Mistral Large 4 tuli ennakkokäyttöön – konteksti kasvoi miljoonaan tokeniin

Mistral AI toi Mistral Large 4:n julkiseen ennakkokäyttöön 6. lokakuuta 2026 miljoonan tokenin konteksti-ikkunalla ja kahdeksi viikoksi puolitetuin API-hinnoin. Mallia voi jo käyttää rajapinnan kautta. Suomalaiselle kehitystiimille muutos merkitsee mahdollisuutta lähettää aiempaa laajempia koodi- ja dokumenttiaineistoja samaan käsittelyyn, mutta pitkä syöte kasvattaa myös yksittäisen pyynnön hintaa.

Mistralin mallikortti ilmoittaa API-tunnisteeksi mistral-large-4, aktiivisten parametrien määräksi 52 miljardia, kokonaismääräksi 1,05 biljoonaa ja näköenkooderin kooksi 1,6 miljardia; alennetut hinnat ovat 0,68 dollaria miljoonalta syötetokenilta, 0,07 dollaria miljoonalta välimuistiin osuvalta syötetokenilta ja 2,09 dollaria miljoonalta tuotetulta tokenilta, kun vastaavat normaalihinnat ovat 1,36, 0,14 ja 4,18 dollaria. Malli on julkinen ennakkoversio, joten nykyinen saatavuus ja tarjoushinta eivät vielä kerro, millaisin ehdoin sitä käytetään myöhemmin.

Miljoonan tokenin ikkuna antaa tilaa kokonaisuuksille

Konteksti-ikkuna on yhden käsittelykokonaisuuden enimmäiskoko. Aineiston lisäksi siihen mahtuvat sovelluksen ohjeet, mahdollinen keskusteluhistoria ja mallin vastaukselle tarvittava tila. Ilmoitettua tokenimäärää ei siksi voi muuntaa suoraan sivuiksi tai lähdekoodiriveiksi. Suomenkielinen teksti, ohjelmakoodi, taulukot ja dokumenteista poimittu sisältö voivat kuluttaa tilaa eri tahtiin, vaikka ne näyttäisivät lukijalle yhtä pitkiltä.

Mittakaavaa voi kuvata ehdollisella laskelmalla. Jos dokumentissa olisi keskimäärin 2 000 tokenia, 300 dokumenttia veisi 600 000 tokenia. Jos lisäksi 200 lähdekooditiedostossa olisi keskimäärin 1 500 tokenia, niiden osuus olisi 300 000 tokenia. Yhteensä aineisto käyttäisi 900 000 tokenia, jolloin ilmoitettuun miljoonan tokenin ikkunaan jäisi teoriassa 100 000 tokenia ohjeille, viestirakenteelle ja vastaukselle. Laskelma kuvaa julkaistua rajaa, ei lupausta siitä, että näin pitkä pyyntö toimii jokaisessa rajapintaympäristössä.

Suuri ikkuna voi olla hyödyllinen, kun kysymys yhdistää toisistaan kaukana olevia kohtia samassa aineistossa. Rajapinnan muutosta koskeva kysymys voi esimerkiksi vaatia sekä määrittelyn, sitä käyttävien palvelujen koodin että dokumentaation käsittelyä. Kaiken lähettäminen samalla kertaa ei silti takaa, että malli löytää juuri oikean kohdan tai tekee siitä oikean päätelmän. Kontekstiraja kertoo, paljonko sisältöä käsittelyyn voi tarjota, eikä mittaa vastauksen tarkkuutta pitkän syötteen eri kohdissa.

MoE-rakenne ja näkösyöte laajentavat käyttötapoja

Large 4 on asiantuntijasekoitteeseen eli MoE-rakenteeseen perustuva multimodaalinen malli. Rakenteessa mallin kokonaisparametrit ja käsittelyn aikana aktiiviset parametrit kuvaavat eri asioita: ensimmäinen luku kertoo koko verkon koon, toinen käytettävän osan mittakaavan. Kokonaisparametrien määrästä ei voi suoraan johtaa yhden API-pyynnön viivettä tai kustannusta. Käytännön vasteaikaan vaikuttavat muun muassa syötteen pituus, tuotettavan vastauksen määrä ja palvelun kuormitus.

Näköenkooderi tuo tekstin rinnalle kuvasisällön käsittelyn. Mallille on listattu myös rakenteiset vastaukset, funktiokutsut ja dokumenttikysymykset, jotka ovat olennaisia, jos vastaus pitää liittää ohjelmiston muuhun toimintaan. Pitkässä dokumenttityössä kuvan ymmärtäminen ja laaja teksti-ikkuna voivat täydentää toisiaan: piirros, taulukko ja niitä selittävät tekstikohdat voidaan tuoda samaan tehtävään. Ilmoitetut ominaisuudet eivät kuitenkaan yksin kerro, kuinka luotettavasti malli yhdistää niiden tiedot juuri tietyn sovelluksen aineistossa.

Ennakkohinta muuttaa pitkän pyynnön laskelmaa

Alennetulla hinnalla ehdollinen pyyntö, jossa lähetetään 600 000 välimuistiin osumatonta syötetokenia ja saadaan 4 000 tuotettua tokenia, maksaisi noin 0,42 dollaria. Normaalihinnoilla sama laskelma olisi noin 0,83 dollaria. Ero voi vaikuttaa pieneltä yksittäisessä pyynnössä, mutta jos täsmälleen saman kokoinen käsittely toistuisi tuhat kertaa, laskennallinen kokonaisuus nousisi noin 416 dollarista noin 833 dollariin. Luvut koskevat vain ilmoitettuja tokenihintoja eivätkä sisällä muita mahdollisia kuluja.

Välimuistiin osuvalle syötteelle on erillinen, tavallista syötettä alempi hinta. Se on merkityksellinen esimerkiksi tilanteessa, jossa sama pitkä tausta-aineisto kuuluu useaan peräkkäiseen pyyntöön. Kustannusta ei silti voi laskea koko aineistolle välimuistihinnalla pelkästään siksi, että dokumentit ovat samankaltaisia: säästö koskee sitä osaa syötteestä, jonka palvelu todella käsittelee välimuistiin osuvana. Siksi toistuvan työn hinta riippuu myös siitä, miten pyynnöt muodostetaan.

Ennakkoversion taloudellinen riski näkyy tarjousajan ja tuotantokäytön eri aikajänteissä. Kahden viikon alennuksella laskettu kokeilubudjetti ei kuvaa pysyvää liikennettä normaalihinnoilla. Lisäksi mallin keskeneräinen julkaisustatus jättää avoimeksi, muuttuvatko sen toiminta tai ehdot jatkokehityksessä. Suuren konteksti-ikkunan hyöty on näin arvioitava yhdessä toteutuneen tokenkulutuksen, vastausajan ja oman aineiston vastauslaadun kanssa.

Suorituskykyväitteet odottavat riippumatonta vertailua

Mistralin perustajiin kuuluva Guillaume Lample arvioi Le Mondelle mallin olevan ”essentially at the same level as the best Chinese models from a month or two ago”; yhtiö aikoi julkaista mallin painot 27. lokakuuta. Kyse on valmistajan arviosta, ja riippumattomien vertailujen on vielä osoitettava, miten ennakkoversio sijoittuu muihin malleihin. Painojen julkaisu on suunniteltu seuraava vaihe, ei jo toteutunut osa ennakkokäyttöä.

Esitetyt tulokset koodauksesta ja erikoistuneista tehtävistä kertovat, mihin valmistaja mallinsa asemoi. Testin tulkinnassa ratkaisevat kuitenkin tehtäväjoukko, käytetyt työkalut sekä se, mitataanko pelkkää mallia vai mallin ja agentin muodostamaa kokonaisuutta. Erityisesti laajaa koodipohjaa käsittelevälle tiimille yleinen vertailusijoitus ei vastaa suoraan kysymykseen, löytääkö malli oikean riippuvuuden omasta koodista ja säilyykö tulos johdonmukaisena pitkissä pyynnöissä.

Painojen julkaisu avaisi mahdollisuuden tutkia mallia API-ennakkoversiota laajemmin ja arvioida myös muita käyttöympäristöjä. Samalla tarkemmat tiedot vertailujen menetelmistä auttaisivat erottamaan mallin suorituskyvyn sitä ympäröivän työkaluketjun vaikutuksesta. Siihen asti suomalaiselle API-ostajalle varmimmat lähtökohdat ovat ilmoitettu kontekstiraja, nykyiset hinnat ja ennakkostatuksen asettamat rajat.

Lue myös:

• Steady Energy tuli pörssiin – 40 miljoonan euron laina vauhdittaa reaktoria
• SvelteKit 3 tuli jakoon – automaattinen siirto jättää silti TODO-listan
• 15 miljoonaa Instagram-julkaisua: tilin tyyppi ennusti sitoutumista