Używamy plików cookie. Pliki cookie i pamięć przeglądarki pozwalają utrzymać logowanie i zapamiętać Twoje preferencje. Za Twoją zgodą mierzymy też, jak korzystasz ze strony. W każdej chwili możesz . Zobacz naszą politykę cookie.

Nowy tutaj? Zobacz, jak to działa Minutowa wycieczka po piaskownicy, modelach i Twoim kluczu API.

Mistral Medium 3.5 vs Pareto 26.9: cena API, kontekst i funkcje · api14

Mistral: Mistral Medium 3.5 kontra Pareto 26.9

Porównanie Mistral: Mistral Medium 3.5 (5,25 USD / 1M tokenów (≈ 20,57 zł)) i Pareto 26.9 (8,75 USD / 1M tokenów (≈ 34,28 zł)) obok siebie na podstawie aktualnych cen w USD i możliwości z katalogu api14. Oba działają przez to samo API zgodne z OpenAI.

Specyfikacja

	Mistral: Mistral Medium 3.5	Pareto 26.9
Dostawca	Mistral	Unbiased
Wejście	5,25 USD / 1M tokenów (≈ 20,57 zł)	8,75 USD / 1M tokenów (≈ 34,28 zł)
Wyjście	26,25 USD / 1M tokenów (≈ 102,84 zł)	26,25 USD / 1M tokenów (≈ 102,84 zł)
Odczyt z cache	-	0,88 USD / 1M tokenów (≈ 3,43 zł)
Okno kontekstu	262 144	262 144
Maks. wyjście	209 715	131 072
Wejście	text, image, file	text, image
Wyjście	text	text
Wywołania narzędzi
Ustrukturyzowane wyjście
Sterowanie rozumowaniem
Dodano	30 kwi 2026	13 paź 2026

Najważniejsze różnice

Mistral: Mistral Medium 3.5 jest o 40% tańszy na tokenach wejściowych.
Tylko Mistral: Mistral Medium 3.5 obsługuje ustrukturyzowane wyjście JSON.
Tylko Mistral: Mistral Medium 3.5 obsługuje sterowanie intensywnością rozumowania.
Żądanie z 1000 tokenów wejściowych i 500 wyjściowych kosztuje 0,02 USD z Mistral: Mistral Medium 3.5 i 0,02 USD z Pareto 26.9.

Szczegółowo

Mistral: Mistral Medium 3.5 jest tworzony przez Mistral, a Pareto 26.9 jest tworzony przez Unbiased. Oba są modelami generowania tekstu, co oznacza, że oba przyjmują dane wejściowe i zwracają tekst, a oba są udostępniane przez api14 wraz z wieloma innymi modelami. Mistral Medium 3.5 został wydany przez swojego dostawcę 2026-04-30, natomiast Pareto 26.9 ma datę wydania przez dostawcę 2026-10-13. Jeśli wybierasz między nimi, praktyczne różnice sprowadzają się do modalności, obsługi parametrów i ceny, a nie do jakiegokolwiek opublikowanego wyniku.

Oba modele mają tę samą długość kontekstu wynoszącą 262144 tokeny, więc żaden nie daje dłuższego okna roboczego niż drugi. Różnią się tym, co przyjmują i jakie parametry udostępniają. Mistral Medium 3.5 przyjmuje dane wejściowe w postaci tekstu, obrazu i pliku, natomiast Pareto 26.9 przyjmuje tylko tekst i obraz, więc wprowadzanie plików jest dostępne po stronie Mistral, a nie po stronie Pareto. Mistral Medium 3.5 obsługuje również ustrukturyzowane dane wyjściowe i parametry rozumowania (w tym reasoning i reasoning_effort), a żaden z nich nie jest wymieniony dla Pareto 26.9. Poza tym Mistral Medium 3.5 udostępnia szerszy zestaw kontroli próbkowania, takich jak frequency_penalty, presence_penalty, seed i stop, podczas gdy Pareto 26.9 wymienia mniejszy zestaw: max_tokens, response_format, temperature, tool_choice, tools i top_p. Oba modele obsługują wywoływanie narzędzi, więc to nie jest czynnik różnicujący.

W codziennej pracy wybór jest dość mechaniczny. Jeśli Twoje zadanie obejmuje polecenia wymagające intensywnego rozumowania, ustrukturyzowane dane wyjściowe, które muszą być zgodne ze schematem, lub dokumenty dostarczone jako pliki, Mistral Medium 3.5 jest tym, który obsługuje te funkcje, a Pareto 26.9 ich nie wymienia. Jeśli Twoje zadanie polega na prostym wprowadzaniu tekstu lub obrazu z odpowiedzią w postaci zwykłego tekstu, oba modele mogą je obsłużyć, a decyzja opiera się wtedy na cenie i na tym, jak dużą kontrolę chcesz mieć nad generowaniem. Mistral Medium 3.5 jest tańszą opcją pod względem ceny danych wejściowych, podczas gdy cena danych wyjściowych jest w przybliżeniu taka sama w obu przypadkach, więc obciążenia z dużymi poleceniami i skromnymi uzupełnieniami zwykle faworyzują model Mistral pod względem kosztów. Obciążenia zdominowane przez tokeny wyjściowe wykazują niewielką różnicę w cenie.

Wywoływanie któregokolwiek modelu przez api14 działa w ten sam sposób, ponieważ API jest zgodne z OpenAI. Kierujesz swojego klienta na bazowy adres URL api14, wysyłasz żądanie w zwykłym kształcie uzupełnień czatu i ustawiasz pole model na identyfikator, którego chcesz użyć. Aby użyć Mistral Medium 3.5, ustaw identyfikator modelu na "mistralai/mistral-medium-3-5". Aby użyć Pareto 26.9, ustaw go na "unbiased/pareto-26.9". Wszystko inne w treści żądania, wiadomości, temperature, tablica tools i reszta, pozostaje bez zmian, z zastrzeżeniem parametrów obsługiwanych przez każdy model. Oznacza to, że możesz przełączać się między nimi, zmieniając pojedynczy ciąg znaków, co ułatwia kierowanie różnych żądań do różnych modeli lub porównywanie ich wyników dla tego samego polecenia.

Zmień jednym ciągiem znaków

Oba modele używają tego samego endpointu i tej samej struktury żądania. Zmień wartość model z "mistralai/mistral-medium-3-5" na "unbiased/pareto-26.9", prompty, streaming i narzędzia działają dalej.

Mistral: Mistral Medium 3.5: szczegóły i piaskownica →Pareto 26.9: szczegóły i piaskownica →

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": "unbiased/pareto-26.9",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Mistral: Mistral Medium 3.5 kontra Pareto 26.9

Specyfikacja

Najważniejsze różnice

Szczegółowo

Zmień jednym ciągiem znaków

Więcej porównań