Cookieを使用しています. Cookieとブラウザストレージは、ログイン状態の維持と設定の保存に使われます。許可いただいた場合は、サイトの利用状況も計測します。はいつでも変更できます。詳しくはCookieポリシーをご覧ください。

初めてですか？使い方をご紹介しますプレイグラウンド、モデル、APIキーを1分でご案内します。

Muse Spark 1.3 vs Mistral Large 4：API料金・コンテキスト・機能を比較 · api14

Meta: Muse Spark 1.3 対 Mistral: Mistral Large 4

api14カタログの最新のUSD料金と機能をもとに、Meta: Muse Spark 1.3（$4.38 / 100万トークン (≈ ￥691)）とMistral: Mistral Large 4（$2.45 / 100万トークン (≈ ￥387)）を並べて比較します。どちらも同じOpenAI互換APIで動作します。

仕様

	Meta: Muse Spark 1.3	Mistral: Mistral Large 4
プロバイダー	Meta	Mistral
入力	$4.38 / 100万トークン (≈ ￥691)	$2.45 / 100万トークン (≈ ￥387)
出力	$14.88 / 100万トークン (≈ ￥2,348)	$7.35 / 100万トークン (≈ ￥1,160)
キャッシュ読み取り	$0.52 / 100万トークン (≈ ￥83)	$0.25 / 100万トークン (≈ ￥39)
ウェブ検索	$8.75 / 1,000検索 (≈ ￥1,381)	-
コンテキストウィンドウ	1,048,576	1,048,576
最大出力	943,718	262,144
入力	text, image, video, file	text, image
出力	text	text
ツール呼び出し
構造化出力
推論の調整
追加日	2026/09/02	2026/10/06

主な違い

Mistral: Mistral Large 4は入力トークンが44%安くなっています。
Mistral: Mistral Large 4は出力トークンが51%安くなっています。
入力1,000トークン・出力500トークンのリクエストの費用は、Meta: Muse Spark 1.3で$0.01、Mistral: Mistral Large 4で$0.00613です。

詳しく見る

メタ: Muse Spark 1.3 は Meta のテキストモデルで、Mistral: Mistral Large 4 は Mistral のテキストモデルです。どちらも api14 上でチャットモデルとして提供され、出力はテキスト単一なので、外から見ると似ています。リクエストを送るとテキストが返ってくる、という点です。開発者にとって重要な違いは、何を入力として渡せるか、どのサンプリングおよび制御パラメータを受け付けるか、そしてどちらが安く動くかにあります。

両モデルはコンテキスト長 1048576 トークンを共有しているため、1 回のリクエストにどれだけ入れられるかで優劣はありません。違いが出るのは入力モダリティです。Muse Spark 1.3 はテキスト、画像、動画、ファイル入力を受け付けますが、Mistral Large 4 はテキストと画像のみを受け付けます。パイプラインがモデルに動画やドキュメントファイルを直接渡す必要があるなら、それを受け取れるのは Muse Spark 1.3 です。パラメータの範囲も異なります。Muse Spark 1.3 は include_reasoning、reasoning、reasoning_effort、repetition_penalty、top_k、および通常のサンプリング制御を公開しています。Mistral Large 4 も reasoning 制御を公開しており、さらに frequency_penalty、presence_penalty、seed、stop、logprobs、top_logprobs を公開しています。つまり、seed による決定論的な実行や、スコアリングとデバッグのためのトークンレベルの対数確率が必要なら、Mistral Large 4 がそれを提供し、Muse Spark 1.3 は提供しません。どちらも tools、tool_choice、structured_outputs、response_format をサポートしているため、関数呼び出しと JSON 形式の出力はどちらでも利用できます。

タスク選択は入力側から始めます。ワークロードがテキストのみ、またはテキストと画像なら、両モデルとも実行可能で、決定要因はコストと追加の制御になります。Mistral Large 4 は入力と出力の両方で 2 つのうち安い方なので、動画やファイル入力が不要な大量のテキストまたは画像ワークロードでは、より経済的なデフォルトです。Muse Spark 1.3 に手を伸ばすのは、リクエスト自体に動画や、先にテキストへ変換したくないファイルが含まれる場合です。それは Mistral Large 4 が列挙していない機能だからです。ランキング、信頼度推定、評価ハーネスのために logprobs や top_logprobs が必要な場合、または再現可能なサンプリングのための seed が必要な場合は、価格に関係なく Mistral Large 4 の方が適しています。

どちらのモデルも api14 経由での呼び出しは同じように機能します。ゲートウェイが OpenAI 互換だからです。既存の OpenAI クライアントを api14 のベース URL に向け、キーを送り、model フィールドを設定します。2 つの間の唯一の変更はその文字列です。Muse Spark 1.3 には meta/muse-spark-1.3 を、Mistral Large 4 には mistralai/mistral-large-4-0 を使います。リクエストボディのその他すべて、messages、tools、response_format、max_tokens はそのままです。これにより切り替えのテストは安価になります。同じプロンプトを両方の id に対して実行し、自分のデータで出力を比較し、そのタスクでより良い挙動をする方を残します。

より高価なモデルが正しい選択となるケースもまだあります。入力に動画やファイル添付が含まれる場合、Mistral Large 4 はそれを受け付けられないため、2 つのうち唯一の選択肢は Muse Spark 1.3 です。サンプリング設定で top_k や repetition_penalty を特に必要とする場合も同様です。これらは Muse Spark 1.3 にあり、Mistral Large 4 にはないからです。それ以外のケースでは、より広いパラメータセットを持つ安価なモデルが通常は妥当な出発点です。

文字列1つで切り替え

どちらのモデルも同じエンドポイントとリクエスト形式を使います。modelの値を"meta/muse-spark-1.3"から"mistralai/mistral-large-4-0"に変えるだけで、プロンプト、ストリーミング、ツールはそのまま動きます。

Meta: Muse Spark 1.3の詳細とプレイグラウンド →Mistral: Mistral Large 4の詳細とプレイグラウンド →

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 対 Mistral: Mistral Large 4

仕様

主な違い

詳しく見る

文字列1つで切り替え

その他の比較