- 524K 上下文
- 多模态
- 推理
- Responses API
Mistral Large 4 · QuickSilver Pro
Mistral Large 4 是 Mistral AI 的前沿多模态模型,2026 年 10 月 6 日以预览版发布:支持文本和图像输入,上下文 524K token,面向编码、推理和 agent 类工作。QuickSilver Pro 接入 Mistral 自己的 endpoint,每百万 token 输入 $0.68 / 输出 $2.09 —— 与该模型在 OpenRouter 上的标价持平,不加价。
- 524K 上下文
- 最大输出 131K
- 视觉
- 工具调用
- 推理 · 默认开启
- 流式输出
- JSON Schema 输出
你支付 · 每 1M 输入 / 输出
$0.68 / $2.09
与官方价相同
与 OpenRouter list price 价格相同
价格对比($/1M token)
条形长度 = 相对官方价的价格
| 服务商 | 输入 | 输出 | 对比 QSP |
|---|---|---|---|
| QuickSilver Pro | $0.68 | $2.09 | — |
| OpenRouter list price(mistralai/mistral-large-4-0) | $0.68 | $2.09 | 相同 |
OpenRouter 价格来源: openrouter.ai/mistralai/mistral-large-4-0
概览
- 上下文
- 524K token
- 输入 / 1M
- $0.68
- 输出 / 1M
- $2.09
- 默认思考
- 是
- 最大输出
- 131K
- 延迟 · 实时
- —
Mistral 面向编码和 agent 的旗舰模型 —— 文本和图像输入,524K 上下文,推理可按请求关闭。
什么时候该选 Mistral Large 4?
依据目录中的能力和公开价格整理,而非基准测试。
适用场景
当你想用一款最新的欧洲旗舰模型来跑 agent 循环、多文件编码和长文档任务时,使用 Mistral Large 4:524K token 的上下文装得下一个大型代码仓库或一摞报告,它能在文本之外读取截图和图表,并支持函数调用(包括强制指定工具)和 JSON Schema 结构化输出。默认先思考再回答;需要快速直接的回复时,传入 reasoning: {"enabled": false}。缓存输入价格为每百万 token $0.07。
- 长文档和代码库,最多 524K token 上下文
- 需要调用工具并输出严格 JSON Schema 的 Agent
- 包含图片的提示
- 多步推理,默认开启
何时该选其他模型
推理默认开启,而且很细致,可能在开始作答前就消耗数千个输出 token,所以日常对话请把它关闭,保持开启时请把 max_tokens 设得宽裕一些。对于大批量的简单抽取,DeepSeek V4 Flash($0.06/$0.18)这类 flash 档模型便宜得多。单次回复的输出上限为 131,072 token。这是一个预览版,由 Mistral 自己的 endpoint 提供服务,该 endpoint 不提供零数据保留,正式发布前行为可能发生变化。
快速开始(curl)
获取 API key →curl https://api.quicksilverpro.io/v1/chat/completions \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "mistral-large-4",
"messages": [{"role": "user", "content": "Hello!"}]
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="mistral-large-4",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api.quicksilverpro.io/v1",
apiKey: process.env.QSP_KEY,
});
const response = await client.chat.completions.create({
model: "mistral-large-4",
messages: [{ role: "user", content: "Hello!" }],
});
console.log(response.choices[0].message.content);curl https://api.quicksilverpro.io/v1/responses \
-H "Authorization: Bearer $QSP_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "mistral-large-4",
"input": "Hello!"
}'import os
from openai import OpenAI
client = OpenAI(
base_url="https://api.quicksilverpro.io/v1",
api_key=os.environ["QSP_KEY"],
)
response = client.chat.completions.create(
model="mistral-large-4",
messages=[{"role": "user", "content": "Hello!"}],
)
print(response.choices[0].message.content)兼容 OpenAI。只需改一行 base_url 即可迁移。
网关行为
本模型的兼容性说明。
prompt- 提示最多 524K token。
max_tokens- 最多 131K 个输出 token。
- /v1/chat/completions: 支持
- /v1/responses: 支持
- 流式输出: 支持
- 工具调用: 支持
- 图片输入: 支持
- JSON Schema: 支持
- 推理: 支持
价格从何而来
- 服务商参考价
- $0.68 / $2.09openrouter.ai/mistralai/mistral-large-4-0
- 目录核验日期
- 提示缓存 · 不参与对比
- 读取 $0.07
usage.cost = prompt_tokens × $0.68/1M + completion_tokens × $2.09/1M
常见问题
常见问题
每百万输入 token $0.68,每百万输出 token $2.09,每百万缓存输入 token $0.07 —— 与该模型在 OpenRouter 上的标价持平,不加价。推理 token 按输出 token 计费。
会。默认情况下它先思考再回答;推理轨迹会在单独的字段中返回,其 token 计入 max_tokens,并按输出价格计费。在请求中传入 reasoning: {"enabled": false} 即可为该次调用关闭思考,此时不产生推理 token 费用。
支持。它接受文本和图像输入,返回文本。它支持流式输出、函数调用(包括强制指定工具)和 JSON Schema 结构化输出。图像可以用 URL 发送,也可以用 base64 data URL 内联发送。
设置 base_url=https://api.quicksilverpro.io/v1,使用你的 QSP key,并设置 model="mistral-large-4"。Chat Completions 和 Responses API 客户端使用同一个公开模型 ID。