Mistral Large 4 定價：輸入 $1.36、輸出 $4.18，另有無截止日期的半價優惠

Mistral Large 4 在開放權重市場中，擁有最清楚的價目表之一，也擁有最不清楚的實際價格之一。公佈的價格是每百萬輸入 token 1.36 美元、每百萬快取輸入 0.14 美元，以及每百萬輸出 4.18 美元。與此同時，Mistral 的定價頁面還有一項上市促銷，將同樣這三項價格劃掉，改為 0.68 美元、0.07 美元與 2.09 美元——每一項都是半價——但我們能找到的任何地方都沒有公佈結束日期。因此，今天一次 API 呼叫的價格大約是牌價的一半，而除了 Mistral 之外，沒有人能告訴你這種情況何時會結束。

那個單一的模糊之處，對預算的價值比 Large 4 與任何競爭對手之間的差距還高，因為單一預算項目上 50% 的波動，大於大多數模型選擇的差異。以下所有內容都是為了讓你為促銷結束的那一天預作規劃，而不是被它殺個措手不及。

這張卡片，以及那些令人困惑的數字從何而來

摘自 Mistral 自家定價頁面，2026 年 10 月 29 日：

• 輸入 — 每百萬個 token $1.36。

• 快取的輸入 —每百萬個詞元 $0.14，約為輸入價格的十分之一。

• 輸出 — 每百萬個 token $4.18。

• 上線推廣活動——輸入 $0.68、快取 $0.07、輸出 $2.09。未說明結束日期。

• 模型 —mistral-large-4，一個擁有 1.05 兆參數的稀疏混合專家模型，依 Mistral 自家技術文件為 520 億個活躍參數，而依 Artificial Analysis 的解讀則為 490 億個，另加上一個 16 億參數的視覺編碼器。輸入文字與圖像，輸出文字。

• 上下文——Mistral 標示的 100 萬個 token；而 Artificial Analysis 測試的配置則為 524,288 個 token。這個差距，正是廠商標示上限與實際服務視窗之間的落差，而這對定價有影響，因為你實際上填不滿的上下文，就不會向你計費。

有一個陷阱值得單獨用一句話來說。Mistral 的公開定價頁面仍有一行通用範例文字寫著：「Mistral Large 的輸入費用為每百萬個 token 0.5 美元，輸出費用為每百萬個 token 1.5 美元。」那不是 Large 4 的那一列——它描述的是較舊、較小的模型——而且它大約是實際輸入價格的三分之一、實際輸出價格的四分之一。任何依據行銷頁面而非該模型價目表來編列預算的人，都會出現三倍的落差。

一項任務的實際成本

以 token 為單位的價格並不利於規劃，所以這裡用「工作量」來呈現同一張卡片。

一次文件處理：一百萬個輸入 token 與 100,000 個輸出 token。依定價，輸入 $1.36 加輸出 $0.418——約 $1.78。依促銷價，$0.68 加 $0.209——約 89 美分。同樣的工作，兩倍的價格，全看一個沒有人公布過的日期。

使用快取後的同一項工作：若該輸入中有 80% 是可重用的前綴，則每百萬 token 的輸入端成本會變成 0.8 × $0.14 + 0.2 × $1.36，也就是 $0.384，而非 $1.36。這相當於在輸入項目上削減了 72%，也是這張卡上最有用的一個槓桿——這正是為什麼快取費率會以標準費率的十分之一存在。

一次長時間的代理執行：一個在每一回合都重新讀取自身歷史的代理，正是這套定價所懲罰的工作負載。五十個回合、每回合 200,000 個上下文 token，若完全沒有快取，就是一千萬個輸入 token，按定價表為 $13.60；若前綴已快取，以 $0.14 計，則降至 $1.40，再加上未快取部分的增長。一個會重複使用上下文的代理，與一個會重建上下文的代理，其差異大於 Large 4 與更便宜模型之間的差異。

接著還有一個根本不是價格的數字。Mistral 在 Artificial Analysis 的程式碼代理指數上回報，每個任務所用的 token 比可比的競爭對手少 47%。如果這在你的流量上也成立，它對計算結果的影響會超過排行榜上的四點，因為你付費買的是 token，而不是排名——而且它會與促銷疊加，而不是取代促銷。

改變價格含義的那行授權說明

權重於 10 月 29 日釋出：54 個 safetensors 分片，bf16 格式共 1,060.6 GB，不設存取門檻，附帶一份 2,632 位元組、名為 Mistral Ecosystem Open-Weight License 的檔案，該檔案自稱是修改版 MIT 授權。授予的權利範圍廣泛——使用、複製、修改、散布、再授權、販售、進一步訓練、部署、商業使用，沒有營收門檻，也沒有人數上限。

它所保留的是某一種特定商業模式。第 2 條要求任何「經營模型即服務（Model as a Service）業務」的人，必須先與 Mistral 另行簽訂商業授權。模型即服務（Model-as-a-Service）的定義是：讓第三方得以存取該模型以進行推論或後訓練，且其方式使該第三方能對輸入、參數或訓練資料行使有意義的控制。這項定義旁另有三項除外條款，而它們比該限制本身更重要：模型能力內嵌於特定功能中的產品不在該定義範圍內；「僅將請求轉送至由他人託管的模型」不在其範圍內；內部使用，或透過 Mistral 自家產品使用，則可豁免。

對照價目表來看，這會產生三種不同的買家。在自己的組織內部執行權重沒問題，代價就是你的硬體。打造一個呼叫該模型的產品也沒問題，代價就是上方那條 API 項目。架設一個讓客戶直接原始存取該模型的 API，則是唯一需要商業協議的用途——而沒有任何供應商的每 token 價格能告訴你那份協議要花多少錢。

「宣稱」與「擁有」

自行託管的成本盤算值得直說，因為「開放權重」往往會引人做出通常會吃虧的比較。bf16 檢查點光是權重就有 1,060.6 GB，而且這還是在尚未快取任何一個 KV 狀態 token 之前。NVFP4 版本則是 610.1 GB，而 Mistral 自家的指引建議將它放在四張 B200 或 B300 GPU 上；模型卡中的 vLLM 配方則要求張量平行度為 8，並採用 FP8 KV 快取資料型別。對幾乎所有未達超大規模的團隊而言，四張 Blackwell GPU 再加上服務兆級參數 MoE 的工程時間，攤算下來每個有效 token 的成本仍高於折扣後的 API。

在這裡自架換來的是控制權——資料駐留、授權確定性、微調並推出衍生版本的能力——而不是節省成本。這才是誠實下載 1.06 TB 的理由，也是動手前該套用的檢驗：說出你買的是什麼，因為那不會是每 token 的費用項目。

該規劃什麼，以及該留意什麼

以牌價編列預算，並把這項優惠視為額外利多，因為這是這張卡唯一能向支出簽核者說得通的版本。這項優惠沒有公布結束日期，代表它可能無預警終止；而建立在 $0.68 上的計畫，會在某個沒有人宣布的日子裡失效。

接著按它們改變數字的幅度排序，注意四件事：半價窗口是否關閉以及何時關閉；1M 上下文在實務上是否真的提供，還是會受到上限限制，因為計費輸入取決於實際提供的窗口；NVFP4 轉換是否能維持已公布的分數，這決定低成本託管路徑是否真實可行；以及第 2 條在邊緣案例中如何執行，因為「實質控制」在該句中承擔了大量分量，且背後沒有判例法支持。

Mistral Large 4 目前不在 OrcaRouter 的目錄中，因此這不是我們能提供的路由。我們提供的是整體架構：一個相容 OpenAI 的端點涵蓋 224 個模型，並以 0% 加價原樣轉嫁供應商定價，因此供應商價格變動——包括促銷結束——會在公告當天生效，而不是等到下一次合約續約才反映。而當這麼新的模型尚未在你的實際流量中驗證過時，自動容錯移轉是最便宜的方式，能讓它承接真實請求，又不必把生產路徑押在單一端點上。