Mistral Large 4 开放权重：API 价格与每个智能体任务的成本

Mistral Large 4 现已开放权重：Mistral 于 2026 年 10 月 29 日发布了权重，并将 API 价格定为每 100 万输入 token 0.70 美元、每 100 万输出 token 2.10 美元（缓存输入为 0.07 美元）。如果你运行编码智能体，真正有用的问题不是每 token 的价格，而是一个长任务总共要花多少。

Mistral 公布了什么#

根据 Mistral 的发布页面（2026 年 10 月 30 日查看），Mistral Large 4 是一个约 1T 参数的模型，是 instruct 与 reasoning 的混合体，以专家混合架构构建。它在输入上原生支持多模态，覆盖 160 多种语言，并有三种推理模式：Low、Medium 和 High，其中 High 为默认。Hugging Face 仓库是 Mistral-Large-4-1T-A52B；API id 是 mistral-large-4-0。

权重以 Mistral Ecosystem Open-Weight 许可证发布，这是修改版 MIT。允许商业使用和微调。将模型作为托管服务出售需要获得 Mistral 的单独商业许可证。你可以用 vLLM 或 SGLang 运行它，通过 NVIDIA NIM 或 TensorRT-LLM，或使用 Mistral 自己的 API、Microsoft Foundry 和 Mistral Vibe Code。

在基准测试上，Mistral 报告的是自己的数字：Terminal-Bench 4.0 上 41%（预览版为 28%），FrontierCode 2.0 上 19.7%，BrowseComp 上 84.5%，Artificial Analysis Coding Agent Index 上 48%，Mistral 称这与 GLM-5.3 持平，且每个任务少用 47% 的 token。这些是厂商的结果，不是独立结果，所以应将其视为在你自己的仓库上测试的理由，而不是定论。

按 Mistral 的价格，一个智能体任务要花多少#

先从智能体实际如何消耗 token 开始。每一步都会重新发送到目前为止的对话，所以输入不断累积，而每个回答保持简短。假设一个终端编码智能体在一个任务上执行 40 步，每步约 25,000 输入 token 和 1,500 输出 token。这是用于说明的假设；换成你自己的数字。

按 Mistral 公布的价格（2026 年 10 月 30 日），该任务的输入为 1,000,000 × $0.70 / 1M = $0.70，输出为 60,000 × $2.10 / 1M = $0.126，所以每个任务为 $0.70 + $0.126 = $0.826。输入侧占账单的大部分。

缓存会改变情况。如果每一步 25,000 输入 token 中有 20,000 个以每 1M 0.07 美元的价格从缓存提供，则一步的缓存输入成本为 20,000 × $0.07 / 1M = $0.0014，新输入为 5,000 × $0.70 / 1M = $0.0035，输出为 1,500 × $2.10 / 1M = $0.00315。即每步 $0.00805，每个任务 $0.00805 × 40 = $0.322。80% 的缓存命中率是另一个假设，所以请检查你的工具报告的结果。

以下是在可移动的计算器上运行的相同工作负载：

以及相同任务在 CheapTokens 模型上的实时定价，与 OpenRouter 并列：

对于这个智能体循环，CheapTokens 上的 DeepSeek-V4-Flash 整个任务为 $0.021，输入和输出合计，且总计比 OpenRouter 的参考价格更便宜。它有 380K 上下文窗口，每个回答最多 32,768 输出 token，全天任意时段一个价格。

开放权重还是 API#

权重是本次发布中有趣的部分。如果你的数据不能离开你的网络，或者你想微调，你现在可以用这个级别的模型做到。这条路线成本是硬件。一个 1T 参数的模型需要多 GPU 服务器，即使每个 token 只有一部分活跃，而且 Mistral 的页面没有说明活跃参数数量（仓库名中的 A52B 暗示 52B，但这是从名称推断的）。Mistral 的页面也没有说明上下文大小。

对于大多数只想让智能体完成工单的团队，API 路线避免了这种设置。如果你想了解开放权重在实践中意味着什么背景，请参阅什么是开放权重和量化。

在你今天就能调用的智能体模型上执行相同任务#

如果你的目标是让终端或 IDE 智能体以低成本运行许多步骤，你可以通过 CheapTokens 在 DeepSeek-V4-Flash 或 GLM-5.3-Flash 上尝试相同的循环。API 兼容 OpenAI Chat Completions 和 Anthropic Messages，所有模型共用一个余额。使用 CheapTokens 文档中的完整模型 id；模型名称因提供商而异。

curl https://api.cheaptokens.dev/v1/chat/completions \
  -H "Authorization: Bearer $CHEAPTOKENS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "deepseek-ai/DeepSeek-V4-Flash-0731", "messages": [{"role": "user", "content": "Find the bug in this stack trace and propose a fix."}], "max_tokens": 1500}'

from openai import OpenAI

client = OpenAI(base_url="https://api.cheaptokens.dev/v1", api_key="YOUR_CHEAPTOKENS_KEY")
resp = client.chat.completions.create(
    model="deepseek-ai/DeepSeek-V4-Flash-0731",
    messages=[{"role": "user", "content": "Find the bug in this stack trace and propose a fix."}],
    max_tokens=1500,
)
print(resp.choices[0].message.content)
print(resp.usage)

响应中的 usage 字段显示输入和输出 token，因此你可以测量自己智能体的步骤并代入上面的计算器。我们的 Cline 成本指南 展示了如何为整个会话做预算，文档 涵盖了连接其他工具。模型页面：便宜的 DeepSeek，以及实时定价。

哪个模型适合哪项工作#

在你自己的硬件上使用开放权重以及微调是另一条路径，而这正是本次发布所开启的。对于由短步骤组成的长循环，使用 CheapTokens 上的 DeepSeek-V4-Flash：380K 上下文，每个回答最多 32,768 输出 token，全天任意时段一个价格，且总计比 OpenRouter 更便宜，输入和输出合计。GLM-5.3-Flash 有 390K 上下文。Mistral 的基准测试与 GLM-5.3 比较，但没有说明是哪个 GLM-5.3 变体，所以不要将其数字套用到 GLM-5.3-Flash 上。在各自上运行十个你自己的任务并比较 token 计数；相同方法见GPT-6.1 Terra 的价格如何按任务计算。