Mistral Large 4

Mistral Large 4 属于 Mistral 的 Large 主线，是该系列面向长上下文与多模态输入的一代产品。它要解决的问题比较明确：当输入从几千 tokens 的对话扩展到整本合同、整套技术文档或大批附件时，模型容易在中途丢失细节，或因单次输出上限被截断。该模型把上下文窗口做到 1048576 tokens，单次最大输出为 262144 tokens，输入模态为文本加图像，输出仍为纯文本。 能力层面，它把推理、工具调用、结构化输出、附件输入与温度调节列为内置能力，可以直接嵌入需要模型自主调用工具、按 schema 返回结果的工程流程，减少额外适配层的拼接。定价为输入 $1.36/M、输出 $4.18/M、缓存读 $0.14/M，在百万级上下文的同类模型中处于中低价位。 需要说明的是，本站未收录该模型的第三方跑分，参数规模与训练细节的公开资料也较少，因此更适合把它当作一个规格清晰、价格可控的长上下文工作模型来评估，而不是靠榜单名次做决策。

选型建议需要百万级上下文、图像输入与工具调用，同时希望把成本控制在中等价位时可以选择它；若要求公开跑分背书或需要多平台比价采购，应先自测或另作评估。

• 通读上百页合同或技术文档，输出带结构的分章节摘要与风险清单
• 接入工单系统，让模型调用检索与写入工具，完成多步任务编排
• 把截图、扫描件等图像附件与长文本一并输入，生成逐条对照说明
• 按固定 JSON schema 批量抽取字段，产出可直接对接下游系统的结构化结果
• 在长会话客服场景中维持上下文连续性，减少用户重复复述背景

官方对参数规模与网络结构的披露有限，可确认的是它在上下文长度、输出上限与输入模态上的组合定位。

• 结构公开资料较少，未披露参数规模与具体网络结构；可确认的是约 105 万 tokens 上下文与 26 万 tokens 单次输出的组合，属长上下文取向设计。
• 能力原生支持文本与图像输入、文本输出，并把推理、工具调用、结构化输出、附件输入、温度调节列为内置能力，适合模型自主调工具的链路。
• 披露训练数据构成、上下文切分方式等细节未见详细公开，选型时应以业务自测结果为准，而不是依赖宣传口径。

本站未收录该模型的公开跑分，以下判断基于可确认的能力清单与规格定位，实际强弱仍需业务自测验证。

• 强项百万级上下文配合 26 万 tokens 输出上限，长文档通读、多轮长会话与超长结构化产出不易被截断。
• 短板公开跑分缺位，推理、代码等关键指标缺少第三方参照；同价位竞品多有公开成绩，其能力上限缺少外部佐证。
• 适合图像附件理解叠加长文本处理、需要工具调用与结构化输出的工程链路，比纯聊天场景更能发挥其规格优势。

官方定价为输入 $1.36/M、输出 $4.18/M、缓存读 $0.14/M，输出单价约为输入的三倍，缓存命中可明显降低重复上下文的开销。

• 定位输入价在百万级上下文同类中偏低，输出价处于中间档，整体属于长上下文模型里的中低价位选择。
• 横向对比Muse Spark 1.3 输入价略低（-8.1%），Kimi K3.1 Pro 与 Gemini 4 Argon 输入价高出 47.1%、输出达 $10/M，Muse Wonder 输入价高出 194.1%。
• 平台差价目前仅见 OpenRouter 报价，输入输出与官方一致，相对输入价 0.0%，暂无其他渠道形成价差可供比较。
• 省钱缓存读 $0.14/M 约为输入价的十分之一，把固定系统提示与长文档放进缓存、并控制输出长度，是最直接的成本手段。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $0.7/M / $2.1/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径第三方跑分本站未收录，能力描述来自厂商公布的能力清单与规格，不含独立评测结论，跨模型比较需谨慎。
• 边界本站收录的可下单平台为 0 家，OpenRouter 报价仅供参考，实际可用性、限流与合规条款须以渠道页面为准。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。