Mistral: Mistral Large 4 contre Writer: Palmyra X5
Un comparatif côte à côte de Mistral: Mistral Large 4 (2,45 $US / 1M jetons (≈ 2,20 €)) et Writer: Palmyra X5 (2,10 $US / 1M jetons (≈ 1,88 €)) d’après les prix actuels en USD et les capacités du catalogue api14. Les deux passent par la même API compatible OpenAI.
Caractéristiques
| Mistral: Mistral Large 4 | Writer: Palmyra X5 | |
|---|---|---|
| Fournisseur | Mistral | Writer |
| Entrée | 2,45 $US / 1M jetons (≈ 2,20 €) | 2,10 $US / 1M jetons (≈ 1,88 €) |
| Sortie | 7,35 $US / 1M jetons (≈ 6,59 €) | 21,00 $US / 1M jetons (≈ 18,82 €) |
| Lecture du cache | 0,25 $US / 1M jetons (≈ 0,22 €) | - |
| Fenêtre de contexte | 1 048 576 | 1 040 000 |
| Sortie max. | 262 144 | 8 192 |
| Entrée | text, image | text |
| Sortie | text | text |
| Appel d’outils | ||
| Sortie structurée | ||
| Contrôle du raisonnement | ||
| Ajouté le | 6 oct. 2026 | 21 janv. 2026 |
Principales différences
- Writer: Palmyra X5 est 14% moins cher sur les tokens d’entrée.
- Mistral: Mistral Large 4 est 65% moins cher sur les tokens de sortie.
- Seul Mistral: Mistral Large 4 prend en charge l’appel d’outils.
- Seul Mistral: Mistral Large 4 prend en charge la sortie JSON structurée.
- Seul Mistral: Mistral Large 4 prend en charge le contrôle de l’effort de raisonnement.
- Une requête de 1 000 tokens en entrée et 500 en sortie coûte 0,00613 $US avec Mistral: Mistral Large 4 et 0,01 $US avec Writer: Palmyra X5.
En détail
Mistral : Mistral Large 4 est créé par Mistral et porte l'identifiant de modèle mistralai/mistral-large-4-0 sur api14. Writer : Palmyra X5 est créé par Writer et porte l'identifiant de modèle writer/palmyra-x5. Les deux sont des modèles de catégorie texte, ce qui signifie qu'ils sont conçus pour le travail linguistique plutôt que pour l'audio, la vidéo ou les tâches d'embedding, et les deux renvoient du texte en sortie. La différence pratique commence par qui se trouve derrière eux : Mistral est un laboratoire de modèles avec une large gamme polyvalente, tandis que Writer est un fournisseur dont les modèles sont destinés aux flux de travail de rédaction et de contenu en entreprise.
Les deux divergent surtout sur ce qu'ils acceptent et sur ce que vous pouvez contrôler. Mistral Large 4 accepte à la fois du texte et des images en entrée, il peut donc examiner une capture d'écran, un schéma ou une page numérisée en plus de votre prompt, tandis que Palmyra X5 n'accepte que du texte. Mistral Large 4 expose aussi une surface de paramètres bien plus large : tools et tool_choice pour l'appel de fonctions, structured_outputs et response_format pour du JSON contraint, reasoning et reasoning_effort plus include_reasoning pour le contrôle du style de raisonnement, et des réglages d'échantillonnage tels que frequency_penalty, presence_penalty, logprobs, top_logprobs et seed. Palmyra X5 prend en charge un ensemble plus restreint : max_tokens, stop, temperature, top_k et top_p. Leurs fenêtres de contexte sont suffisamment proches pour que la différence n'ait pas d'importance en pratique, environ un million de tokens chacun, donc aucun ne l'emporte sur la quantité que vous pouvez fournir. Côté prix, Palmyra X5 est l'option la moins chère pour l'entrée, tandis que Mistral Large 4 est l'option la moins chère pour la sortie.
Pour le choix au quotidien, privilégiez Mistral Large 4 lorsque votre tâche nécessite autre chose que du simple texte en entrée et en sortie. Si vous construisez un agent qui appelle des fonctions, si vous avez besoin que la réponse respecte un schéma JSON, si vous voulez ajuster l'effort de raisonnement, ou si votre entrée contient des images, Palmyra X5 ne peut pas faire ces choses et Mistral Large 4 le peut. Privilégiez Palmyra X5 lorsque le travail est de la génération ou de la transformation de texte simple, lorsque vos prompts sont uniquement du texte, et lorsque le volume d'entrée est le coût dominant de votre charge de travail, puisqu'il est le moins cher côté entrée. Si votre charge de travail est lourde en sortie, le côté sortie le moins cher est Mistral Large 4, ce qui peut compenser son tarif d'entrée plus élevé.
Appeler l'un ou l'autre modèle via api14 fonctionne de la même manière, car l'API est compatible OpenAI. Vous pointez votre client existant vers l'URL de base api14, vous envoyez une requête chat completions avec vos messages, et vous changez uniquement le champ model. Utilisez mistralai/mistral-large-4-0 pour Mistral Large 4 et writer/palmyra-x5 pour Palmyra X5. Tout le reste dans la forme de la requête reste identique, donc le changement se fait sur une seule ligne et vous pouvez comparer les deux en A/B sur du trafic réel sans réécrire votre intégration. Gardez à l'esprit que les paramètres ne sont pas universels : si vous envoyez tools, response_format ou reasoning_effort à Palmyra X5, attendez-vous à ce qu'ils ne soient pas pris en charge, donc conditionnez ces champs à l'identifiant de modèle que vous appelez.
Changer de modèle en une chaîne
Les deux modèles utilisent le même endpoint et la même structure de requête. Remplacez la valeur de model "mistralai/mistral-large-4-0" par "writer/palmyra-x5" : prompts, streaming et outils continuent de fonctionner.
import OpenAI from "openai";
const client = new OpenAI({
baseURL: "https://api14.com/api/v1",
apiKey: process.env.API14_API_KEY,
});
const result = await client.chat.completions.create({
"model": "writer/palmyra-x5",
"messages": [
{
"role": "user",
"content": "Explain vector databases in two sentences."
}
]
});
console.log(result.choices[0].message.content);
Plus de comparatifs
- LiquidAI: LFM3-1.7B contre Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B contre Crouton Alpha
- LiquidAI: LFM3-1.7B contre Tencent: Hy4
- LiquidAI: LFM3-1.7B contre Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview contre Crouton Alpha
- Ricursive: Ripple 65B Preview contre Tencent: Hy4
- Ricursive: Ripple 65B Preview contre Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha contre Tencent: Hy4