Mistral Large 4vsMuse Wonder
都是语言模型，按各自厂商 API 的标准价比较，每个数字都附来源。
按你的用量对比
所有模型按同一个请求计价输入 8,000 token，输出 2,000
| Mistral Large 4 Mistral AI API | Muse Wonder Meta AI API | |
|---|---|---|
| 适用价格 | 基础价格 | 基础价格 |
| 输入每 1M token | $0.70 | $4.00 |
| 缓存读取每 1M token | $0.070 | $0.20 |
| 输出每 1M token | $2.10 | $20.00 |
| 每次请求成本 | $0.0098 | $0.072 |
| 每 1,000 次请求 | $9.80 | $72.00 |
- Mistral Large 4 Mistral pricing · 数据日期 2026年11月1日
- Muse Wonder Meta Model API pricing and rate limits · 数据日期 2026年11月1日
所有模型都按同一个请求、以各厂商自己的标价（均附来源和日期）计算，因此加粗的就是最便宜的。无法处理该请求的模型会注明原因，不参与排名；厂商没有某个条件的价格时，会说明改用了哪个价格。
提示越长，每次请求的成本
输出 2K token，按各厂商 API 的标价计算。
- Mistral Large 4 · Mistral AI API
- Muse Wonder · Meta AI API
在所有有评分的模型中的位置
每条线从该榜单的最低分到最高分，竖线是中位数。
- Mistral Large 4
- Muse Wonder
关键差异
输入厂商官方 API · global · USD
$0.70 / 百万 tokens Mistral pricing · 数据日期 2026年11月1日
$4.00 / 百万 tokens Meta Model API pricing and rate limits · 数据日期 2026年11月1日
输出厂商官方 API · global · USD
$2.10 / 百万 tokens Mistral pricing · 数据日期 2026年11月1日
$20.00 / 百万 tokens Meta Model API pricing and rate limits · 数据日期 2026年11月1日
上下文
1,000,000 Mistral docs: mistral-large-4-0 · 数据日期 2026年11月3日
1,048,576 Meta Model API models · 数据日期 2026年11月1日
缓存读取厂商官方 API · global · USD
$0.070 / 百万 tokens Mistral pricing · 数据日期 2026年11月1日
$0.20 / 百万 tokens Meta Model API pricing and rate limits · 数据日期 2026年11月1日
以上差异来自已核实厂商规格，或各自官方 API 在相同地区、币种、计费单位和条件下的标价。不同条件仍在完整表格中并列展示，不据此判断哪款更便宜。 声明的功能只说明支持情况，不代表实测质量或推荐；缺少证据不等于不支持。
完整对比
| Mistral Large 4 Mistral AI | Muse Wonder Meta | |
|---|---|---|
| 概览 | ||
| 发布时间 | 2026年10月6日 | 2026年10月12日 |
| 规格 | ||
| 上下文 | 1M | 1.05M |
| 最大输出 | 262.14K | 131.07K |
| 输入模态 | 文本、图像 | 文本、图像、音频、视频、PDF |
| 输出模态 | 文本 | 文本 |
| 推理 | ||
| 工具调用 | ||
| 结构化输出 | ||
| 价格 · 每百万 tokens | ||
| 输入价格 | $0.70 | $4.00 |
| 输出价格 | $2.10 | $20.00 |
| 缓存读取价格 | $0.070 | $0.20 |
| 混合价格（输入 3 : 输出 1） | $1.05 | $8.00 |
| 引用评分 | ||
| Epoch Capabilities Index | 154.7 | 162 |
| LMArena Text | 1,432 | 1,507 max effort |
| LMArena Text · Coding | 1,496 | 1,545 max effort |
| LMArena Vision | 1,272 | — |
| LMArena Text · Chinese | 1,489 | 1,533 max effort |
| Epoch AI · FrontierMath Tiers 1–3 | — | 82.1% max effort |
头条价格可能来自不同渠道、地区或档位。选用模型前请核对各项来源，缺失的事实保留为空。
模型详情与来源
- Mistral Large 4 → 已上线
- Muse Wonder → 已上线
引用评分
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · Epoch AI Benchmarking Hub data · CC BY 4.0 · 数据日期 2026年11月5日
- LiveBench (White et al.), release 2026-06-25, livebench.ai, licensed CC BY-SA 4.0. This board, adapted from it, is shared under CC BY-SA 4.0. · LiveBench release 2026-06-25 · CC BY-SA 4.0 · 数据日期 2026年6月25日
- LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · LMArena leaderboard dataset (Hugging Face) · CC BY 4.0 · 数据日期 2026年10月28日
- LMArena (Arena), leaderboard-dataset on Hugging Face, licensed CC BY 4.0 · LMArena leaderboard dataset (Hugging Face) · CC BY 4.0 · 数据日期 2026年10月19日
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · Epoch AI Benchmarking Hub data · CC BY 4.0 · 数据日期 2026年10月28日
- Epoch AI, 'Capabilities & benchmarking'. Published online at epoch.ai. Retrieved from 'https://epoch.ai/benchmarks'. Licensed CC BY 4.0. · Epoch AI Benchmarking Hub data · CC BY 4.0 · 数据日期 2026年11月4日
- EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · EQ-Bench: 4 · MIT · 数据日期 2026年10月24日
- EQ-Bench by Samuel J. Paech (eqbench.com; EQ-bench/EQ-bench-site on GitHub), MIT License. · EQ-Bench: Creative Writing v3 · MIT · 数据日期 2026年10月28日