已被划掉，这意味着该优惠即将结束。

这些都不是丑闻。它们正是预览版从外部呈现出的样子：一个服务配置仍在变化的模型，以更少的预告发售，可能以比正式发布版更短的周期被重新定价或退役。Muse Wonder 有其自身尚未解决的问题——仅限订阅的 Full checkpoint、没有人在生产环境中测试过的 Active Memory 功能——但它的价目表、上下文窗口和端点是已确定的事实，而不是当前的最佳解读。

对于任何把这两者相互进行基准测试的人来说，实际后果就是 Mistral 那一列会变化。预览模型的分数会在同一测试框架的不同修订版之间发生变化，而厂商不会发布任何公告；因此，针对某个预览数字调优过的工作负载，应当被视为是在针对一个不断移动的目标进行调优。

Mistral Large 4.0 有而 Muse Wonder 没有的地方

两件事，而且两者都是具体的，而非渐进式的。

第一点是主权部署，而这属于采购层面的答案，而非基准测试层面的答案。Mistral 在自有欧洲数据中心、基于欧洲硬件训练并提供该模型——发布资料提到 3,800 块 NVIDIA Grace Blackwell GPU 以及 30 亿欧元的 D 轮融资——并且它原生支持约 160 种语言，涵盖所有欧盟官方语言。对于欧洲公共部门或受监管的买家而言，这常常就是决定一切的因素，而 Muse Wonder 无论价格如何都不会参与其中。Meta 的模型由 Meta 提供服务，并遵循 Meta 的条款。

第二项是安全工作，在这方面 Mistral 的说法异常具体。该厂商报告称，在复现并修补一个真实开源漏洞的任务上达到 82%，并将其描述为所有受测模型中的最高分；同时在一个包含 40 项挑战的网络安全套件中达到 93%。它进一步声称，Claude Opus 5.5 和 GPT-6 Astra 在同一测试中得分接近零，因为它们拒绝执行该任务。这些都是厂商报告的关于 Mistral 自家模型的数据，而拒绝一说也是厂商对两个竞争对手行为的描述——两者都应视为说法。不过，如果这些数字即使只是大致成立，那么有一类防御性安全和补丁生成工作，其中指数为 38.4 的模型比指数为 52 的模型更有用，而这是一种综合得分无法体现的倒置。

在代码质量方面——以人类的评判为准，而非自动化评测框架——Surge AI 进行的一次盲评中，标签被隐藏，由专业标注员打分，Mistral Large 4.0 在五分制下获得 3.74 分，在受测的五款模型中位列第二——领先于 Kimi K3 的 3.59，落后于 Claude Opus 5 的 4.22。这是一个微小但真实的信号，表明综合评分低估了该模型在代码上的表现，而这类数字正是厂商的表格里从来不会出现的。

欧洲问题，以及路由问题

Mistral Large 4.0 不在 OrcaRouter 的目录中。我们这边没有针对该模型的 mistral 路由，本页面也不会暗示存在这样一条路由——该预览版目前运行在 Mistral 自有平台、其 Studio API 以及若干第三方平台上。Meta 的 Muse Wonder 同样不属于我们：它运行在 Meta Model API 和 Muse Code 上，meta/muse-wonder在我们的目录中也没有对应条目。

这里真正可路由的，是两个决策之下的那一层。Muse Spark 1.2——这个家族所源自的那个更大的 Meta checkpoint——在目录中的价格是输入 $1.25、输出 $4.25 每百万 token，窗口为 1,048,576 token，缓存读取 $0.15。而把这两项对比放在同一个端点上来做的理由是：两者都还不是板上钉钉的采购——Mistral 的预览版会随着权重落地、许可正式命名而发生变动，而 Meta 的 Full checkpoint 则未必会获得 API 通路。服务商标价按 0% 加价原样透传，所以当某家供应商给预览版重新定价时——正如 Mistral 那条被划掉的发布价格最终也会发生的那样——我们这边的数字当天就会变动，而不是等到下一个计费周期。路由 DSL 与自动故障转移正是为这类对比所具有的形态而生：一种你想在尚未定型的模型上试一试、却又不愿把生产路径押上去的工作负载。

在已完成模型和未完成模型之间做选择

• 当部署必须落在欧洲、当需要覆盖多种欧盟语言，或当工作属于防御性安全与补丁生成时，就选 Mistral Large 4.0。在这三种情况下，指数差距都是不合适的衡量工具。

• 当每项任务成本是约束条件时，选择 Mistral Large 4.0。每项索引任务 1.13 美元，而对比值为 4.52 美元，它的成本仅为后者的四分之一，是本系列中最便宜的；对于大批量分类、抽取和摘要，它更是遥遥领先。

• 不要像对待最终数据那样，基于 Mistral Large 4.0 的预览数据来构建。一个连上下文窗口和参数数量在该厂商自家页面上都仍有出入的模型，其基准测试栏也会发生变化。

• 当任务是智能体式、长周期的工作，当输入是语音或视频，或者当输出需要很长时，就选择 Muse Wonder——Meta 单次响应 943,718 个 token 的上限在这里没有对应项，因为 Mistral 并未记录过类似的上限。

• 当你当下就需要这种能力并愿意为其支付四倍价格时，选择 Muse Wonder。在 GA 端点、费率卡已定的情况下，十四点的指数差距，既是为分数，也是为确定性支付的溢价。

这一组合之所以难以得出明确结论，原因在于这两个模型争夺的并非同一笔采购。一个是前沿模型，拥有已公布的价目表，但功能集尚未完成；另一个是更便宜、具备主权属性、仍在成形中的模型，其许可证尚不存在。三周后，Mistral Large 4.0 可能会成为两者中更有意思的那个——在具名许可证下开放权重，将改变上文每一个段落。眼下，两者中只有一个是你能够真正承诺采用的。