# Mistral Large 4: cena API i praca z polskimi dokumentami

> Mistral Large 4 jest od 6 października 2026 dostępny przez API w wersji preview, ze stawkami obniżonymi o połowę przez dwa tygodnie. Jakości po polsku nie mierzyłem; ocenę w polskiej firmie opieram na koszcie poprawnie wykonanego zadania, liczonym po stawkach bez promocji.

Autor: Robert Marczyński · Opublikowano: 2026-10-08 · Aktualizacja: 2026-10-08
Kanoniczny URL: https://ekspertodsztucznejinteligencji.pl/blog/mistral-large-4-cena-polskie-dokumenty

Krótka odpowiedź: Mistral Large 4 jest od 6 października 2026 dostępny przez API w wersji preview, a wagi Mistral zapowiada na koniec października. Karta modelu odczytana 7 października pokazuje stawki promocyjne 0,68 USD za milion tokenów wejścia i 2,09 USD za wyjście, a bez promocji 1,36 i 4,18 USD; według changelogu obniżka o połowę trwa dwa tygodnie od premiery. Jakości po polsku nie mierzyłem, więc nie mam podstaw, by ją oceniać. Dla polskiej firmy rachunek zaczyna się od poprawnie wykonanego zadania: czy model zachował kwoty, terminy i warunki z dokumentu, a dopiero potem ile kosztowały odpowiedź i jej sprawdzenie, liczone po stawkach bez promocji.

Nie uruchamiałem Large 4 na dokumentach. Liczę więc koszt na jawnych założeniach i udostępniam [próbę dokumentów do własnego porównania](/materialy/mistral-large-4-proba-dokumentow.csv): 12 zadań z kryteriami oceny, bez wyników przypisanych jakiemukolwiek modelowi.

## Co jest dostępne od 6 października 2026, a na co trzeba poczekać

Na 7 października 2026 dostęp jest tylko przez API w wersji preview. Wagi są zapowiedziane na koniec miesiąca, a strona modelu na Hugging Face nadal pokazuje nadchodzącą premierę. Kto planuje uruchomienie u siebie, musi poczekać na pliki i dopiero wtedy sprawdzić licencję oraz wymagania sprzętowe.

Karta Large 4 wymienia pracę z obrazami i tekstem, wywoływanie funkcji, odpowiedzi w zadanej strukturze i okno kontekstu miliona tokenów. Długi kontekst sam nie rozstrzyga, czy model odnajdzie wyjątek zapisany w środku umowy, a limit konkretnego endpointu trzeba sprawdzić osobno.

Mistral podaje w ogłoszeniu z 6 października 2026, że dane treningowe obejmowały ponad 160 języków, w tym wszystkie urzędowe języki UE. To powód, żeby polski sprawdzić, choć ogłoszenie nie podaje wyniku, który dałoby się wpisać do protokołu odbioru wdrożenia.

## Co sprawdzać w polskim dokumencie

Najpierw sprawdziłbym informacje, których błędne przepisanie zmienia decyzję pracownika. Płynne podsumowanie łatwo ocenić jako dobre, mimo że zgubiło warunek naliczenia opłaty albo zamieniło termin liczony od akceptacji na termin liczony od zamówienia.

Przykład, który wymyśliłem na potrzeby tego tekstu:

> Dostawa nastąpi w ciągu 14 dni od pisemnej akceptacji projektu. Transport wycenimy oddzielnie. Podana cena nie obejmuje montażu.

Odpowiedź powinna zachować moment rozpoczęcia biegu terminu, brak ceny transportu i wyłączenie montażu. Nie ma podstaw, by podać datę dostawy, jeśli nie znamy daty akceptacji. Tak ustalone kryteria da się sprawdzić bez oceniania stylu odpowiedzi.

W dołączonej próbie są także sprzeczne wersje oferty, liczby z polskim separatorem dziesiętnym oraz dokument ze zdaniem, które próbuje zmienić polecenie użytkownika. Chodzi o odmienne rodzaje błędów: dopisanie informacji, pominięcie wyjątku, pomylenie kwoty i potraktowanie treści dokumentu jako instrukcji dla asystenta.

W [pomiarze tokenizerów Kolibri i innych modeli](/blog/kolibri-aleph-alpha-polski-tokenizer) badałem długość zapisu tekstu. Tutaj kryterium jest zachowanie jego znaczenia i wykonanie zadania, a liczba tokenów będzie jedną z pozycji rachunku.

## Cena Mistral Large 4: promocja i stawki standardowe

Karta modelu odczytana 7 października 2026 podaje dwie kolumny stawek. Promocyjne to 0,68 USD za milion tokenów wejścia, 0,07 USD za odczyt wejścia z cache i 2,09 USD za wyjście, a standardowe 1,36, 0,14 i 4,18 USD. Changelog z 6 października mówi, że obniżka o połowę trwa dwa tygodnie od premiery.

| Kategoria | Promocja, odczyt 7.10.2026 | Stawka standardowa, ten sam odczyt |
| --- | ---: | ---: |
| Wejście bez cache | 0,68 USD | 1,36 USD |
| Odczyt wejścia z cache | 0,07 USD | 0,14 USD |
| Wyjście | 2,09 USD | 4,18 USD |

Do budżetu powtarzalnego procesu przyjąłbym kolumnę standardową. Obniżka startowa pozwala taniej sprawdzić model, ale nie opisuje kosztu całego roku. Nie zakładam też, że powtarzany dokument automatycznie otrzyma stawkę cache: oszczędność da się policzyć dopiero z danych o rzeczywistym użyciu cache, które zwraca API.

## Ile kosztuje tysiąc zadań

W moim scenariuszu, policzonym 7 października 2026, tysiąc wywołań kosztuje 5,49 USD w promocji albo 10,98 USD według stawek standardowych. Zakładam, że jedno wywołanie zużywa 5000 tokenów wejścia bez cache i 1000 rozliczonych tokenów wyjścia. To przykład arytmetyczny, nie zmierzone zużycie Large 4 na polskich dokumentach.

Rachunek jednego wywołania w promocji to `(5000 × 0,68 + 1000 × 2,09) / 1 000 000`, czyli 0,00549 USD. Jeśli co piąte zadanie trzeba powtórzyć, czyli dochodzi 200 identycznych wywołań, koszt tokenów rośnie do około 6,59 USD w promocji lub 13,18 USD bez niej. Prawdziwe ponowienia niosą zwykle dłuższą rozmowę i inne zużycie tokenów, więc trzeba je zliczać z odpowiedzi API.

Kwoty nie obejmują narzędzi, infrastruktury integracji, podatków ani pracy osoby sprawdzającej wynik. Czas tej osoby mierzyłbym osobno: odpowiedź, którą trzeba długo porównywać ze źródłem i poprawiać, może nie oszczędzać pracy mimo niskiej ceny tokenów.

Porównując modele, dzielę łączny koszt wszystkich prób i obsługi przez liczbę zadań ukończonych poprawnie. Obok zapisuję odsetek ukończonych zadań. Bez niego model, który poradził sobie z kilkoma łatwymi przypadkami, mógłby wyglądać korzystnie, choć resztę pracy pozostawił człowiekowi. Takie rozliczenie uzupełnia [roczny rachunek własnego modelu i API](/blog/wlasny-model-czy-api-rachunek).

## Europejska infrastruktura: co trzeba ustalić dla własnego wdrożenia

Ogłoszenie Mistrala opisuje trening oraz obsługę API w wersji preview we własnych centrach danych w Europie. Przed zakupem trzeba jeszcze ustalić, jak dokładnie firma będzie z modelu korzystać: bezpośrednie API producenta, pośrednik i przyszłe uruchomienie wag na własnym sprzęcie to trzy różne konfiguracje.

Do dokumentacji wybranego wariantu wpisałbym operatora endpointu, region przetwarzania, retencję danych oraz miejsce przechowywania logów i plików pomocniczych. Osobno sprawdziłbym narzędzia agenta: wyszukiwarkę, OCR i pamięć rozmów. Lokalizacja samego modelu nie mówi jeszcze, dokąd płyną dane w całym procesie. Listę spraw do ustalenia z dostawcą rozwijam w [tekście o umowie na AI](/odpowiedzi/co-musi-byc-w-umowie-z-dostawca-ai).

## Gotowa próba do oceny modelu

Przygotowałem [plik CSV z 12 syntetycznymi zadaniami](/materialy/mistral-large-4-proba-dokumentow.csv) i [instrukcję oceny](/materialy/mistral-large-4-proba-instrukcja.md). Każdy wiersz zawiera materiał wejściowy, polecenie i oczekiwany wynik lub kryteria zaliczenia. Zestaw można wykorzystać do porównania Large 4 z obecnym sposobem pracy, bez umieszczania w nim dokumentów klientów.

Najważniejsze jest rozdzielenie części dla modelu od klucza odpowiedzi. Asystent dostaje dokument i polecenie, a osoba oceniająca zachowuje oczekiwany wynik. Dodaj własne typowe przypadki, ustal kryteria przed uruchomieniem i zachowaj pełne odpowiedzi, także te nieudane. Zestaw jest próbą wstępną: nie jest reprezentatywnym badaniem polszczyzny ani podstawą do ogólnego rankingu modeli.

Large 4 trafia do porównania wtedy, gdy jego funkcje odpowiadają zadaniu, które firma naprawdę wykonuje. Decyzję o wdrożeniu oparłbym na trzech liczbach z własnej próby: odsetku poprawnych odpowiedzi, czasie ich sprawdzania i koszcie zadania po stawkach bez promocji.

## Najczęstsze pytania

**Ile kosztuje Mistral Large 4?**

Karta modelu odczytana 7 października 2026 pokazuje promocyjne stawki 0,68 USD za milion tokenów wejścia, 0,07 USD za odczyt wejścia z cache i 2,09 USD za wyjście. Stawki bez promocji to odpowiednio 1,36, 0,14 i 4,18 USD. Changelog z 6 października 2026 mówi o obniżce o połowę przez dwa tygodnie od premiery. To koszt tokenów, do którego mogą dojść koszty narzędzi, integracji i sprawdzenia odpowiedzi.

**Czy można już pobrać wagi Mistral Large 4?**

Nie. Na 7 października 2026 Mistral udostępnia Large 4 tylko przez API w wersji preview, a publikację wag zapowiada na koniec października. Strona modelu na Hugging Face jest oznaczona jako nadchodząca premiera. Zapowiedź otwartych wag nie oznacza jeszcze, że model da się pobrać i uruchomić u siebie.

**Czy Mistral Large 4 dobrze działa po polsku?**

Nie wiadomo. Według ogłoszenia Mistrala z 6 października 2026 dane treningowe obejmowały wszystkie języki urzędowe UE, ale to deklaracja producenta bez wyniku testu na polskich dokumentach. Jakości odpowiedzi modelu nie mierzyłem. Udostępniam własną próbę 12 zadań do sprawdzenia kwot, terminów, wyjątków i brakujących danych po polsku.

**Jak porównać koszt modeli AI przy pracy z dokumentami?**

Zsumuj koszt wszystkich prób, ponowień, narzędzi i ręcznej weryfikacji, a następnie podziel go przez liczbę zadań ukończonych poprawnie według kryteriów ustalonych przed testem. Obok pokaż odsetek ukończonych zadań i czas pracy. Bez poprawnie ukończonych zadań wskaźnika nie da się policzyć; raportuj wtedy wydatek i zero sukcesów.


## Źródła

- Mistral — Introducing Mistral Large 4 (6.10.2026, odczyt 7.10): preview API, wagi na koniec miesiąca, języki i infrastruktura europejska: https://mistral.ai/news/mistral-large-4/
- Mistral Docs — karta Mistral Large 4 (odczyt 7.10.2026): ceny standardowe i promocyjne, kontekst oraz obsługiwane funkcje: https://docs.mistral.ai/models/mistral-large-4-0
- Mistral Docs — changelog z 6.10.2026 (odczyt 7.10): public preview i 50% obniżki przez dwa tygodnie: https://docs.mistral.ai/resources/changelogs
- Mistral na Hugging Face — Mistral-Large-4.0-1T05-A52B (odczyt 7.10.2026): nadchodząca publikacja wag: https://huggingface.co/mistralai/Mistral-Large-4.0-1T05-A52B