Mistral Large 4 API 定价 2026：$0.70/$2.10

Mistral Large 4 是 1T 参数开放权重 MoE，每百万 $0.70/$2.10、上下文 1M。为什么价格没降、许可到底允许什么、自托管什么时候划算。

先说结论

2026 年 10 月 29 日，Mistral 放出了 Mistral Large 4（代号 Le Chonk）的权重，并公布了托管 API 定价。核心数字：每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10，1M token 上下文，1.05 万亿总参数 / 每 token 激活 520 亿的混合专家架构，原生多模态、支持 160+ 语言。

关于这次发布有两件事经常被写错，而这两件事对你是否要迁移至关重要。第一，价格并没有降。Mistral Large 4 的 $0.70 输入 / $2.10 输出，比它取代的 Mistral Large 3（$0.50 / $1.50）贵了约 40%。它同时取代 Large 3 和 Medium 3.5，这两款都已标记弃用、退役日期是 2026 年 10 月 31 日——也就是今天。如果你看到的摘要声称价格大约降了一半，那是错的，而这个错误会直接污染你的成本模型。

第二，这里的「开放权重」不等于「开源」，区别在于一个商用许可触发点。Mistral Ecosystem Open-Weight License 是修改版 MIT：你可以自由使用、修改、微调并商用该模型，但如果你在它之上经营模型即服务（MaaS）业务，必须先与 Mistral 另行签署商业许可。它比完整开源许可窄，又远比专有 API 宽，但它是真实存在的部署约束。

价格表，以及每一个会改变价格的乘数

以下是 Mistral Large 4 的完整目录价，已于 2026 年 10 月 31 日对照 Mistral 官方推理定价文档核实。所有数字均为每百万 token 的美元价格。

三行值得细看。缓存输入 $0.07 是 90% 的折扣（相对 $0.70 输入价）。对每一轮都要重放大段系统提示词、工具定义或检索文档的 Agent 工作流来说，这个数字决定你的账单；在提示词占大头的 Agent 循环里，它可能占你输入成本的大部分。

Regional 推理按 1.1x 计费，输入、输出、缓存读、缓存写都加 10%：这是为「推理执行发生在 EU 或 US 境内」这个保证付的钱。注意 Mistral 文档里写明了范围限制——它不提供控制面数据的区域存储，所以账户配置、API key 和账单可能仍在你所选地域之外。

Priority Tier 是 1.75x，且不是自助开通：需要与 Mistral 签约并定制每模型限流，换取高峰时段排在 Standard 流量之前的优先队列。一个能省一张工单的细节：用 service_tier: "auto" 时，超出 Priority 限额会把请求降级到 Standard 而不是报错，usage.service_tier 会告诉你实际由哪档服务。

还有一条值得提前规划的行为：Batch 处理是固定五折。Batch 是把一批 API 请求以 JSONL 上传、排队异步处理、在 24 小时内计费。如果你的负载能容忍数小时延迟，五折是仅次于自托管的最大省钱杠杆。

Mistral Large 4 在整个产品线中的位置

Large 4 是刚围绕它完成整合的产品线顶端。它取代的两个模型都带着相同的 2026 年 10 月 31 日退役日期。

两个观察。Mistral Small 4 在 $0.15 / $0.60、256K 上下文下仍是 GA，输入比 Large 4 便宜 4.7 倍，在一个模型里统一了指令跟随、推理和编码。对很多生产流量来说，Small 4 是更好的默认选择，Large 4 是升级路径。另一个是 Public Preview：按 Mistral 的生命周期政策，Preview 模型「价格与 GA 相同」但「允许静默更新」「不保证一定有 GA 路径」。你今天读到的价格就是你要付的价格，但权重可能在无版本号的情况下在你脚下变化。政策还规定了迁移窗口：GA 模型 6 个月，Preview 1 个月。Large 3 和 Medium 3.5 是 GA，拿到了 6 个月；Large 4 是 Preview，如果有一天弃用，你只有 1 个月。

架构，以及为什么 token 效率的说法成立

Mistral Large 4 是细粒度混合专家模型，架构解释了那些核心数字。

• 1.05 万亿总参数，每 token 激活 520 亿（前馈计算 490 亿，其余为嵌入与输出层）。
• 128 个路由专家，每 token 激活 4 个，外加 1 个共享专家，即每 token 共 5 个活跃专家。
• 72 个解码层，隐层维度 6144，64 个注意力头。
• Multi-head Latent Attention 加上 DeepSeek Sparse Attention 索引器：每 query 最多选 2048 个 key 位置，3:1 的 RoPE 与 NoPE 比例，KV 状态跨层共享，LeRope（按频率学习乘数的 YaRN 缩放 RoPE）。
• 独立的 16 亿参数 Pixtral 视觉编码器：30 层，隐层维度 2048，14x14 patch，合并尺寸 2。

两种独立的稀疏性在这里叠加：路由选择哪些前馈网络运行，注意力索引器选择关注上下文的哪些位置。这就是为什么一个 1T 参数模型能以一个 1T 稠密模型永远到不了的价格点对外服务。

检查点还内置了 DSpark 投机解码头：3 层稠密 MLA 草稿层（BF16），用一个递归 Markov 头一次提议 3 个 token，实测比只跑目标模型最高 1.9x 吞吐。因为草稿头就打包在检查点里而非独立模型，对 vLLM 或 SGLang 只需一个开关即可启用；又因为投机解码不改变目标模型的输出，它是纯收益、没有精度代价。

基准测试到底说明了什么

Mistral 公布了一大堆数字。以下是经过独立佐证、于 2026 年 10 月 31 日核实的那部分。

两点保留。FrontierCode 2.0 是 Cognition 的私有基准，该数字由 Mistral 报告、无法独立复现。而「每任务少用 47% token」是与该指数领先者 GLM-5.3 的相对比较。由于 48% 的指数得分实际上是平手，token 效率才是差异点——这个数字值得你用自己的负载去验证。

安全侧是双向的。Mistral 报告对恶意网络请求的平均拒答率 96.6%，称为开放模型中最高。但它也披露：模型会对针对真实目标的黑盒攻击拒绝，同时「看到了用于真实攻击的潜在提升空间」，并正在相应调整护栏。这是一个具备真实进攻能力、护栏仍在积极调整的模型，所以要为托管 API 的行为变化做好准备。另外，Surge Code 盲测 pairwise 评测中，人类偏好 Large 4 胜过 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash，仅排在 Claude Opus 5.5 之后：来自第三方服务的人类偏好，与基准分数是不同性质的证据。

推理档位，以及那个你无法关闭的设置

Mistral Large 4 有三档推理力度：low、medium、high，默认 high。low 用于简单任务和快速回复，medium 用于日常工作，high 用于最难的 Agent 与高精度任务。三档都推荐 temperature=1.0、top_p=0.95 采样，推理内容与消息内容分开返回。

让人意外的是推理无法关闭。模型卡写得很明确：即使把 reasoning_effort 设为 none，模型仍按 high 运行。由于思考 token 按输出计费（每百万 $2.10），「推理永远开启」是内建在这款模型里的成本决策，而不是你可以调掉的默认值。如果你需要一条便宜的无思考路径，Mistral Small 4（输出 $0.60）是另一个模型，而不是这款模型上的另一个设置。

调用 API

API 兼容 OpenAI。模型标识符为 mistral-large-4，别名 mistral-large-4-0 固定具体版本。Mistral 的生命周期文档警告：使用移动别名会让你暴露在行为与定价静默更新的风险中，所以如果需要可复现性，请固定版本。

curl -sS https://api.mistral.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -d '{
    "model": "mistral-large-4-0",
    "reasoning_effort": "medium",
    "temperature": 1.0,
    "top_p": 0.95,
    "messages": [
      {"role": "user", "content": "总结这份事故日志并列出三个最高风险发现。"}
    ]
  }'

Python SDK 路径，推理内容分开返回：

import os
from mistralai import Mistral

client = Mistral(api_key=os.environ["MISTRAL_API_KEY"])

resp = client.chat.complete(
    model="mistral-large-4-0",
    reasoning_effort="medium",
    temperature=1.0,
    top_p=0.95,
    messages=[
        {"role": "user", "content": "写一个合并两个有序链表的 Python 函数。"},
    ],
)

# 推理按输出 token 计费，所以请测量它。
print("reasoning tokens:", resp.usage.completion_tokens)
print("answer:", resp.choices[0].message.content)

两个值得带进生产的请求细节。严格 JSON schema 原生支持，包括带 "strict": true 的 response_format；函数调用配合 tool_choice 可在 /v1/chat/completions、/v1/conversations、/v1/agents 上使用。在 Batch 中，每个请求的 body 与你发给正常端点的完全相同，模型字段可在创建任务时省略。

许可条款，逐字读一遍

这一节要读两遍，因为「开放权重」在营销里被用得很松，而这里的条件非常具体。

Mistral Ecosystem Open-Weight License 是修改版 MIT。它免费授予你使用、复制、修改、合并、发布、分发、再许可并销售模型副本的权利，以及运行、部署、进一步训练或以其他方式修改它并创作衍生作品的权利。有两个条件。必须在模型的所有副本或实质部分中保留版权与许可声明。以及真正要紧的那条：「如果被许可人或其任何关联方经营 Model as a Service 业务，则被许可人必须先与 Mistral 签订单独的商业许可，才能将本模型或其衍生作品用于任何商业目的。」

「Model as a Service」指：让第三方访问模型或其衍生版本进行推理或后训练，并让该第三方对输入、参数或训练数据拥有实质控制。被排除的：将模型嵌入到特定功能或 harness 中的终端用户产品，以及对他方托管模型的单纯转发。内部使用也被豁免。所以实用指引是：内部工具、面向你自己用户的 Agent、或把模型嵌入到某个功能里的产品，都没问题。但在权重前面放一个托管端点、让外部方能控制他们的提示词或微调这个模型，就不行——除非先和 Mistral 签约。如果你在基于这些权重构建推理服务商、微调服务或托管编码 Agent，先联系 Mistral。

自托管的账，以及什么时候它才有意义

这是发布会报道跳过、而「开放权重」这个说法要么兑现、要么落空的地方。先看体积。Hugging Face 上的 FP8 检查点约 1.06 TB、54 个 safetensors 分片；NVFP4 检查点约 0.61 TB。这是下限：再加上 1M 上下文的 KV 缓存、激活与推理开销，你的硬件规划要远高于原始权重数字。仅按权重计算每个检查点最少需要的 GPU 数量：

这些数字只算了权重，是 KV 缓存之前的下限。Mistral 公布的 NVFP4 vLLM 配方用 --tensor-parallel-size 8 加 --decode-context-parallel-size 8 加 --enable-expert-parallel，所以八张 GPU 是参考配置，不是下限。按 2026 年 10 月 31 日核实的 RunPod 社区价，B200 为 $7.99/小时，H100 SXM 为 $3.99/小时。

一套自托管集群要跑赢托管 API，必须每小时吐出足够多的 token，使这些 token 的 API 价格超过你的 GPU 账单：

对照参考吞吐数字来读。Hugging Face 报告：在单台 512GB 统一内存的 M3 Ultra 上，2-bit GGUF 量化约 90 token/s 预填充、15 token/s 生成；四张 RTX 6000 Pro 上的 NVFP4 构建为 130-590 token/s 预填充、约 10 token/s 生成。在消费级与单节点硬件上，3 到 30 token/s 的生成速度是这类模型现实的工作区间。而八张 B200 的集群要在一个聊天负载上做到每小时盈亏平衡，需要 6000 到 18000 token/s 的聚合吞吐：这是数据中心级别的利用率目标，不是爱好者目标。

诚实的结论：对大多数团队，托管 API 在成本上赢了；开放权重赢的是控制权。你自托管是为了数据驻留、为了在不能外发的数据上微调、为了部署策略、或为了 API 不暴露的定制。如果你的约束纯粹是 token 单价，那就用 $0.70/$2.10 的 API，或半价的 Batch，把 1.06 TB 的下载留给一个真正需要它的问题。要在承诺前跨上游比较同一负载，FreeModel 在多家厂商前面暴露一个 OpenAI 兼容端点，你可以把同一个集成指向不同的模型 ID，测量各自如何处理同样的提示词与推理设置。对已经在跑网关的团队，Portkey 提供可观测性与缓存层，让这种比较可复现、而不是靠轶事。

可用性，以及被它取代的模型的下场

两个运营事实比基准测试更影响规划。

今天，2026 年 10 月 31 日，Mistral Large 3 和 Mistral Medium 3.5 标记弃用并到达退役日期。按 Mistral 的生命周期政策，弃用模型「在退役日期前仍可访问」，退役后对其标识符的请求会返回 404。如果你还在用 mistral-large-2512 或 mistral-medium-3-5，这是硬期限。两款模型的文档替代项都是 Large 4。

地理可用性是许多读者的真实约束。API 由欧洲基础设施提供，EU 与 US 区域推理为标准价 1.1 倍。中国大陆没有区域端点、也没有官方中国访问计划，因此国内生产流量需要稳定的海外代理或前置 Mistral API 的聚合器，直连通常超时。延迟主要由跨境往返决定，不适合延迟敏感的交互负载。把权重自托管在中国境内的基础设施不受影响——这是开放权重的一个真实论点。

结论

按 $0.70 输入、$2.10 输出计价，Mistral Large 4 比它取代的模型更贵，而把它包装成降价的发布叙事在定价页面面前站不住脚。溢价的正当性在 token 效率：与领先者基本打平的指数得分下，每任务少用 47% 的 token，外加 90% 的缓存输入折扣——只要你为缓存而构造提示词，长上下文 Agent 循环就能真正便宜。用你自己的 token 数来评判它，而不是 headline 费率。

开放权重的故事是真的，但不免费。许可允许直接的商用、微调和修改，只有一个例外：经营 MaaS 业务需要与 Mistral 另签商业许可。在你构建托管推理产品之前读这条，因为它是唯一有牙齿的部分。

自托管经济对大多数团队不利。1.06 TB FP8 权重意味着 KV 缓存之前就要 8 张 B200 或 14 张 H100，约 $32 到 $64 每小时，而且你需要每秒数千 token 的聚合生成才能跑赢 API。为主权、为在不能外发的数据上微调、为部署策略来自托管。别为 token 单价自托管：Batch 五折和 $0.07 的缓存输入费率已经把你送到大半路程。

并且现在就规划迁移。Large 3 和 Medium 3.5 今天退役。Large 4 是 Public Preview，所以价格锁定但权重可在无感知的情况下更新；如果有一天它弃用，你只有 1 个月而不是 6 个月。固定 mistral-large-4-0，把 1M 上下文和缓存输入费率当作真正值得围绕构建的两件事。

来源

• Mistral — Mistral Large 4 (Le Chonk) 现已开放权重 — 发布说明，2026 年 10 月 29 日
• Hugging Face 模型卡 — Mistral-Large-4-1T-A52B
• Mistral 推理定价
• Mistral 模型页 — Mistral Large 4
• Mistral 模型生命周期政策
• Mistral Priority Tier
• Mistral 区域推理
• Mistral Batch 处理
• Mistral Ecosystem Open-Weight License — 全文
• RunPod GPU 定价

相关文章

• Mistral AI API 评测 2026 — 产品线整合前的厂商层总览
• Mistral OCR 4 API 评测 2026 — 平台文档 AI 的一面
• AI API 长上下文 2026 — 各厂商 1M token 上下文对比
• AI API 代码生成 2026 — 编码基准全景