Kami menggunakan cookie. Cookie dan penyimpanan browser menjaga Anda tetap masuk dan mengingat preferensi Anda. Dengan izin Anda, kami juga mengukur cara situs digunakan. Anda dapat kapan saja. Lihat kebijakan cookie kami.

Baru di sini? Lihat cara kerjanya Tur 1 menit tentang area uji coba, model, dan API key Anda.

Muse Spark 1.3 vs Mistral Large 4: harga API, konteks & fitur · api14

Meta: Muse Spark 1.3 lawan Mistral: Mistral Large 4

Perbandingan berdampingan Meta: Muse Spark 1.3 (US$4,38 / 1 jt token (≈ Rp 79.183)) dan Mistral: Mistral Large 4 (US$2,45 / 1 jt token (≈ Rp 44.343)) menggunakan harga USD dan kemampuan terkini dari katalog api14. Keduanya berjalan melalui API yang sama dan kompatibel dengan OpenAI.

Spesifikasi

	Meta: Muse Spark 1.3	Mistral: Mistral Large 4
Penyedia	Meta	Mistral
Masukan	US$4,38 / 1 jt token (≈ Rp 79.183)	US$2,45 / 1 jt token (≈ Rp 44.343)
Keluaran	US$14,88 / 1 jt token (≈ Rp 269.222)	US$7,35 / 1 jt token (≈ Rp 133.028)
Baca cache	US$0,52 / 1 jt token (≈ Rp 9.502)	US$0,25 / 1 jt token (≈ Rp 4.434)
Pencarian web	US$8,75 / 1 rb pencarian (≈ Rp 158.366)	-
Jendela konteks	1.048.576	1.048.576
Output maks.	943.718	262.144
Masukan	text, image, video, file	text, image
Keluaran	text	text
panggilan alat
Output terstruktur
Pengaturan penalaran
Ditambahkan	2 Sep 2026	6 Okt 2026

Perbedaan utama

Mistral: Mistral Large 4 44% lebih murah untuk token input.
Mistral: Mistral Large 4 51% lebih murah untuk token output.
Permintaan dengan 1.000 token input dan 500 token output berbiaya US$0,01 dengan Meta: Muse Spark 1.3 dan US$0,00613 dengan Mistral: Mistral Large 4.

Lebih mendalam

Meta: Muse Spark 1.3 adalah model teks dari Meta, dan Mistral: Mistral Large 4 adalah model teks dari Mistral. Keduanya disajikan di api14 sebagai model chat dengan satu output teks, jadi dari luar keduanya terlihat serupa: Anda mengirim permintaan, Anda menerima teks kembali. Perbedaan yang penting bagi pengembang terletak pada apa yang bisa Anda masukkan ke dalamnya, parameter sampling dan kontrol mana yang mereka terima, dan mana yang lebih murah untuk dijalankan.

Kedua model berbagi panjang konteks yang sama yaitu 1048576 token, jadi tidak ada yang unggul dalam hal seberapa banyak yang bisa Anda masukkan dalam satu permintaan. Di sinilah mereka berbeda adalah pada modalitas input. Muse Spark 1.3 menerima input teks, gambar, video dan file, sedangkan Mistral Large 4 hanya menerima teks dan gambar. Jika pipeline Anda perlu memberikan model sebuah video atau file dokumen secara langsung, Muse Spark 1.3 adalah yang bisa menerimanya. Permukaan parameter mereka juga berbeda. Muse Spark 1.3 mengekspos include_reasoning, reasoning, reasoning_effort, repetition_penalty, top_k dan kontrol sampling yang biasa. Mistral Large 4 juga mengekspos kontrol reasoning, plus frequency_penalty, presence_penalty, seed, stop, logprobs dan top_logprobs. Jadi jika Anda ingin eksekusi deterministik melalui seed, atau probabilitas log tingkat token untuk penilaian dan debugging, Mistral Large 4 memberi Anda itu dan Muse Spark 1.3 tidak. Keduanya mendukung tools, tool_choice, structured_outputs dan response_format, jadi pemanggilan fungsi dan output berbentuk JSON tersedia pada keduanya.

Untuk pemilihan tugas, mulailah dari sisi input. Jika beban kerja Anda hanya teks, atau teks plus gambar, kedua model layak dan faktor penentunya menjadi biaya dan kontrol tambahan. Mistral Large 4 adalah yang lebih murah dari keduanya baik pada input maupun output, jadi untuk beban kerja teks atau gambar bervolume tinggi di mana Anda tidak memerlukan input video atau file, ini adalah default yang lebih ekonomis. Gunakan Muse Spark 1.3 ketika permintaan itu sendiri berisi video atau file yang lebih baik tidak Anda konversi menjadi teks terlebih dahulu, karena itu adalah kemampuan yang tidak dicantumkan Mistral Large 4. Jika Anda memerlukan logprobs atau top_logprobs untuk peringkat, estimasi keyakinan atau harness evaluasi, atau seed untuk sampling yang dapat direproduksi, Mistral Large 4 lebih cocok terlepas dari harga.

Memanggil salah satu model melalui api14 bekerja dengan cara yang sama, karena gateway tersebut kompatibel dengan OpenAI. Anda mengarahkan klien OpenAI yang ada ke URL dasar api14, mengirim kunci Anda, dan mengatur bidang model. Satu-satunya perubahan antara keduanya adalah string itu: gunakan meta/muse-spark-1.3 untuk Muse Spark 1.3 dan mistralai/mistral-large-4-0 untuk Mistral Large 4. Semua hal lain dalam body permintaan, messages, tools, response_format, max_tokens, tetap di tempatnya. Itu membuat penggantian murah untuk diuji: jalankan prompt yang sama terhadap kedua id, bandingkan output pada data Anda sendiri, dan pertahankan mana yang berperilaku lebih baik untuk tugas tersebut.

Berganti cukup dengan satu string

Kedua model menggunakan endpoint dan bentuk permintaan yang sama. Ubah nilai model dari "meta/muse-spark-1.3" ke "mistralai/mistral-large-4-0", prompt, streaming, dan tools tetap berfungsi.

Detail & area uji coba Meta: Muse Spark 1.3 →Detail & area uji coba Mistral: Mistral Large 4 →

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": "mistralai/mistral-large-4-0",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Meta: Muse Spark 1.3 lawan Mistral: Mistral Large 4

Spesifikasi

Perbedaan utama

Lebih mendalam

Berganti cukup dengan satu string

Perbandingan lainnya