Mistral Large 4 对比 Mistral Small 4

为什么我们要做这个测试

我们的免费聊天会给每个新账户前 3 次回复使用 Mistral Large 4，之后切换到 Mistral Small 4；Pro 和积分包保持使用 Large 4。我们想知道，用真实任务而不是跑分表，什么时候大模型才值这个价：按标价，Large 4 每百万输入 token 收费 $1.36、每百万输出 token 收费 $4.18，Small 4 分别是 $0.15 和 $0.60，输入大约贵 9 倍，输出大约贵 7 倍。

方法：8 个看起来像实际工作的提示词（不是脑筋急转弯），分别发给 mistral-large-4 和 mistral-small-2603，通过聊天补全 API 调用，reasoning_effort 设为 none，温度 0.2，输出上限 1,500 token。时间是亚洲一台机器上的墙钟时间，所以你的绝对数字会不同；两个模型之间的比例才是重点。每个提示词只跑一次，所以差异小的地方当噪音看。

成绩单

Large 4 在完整性和指令遵循上占优；Small 4 在定义明确的转换任务上能打成平手，速度快两到三倍。

Large 4 明显更好的地方

六次胜利的规律：Large 4 按提示词字面要求做事，直到任务完成；Small 4 只回答了问题的大致轮廓。

• 合同条款：要求列出每个风险并引用造成风险的确切措辞，Large 4 列出了五个风险（包括三条终止条款的综合影响），每个都引用了精确片段，然后写了一份完整的替换条款，含 30 天通知期和按比例付款。Small 4 列了三个风险，引用了整句，改写稿里还留着“[X days]”。
• 代码审查：两者都发现了 SQL 注入、跳过第一行的循环和未关闭的连接。Large 4 的修复用了上下文管理器、带具名列的 sqlite3.Row 和“is not None”，这样空的状态字符串也能被过滤；Small 4 保留了位置索引，用“if conn in locals()”检查来关闭连接。
• 长页面提取：提示词粘贴了我们 2,800-token 的 API 定价页面，要求列出每个 Mistral 模型及其每百万价格。Large 4 返回了四款模型（Large 4、Large 3、Medium 3.5、Small 4）。Small 4 返回了十行 Large 4 的价格档位（批量、优先、区域），没有其他模型。两者随后都正确计算了 50M 输入和 5M 输出 token 的价格：标价 $88.90，促销价 $44.45。
• 带俗语的翻译：Large 4 把“heads up”和“swamped”地道地翻译成了法语、德语、西班牙语和日语。Small 4 在三种欧洲语言上没问题，但在日语句子里把“heads up”原样留成了英文，还加了条注释说明。
• 排班难题：五场演讲，五条约束。Large 4 推演了 A-D 块的四种放法，找到了唯一可行顺序 A-D-B-C-E，用了 830 tokens。Small 4 详细解释了约束条件，第二个案例还没分析完就撞上了 1,500-token 上限。
• 有约束的文案改写（60 词以内，不许浮夸词）：Large 4 返回了 22 个朴素的词。Small 4 返回了 30 个词，开头是“Boost team productivity”，结尾是“innovate daily”。

Small 4 同样够用的地方

两项任务打成平手，而且 Small 4 在这两项上都更快。发票转 JSON 的转换，两个模型的结果完全一致，精确到分（小计 2,580，税 490.20，总计 3,070.20），Small 4 用了 1.9 秒，Large 4 用了 3.0 秒。两季度财务对比，两个模型算出的毛利和营业利润都一样；Large 4 的三个 CFO 问题更具体（问利润率下降是产品结构变化还是定价压力），Small 4 的也够用。

速度：Small 4 每项任务都是 0.6 到 0.7 秒后开始回答；Large 4 首 token 要 0.8 到 1.9 秒，完成整个任务大约慢两到三倍。对于简短、定义明确的工作，你要付出的唯一代价就是等待。

每个答案花了多少钱

Token 数量是 API 自己的用量数字；美元按 Mistral 的标价计算（我们测试时 Large 4 正在限时 5 折促销，所以它的列减半了）。在我们的网站上，这次测试里每个答案无论用哪个模型都花 1 个积分，因为免费套餐费率下 1 个积分大约能覆盖 $0.0067 的模型成本；价格差距只在长回复和长文档上才会显现。

该用哪个

输出格式固定、输入简短的时候用 Small 4：文本转 JSON 或表格、提取你明确指定的字段、对你提供的数字做快速算术、欧洲主要语言之间的短翻译。你要直接使用答案而不再检查的时候用 Large 4：法律或合同审查、要发布的代码、任何要求从长文档里找出“所有”项目的任务、约束推理题、日语或其他对俗语敏感的语言，以及有严格规则的写作。

在我们的聊天上，免费套餐前 3 次回复用 Large 4，让你能在自己的任务上看出差别，之后切换到 Small 4；积分包或 Pro 每次回复都用 Large 4。定价页面两个都列了。

怎么复现

两个模型调用方式完全一样，只有模型名不同。这是我们用的请求，去掉了 API 密钥。

# MISTRAL_KEY holds your Mistral Studio API key (set it in your shell)
curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [{"role": "user", "content": "I am a freelance designer. List every risk in this clause for me, quoting the exact words that create each risk, and rewrite the clause so it is fair to both sides: ..."}],
    "reasoning_effort": "none",
    "temperature": 0.2,
    "max_tokens": 1500
  }'
# then the same call with "model": "mistral-small-2603"