Mistral Large 4 對決 Llama 4 Maverick：是世代差距，而非價格差距

Mistral Large 4 和 Llama 4 Maverick 是同一類物件，而不是同一世代的物件。兩者都是稀疏混合專家模型，模型卡上標示的上下文視窗皆為一百萬個 token，兩者都同時接受圖像與文字，也都能下載並在自己的硬體上執行。Maverick 於 2025 年 4 月 5 日推出，總參數為 4,000 億、活躍參數為 170 億。Mistral Large 4 於 2026 年 10 月 6 日預覽，並於 10 月 29 日公布權重，總參數為 1.05 兆、活躍參數為 520 億。兩者相隔十九個月。以 Maverick 託管市場的中位價格計算，兩者成本也只相差約 1.3 倍；這幾乎不是任何人談到那麼舊的模型時，預期會聽到的說法。

簡短的回答，在注意事項之前

如果你在2026年底要展開一項新專案，而且需要推理、長文件處理或代理式程式編寫，Mistral Large 4 是更好的模型，也是更昂貴的那一個。如果你需要的是一個開放權重模型，可以微調、可以在氣隙環境中運行，或者在簡單的抽取任務上以每請求不到一美分的成本呼叫，Llama 4 Maverick 仍是站得住腳的選擇——不是因為它在能力上具競爭力，而是因為那項工作負載可能根本不需要能力。真正的錯誤，是把19個月的差距當成一場較勁。那是一個恰好同屬一個類別的價格層級，而價格那部分比能力那部分更奇怪。

數字並排

• 總參數量——Mistral Large 4 為 1.05T，分布於 128 個路由專家加上一個共享專家；相較之下，Llama 4 Maverick 為 402B，分布於 128 個專家，Meta 列為 400B。

• 活躍參數——Mistral Large 4 每個 token 為 52B（語言堆疊為 49B，計入嵌入層與輸出層後達到 52B），而 Llama 4 Maverick 為 17B，因此每 token 的運算差距約為三比一。

• 情境 — 兩者都宣稱提供 1M tokens；主機實際提供的數量又是另一個數字，後續章節會專門談到這點。

• 模態——兩者皆為輸入文字與圖像、輸出文字。Mistral Large 4 的視覺編碼器為 1.6B 參數；Maverick 的早期融合編碼器並未在 Meta 公布的數據中單獨列出。

• 推理 — Mistral Large 4 提供低、中、高三級努力程度，並以高為預設。Artificial Analysis 的規格面板將 Llama 4 Maverick 列為完全沒有推理模式。

• 每百萬個 token 的價格——直接向 Mistral 購買時，輸入為 $0.70、輸出為 $2.10，快取輸入則為 $0.07；相較之下，Maverick 完全沒有原廠定價，因為 Meta 並未販售它。託管服務商的收費最低可達輸入 $0.17、輸出 $0.60；Artificial Analysis 則將供應商的中位數價格定為 $0.50 與 $1.68。

• 授權 — Mistral 生態系開放權重授權（Mistral Ecosystem Open-Weight License），為經過修改的 MIT 授權，附帶「模型即服務」的例外條款；對比 Llama 4 社群授權，其門檻為每月 7 億活躍使用者。

• 發佈 — Mistral Large 4 檢查點為 2026 年 10 月 29 日，相較之下，Llama 4 Maverick 為 2025 年 4 月 5 日，知識截止為 2024 年 8 月。

這場基準測試的對決，是兩位不同統治者之間的較量

搜尋這場對決，你會找到一些頁面聲稱 Mistral Large 4 在 Artificial Analysis Intelligence Index 上得分 38.0，而 Maverick 為 14.3；還有其他頁面聲稱 Maverick 在十一項基準測試中贏了九項。這兩組數字在某種意義上都是真實的，因為有人把它們印了出來。但兩者都不是比較。

在目前於 2026 年 10 月 27 日重建的 Artificial Analysis Intelligence Index v5 上，Mistral Large 4 在高推理設定下得分為 26，在中推理設定下則為 23。你看到被引用的 38.0，是它在先前 v4.3.2 版本（來自十月預覽）上的分數，不能與重建後測得的任何數值相減——改變的是指數本身，不只是模型。另一方面，Maverick 完全沒有 v5 指數分數。它的 Artificial Analysis 頁面在應顯示智慧數值的位置顯示「N/A」，旁邊標示速度為每秒 62.7 個輸出 token，並註明它比同級平均更慢。在比較網站上流傳的 14.3 這個數字，是在重建之前就有的。

可量測的部分更狹隘，也更誠實。Mistral 回報 Terminal-Bench 4.0 的成績為 41%，高於預覽版的 28%；DeepSWE v1.1 為 61.7%；CyberGym-E2E 為 79%；Artificial Analysis Cyber Index 則為 51，在開放權重模型中排名第三。除了 Cyber Index 之外，上述每一項都是廠商在 Mistral 自家代理框架上回報的；而 Terminal-Bench 的數字尤其如此——當同一組權重放到 Artificial Analysis 中立的 mini-swe-agent 測試框架上運行時，重現出來的結果低得多，只有 24.7%。Maverick 公布的数字來自 2025 年 4 月，且完全採用較舊的測試套件：MMLU 85.5、MMLU-Pro 80.5、GPQA Diamond 69.8、DocVQA 91.6，全都是 Meta 在發布時回報的。兩者從未在共用的測試框架中運行過，因此唯一站得住腳的說法是方向性的：較新、較大、受過推理訓練的模型在困難任務上表現更好，但兩者之間究竟好多少，沒有人能在這對模型上清楚量測出來。

一百萬個 token 實際上能在每一項上為你換到什麼

上下文視窗正是兩個模型在正式環境中看起來最相似、行為卻最不同的地方。

Llama 4 Maverick 的模型卡寫著 1,048,576 個 token，而 Artificial Analysis 的規格面板也重複標示 1M。實務上，大多數託管服務商會把上限設得低得多——128K 很常見——而且幾乎沒有服務商會同時給你完整的上下文視窗和實用的輸出額度。Maverick 的最大輸出通常介於 8K 到 16K，取決於供應商，而 Meta 自家的託管端點曾列為約 4K。所以 Maverick 上的「1M 上下文」版本，在第三方託管服務商那裡通常其實是 128K 版本，而你會在處理第一份長文件時發現這件事。

Mistral Large 4 透過 Mistral 自家 API 提供 1M，這至少是一個可問責的單一數字，而不是依主機而異的抽獎。Mistral 的文件並未公布最大輸出數字，因此同樣的建議適用：在你實際會呼叫的端點上測量這對組合——輸入視窗與輸出上限——而不是看規格卡。

這正是路由器派上用場的地方。OrcaRouter 以 0% 加價直接傳遞供應商牌價，並在供應商之間自動容錯切換，因此某個主機悄悄縮減上下文視窗時，會顯示為一項路由決策，而不是生產事故。Mistral Large 4 和 Llama 4 Maverick 目前都不在我們的目錄中，所以這是關於如何運行你所選的任一開放權重模型的論點，而不是我們提供這兩款模型的聲明。

帳單算清了——以及為何價差才是關鍵

設想一個中等規模的生產工作負載：每月 1 億個輸入 token 和 4,000 萬個輸出 token。

• Mistral Large 4 按定價 — 100 × $0.70 為 $70，而 40 × $2.10 為 $84，每月共 $154。

• Llama 4 Maverick 以供應商中位數計算——100 × $0.50 為 $50，40 × $1.68 為 $67.20，每月共 $117.20。

• 在具競爭力的主機服務商上使用 Llama 4 Maverick——約 $0.25 與 $0.92，會讓相同工作負載達到 $61.80。

• Llama 4 Maverick 在最便宜的主機上——約 $0.17 與 $0.60，換算下來為 $41。

所以，相對於 Mistral Large 4 的比值，從中位數的 1.3 倍一路到市場最低價端約 3.8 倍。這個範圍並非模型本身的特性，而是你向誰採購 Maverick 所造成的特性，而且它比兩個模型在分布中段的差距還要大。一個在便宜主機上做基準測試、卻按中位數編列預算的團隊，等於在自己的預測裡埋進了 3 倍的誤差。

把這點對照到你目前無法成對衡量的能力上，決策就不再是算術問題。合理的框架是每完成一項工作的成本，而非每個 token 的成本：如果 Mistral Large 4 一次就完成某項任務，而該任務在 Maverick 上需要三次嘗試與一輪修復迴圈，那麼連 1.3 倍的中位數差距也會消失。這是一項你必須在自己的任務上驗證的主張，也是本月能讓這兩個模型經歷的最有價值的一項實驗。

沒有人說出口的是：Maverick 是最後一個開放的 Llama。

Llama 4 Maverick 尚未被棄用。它仍可在 Hugging Face 上取得，仍受 Llama 4 Community License 規範，也仍被廣泛部署於地端與氣隙環境。但它是一條產品線的終點。Meta 的前沿開發已於 2026 年轉向封閉的 Muse Spark 系列，且尚未推出 Llama 5——那些聲稱已推出 Llama 5 的頁面所載規格彼此矛盾，也與 Meta 自家公告相互牴觸。對開放 Llama 路線的投資實際上已經停止。

這改變了「選擇 Maverick」的意義。這不是在挑一個會進步的模型；而是在挑一個會完全保持現狀、而周遭工具卻慢慢漂移的模型。對於一個經過微調、凍結且已部署的系統來說，這沒問題——甚至可以說是一項優勢，因為你底下的東西不會變動。但對於一個你打算在其上成長的平台來說，這就是條死路，只有兩年的跑道。請注意，知識截止時間是 2024 年 8 月：模型從未見過那之後發生的任何事，而且再多的提示工程也無法修正這點。

Mistral Large 4 的風險特徵正好相反。它作為開放權重版本發布僅六天，其文件仍標示為公開預覽版，且授權條款要求：若打算轉售其推論服務，需簽訂商業協議。它年輕且仍在變動，條款需要先詳讀，再在其上建立業務。

Maverick 仍然勝出的地方

三個案例，而且都不是小案例。

首先是硬體。Maverick 的 400B 參數在 FP8 下約佔 373 GB，相當於單一具備八顆 GPU 的 H100 或 H200 節點。Mistral Large 4 的 FP8 checkpoint 約為 1.06 TB，分散於 54 個分片，而 Mistral 表示，量化後的 NVFP4 版本可在四顆 B200 或 B300 GPU 上執行。如果你的部署環境是你已經擁有的機架中的單一節點，那選擇就已經替你做好了。

第二個是微調。Maverick 已經有十九個月的社群 LoRAs、量化配方與服務指南。Mistral Large 4 則只有六天。生態系落差是真實存在的，而且是以除錯時數來衡量，不是以基準測試。

第三個是任務型態。分類、擷取、路由、短文件摘要、大量圖片描述——這些都不需要兆級參數的推理模型，而且全都在 17B 活躍參數的模型上更便宜。為從未用到的推理 token 支付溢價，是團隊在模型選擇上浪費金錢最常見的方式。

如果你想找一款目前可用、既不屬於這兩者的開放權重模型，OrcaRouter 目錄收錄了 Kimi K3 和 GLM-5.3-Flash，兩者都能用與我們所路由的其他 200 多款模型相同的 API 金鑰呼叫，並以供應商定價提供、不加價。它們位在這場比較的兩端，而非包含在其中——GLM-5.3-Flash 的定價為輸入 $0.15、輸出 $0.50，遠低於本文任一款模型；而 Kimi K3 的定價為 $3.00 與 $15.00，遠高於兩者。兩者都無法取代本文中的這兩款模型，但如果你覺得這比較的兩端都不合適，它們就是兩個最顯而易見的查看方向。

如何在一個下午內做出決定

從你的日誌中抽出二十個真實任務。用相同的提示詞和相同的輸出上限，讓它們跑過這兩個模型，並根據輸出在未經人工編輯的情況下是否可用來評分。記錄每一個任務所消耗的 token，乘以上述價格，再除以可用輸出的數量。這會得出每個可用結果的成本，而這是唯一經得起預算考驗的數字。

我的預期——這是把它當成預期，而不是研究發現：Mistral Large 4 會贏得那組任務中較難的一半，卻在較簡單的一半上因成本而落敗；而分界點會落在你的任務不再需要多步驟推理的地方。Maverick 並不是更好的模型。它是在中位數上更便宜的那一個，只要便宜就夠用——而在十九個月沒有後繼者之後，那是一個到期日清晰可見的賭注。