Mistral: Mistral Large 4 mot Writer: Palmyra X5
En jämförelse sida vid sida av Mistral: Mistral Large 4 (2,45 US$ / 1M textdelar (≈ 24,00 kr)) och Writer: Palmyra X5 (2,10 US$ / 1M textdelar (≈ 20,57 kr)) med aktuella USD-priser och funktioner från api14-katalogen. Båda körs via samma OpenAI-kompatibla API.
Specifikationer
| Mistral: Mistral Large 4 | Writer: Palmyra X5 | |
|---|---|---|
| Leverantör | Mistral | Writer |
| Indata | 2,45 US$ / 1M textdelar (≈ 24,00 kr) | 2,10 US$ / 1M textdelar (≈ 20,57 kr) |
| Utdata | 7,35 US$ / 1M textdelar (≈ 72,00 kr) | 21,00 US$ / 1M textdelar (≈ 205,72 kr) |
| Cacheläsning | 0,25 US$ / 1M textdelar (≈ 2,40 kr) | - |
| Kontextfönster | 1 048 576 | 1 040 000 |
| Max utdata | 262 144 | 8 192 |
| Indata | text, image | text |
| Utdata | text | text |
| Verktygsanrop | ||
| Strukturerad utdata | ||
| Styrning av resonemang | ||
| Tillagd | 6 okt. 2026 | 21 jan. 2026 |
Viktiga skillnader
- Writer: Palmyra X5 är 14% billigare på indata-tokens.
- Mistral: Mistral Large 4 är 65% billigare på utdata-tokens.
- Endast Mistral: Mistral Large 4 stöder verktygsanrop.
- Endast Mistral: Mistral Large 4 stöder strukturerad JSON-utdata.
- Endast Mistral: Mistral Large 4 stöder styrning av resonemangsnivå.
- Ett anrop med 1 000 indata- och 500 utdata-tokens kostar 0,00613 US$ med Mistral: Mistral Large 4 och 0,01 US$ med Writer: Palmyra X5.
Mer i detalj
Mistral: Mistral Large 4 är tillverkad av Mistral och har modell-id mistralai/mistral-large-4-0 på api14. Writer: Palmyra X5 är tillverkad av Writer och har modell-id writer/palmyra-x5. Båda är modeller i textkategorin, vilket innebär att de är byggda för språkarbete snarare än ljud-, video- eller inbäddningsuppgifter, och båda returnerar text som utdata. Den praktiska skillnaden börjar med vem som står bakom dem: Mistral är ett modellabb med en bred allmän produktlinje, medan Writer är en leverantör vars modeller är inriktade på företagsskrivande och innehållsarbetsflöden.
De två skiljer sig mest åt i vad de accepterar och vad du kan styra. Mistral Large 4 accepterar både text- och bildindata, så den kan titta på en skärmbild, ett diagram eller en skannad sida tillsammans med din prompt, medan Palmyra X5 endast accepterar text. Mistral Large 4 exponerar också en mycket bredare parameteruppsättning: tools och tool_choice för funktionsanrop, structured_outputs och response_format för begränsad JSON, reasoning och reasoning_effort plus include_reasoning för styrning av tänkandestil, samt samplingsreglage som frequency_penalty, presence_penalty, logprobs, top_logprobs och seed. Palmyra X5 stöder en snävare uppsättning: max_tokens, stop, temperature, top_k och top_p. Deras kontextfönster är tillräckligt nära varandra för att skillnaden inte är meningsfull i praktiken, ungefär en miljon token vardera, så ingen av dem vinner på hur mycket du kan mata in. Priset: Palmyra X5 är det billigare alternativet för indata, medan Mistral Large 4 är det billigare alternativet för utdata.
För dagligt val, använd Mistral Large 4 när din uppgift behöver något utöver vanlig text in och text ut. Om du bygger en agent som anropar funktioner, om du behöver att svaret följer ett JSON-schema, om du vill finjustera reasoning_effort, eller om dina indata innehåller bilder, kan Palmyra X5 inte göra dessa saker och Mistral Large 4 kan. Använd Palmyra X5 när jobbet är enkel textgenerering eller transformation, när dina prompter endast är text, och när indatavolymen är den dominerande kostnaden i din arbetsbelastning, eftersom den är billigare på indata. Om din arbetsbelastning är utdatatung är den billigare utdatasidan Mistral Large 4, vilket kan kompensera för dess högre indatapris.
Att anropa endera modellen via api14 fungerar på samma sätt eftersom API:et är OpenAI-kompatibelt. Du pekar din befintliga klient mot api14:s bas-URL, skickar en chat completions-begäran med dina meddelanden och ändrar endast modellfältet. Använd mistralai/mistral-large-4-0 för Mistral Large 4 och writer/palmyra-x5 för Palmyra X5. Allt annat i begärans struktur förblir detsamma, så att byta är en enradsändring och du kan A/B-testa de två på verklig trafik utan att skriva om din integration. Tänk på att parametrar inte är universella: om du skickar tools, response_format eller reasoning_effort till Palmyra X5, förvänta dig att de inte stöds, så villkora dessa fält på det modell-id du anropar.
Byt med en sträng
Båda modellerna använder samma endpoint och anropsformat. Ändra model-värdet från "mistralai/mistral-large-4-0" till "writer/palmyra-x5", promptar, streaming och verktyg fortsätter att fungera.
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);
Fler jämförelser
- LiquidAI: LFM3-1.7B mot Ricursive: Ripple 65B Preview
- LiquidAI: LFM3-1.7B mot Crouton Alpha
- LiquidAI: LFM3-1.7B mot Tencent: Hy4
- LiquidAI: LFM3-1.7B mot Z.ai: GLM 5.3 FlashX Legal
- Ricursive: Ripple 65B Preview mot Crouton Alpha
- Ricursive: Ripple 65B Preview mot Tencent: Hy4
- Ricursive: Ripple 65B Preview mot Z.ai: GLM 5.3 FlashX Legal
- Crouton Alpha mot Tencent: Hy4