Mistral Large 4: API US$0,70, Model 1 Triliun
Mistral Large 4 sekarang open weight, jadi perusahaan bisa download dan mengontrol modelnya. Buat kebanyakan UMKM, opsi yang lebih masuk akal tetap API hosted seharga US$0,70 per sejuta token input, karena mengoperasikan model 1 triliun parameter adalah kerjaan yang jauh lebih besar.
Bedanya penting di Indonesia, saat banyak UMKM masih memilih workflow pertama yang layak pakai AI. Mistral sudah membuka modelnya. Biaya untuk mengubah akses model jadi workflow customer, finance, atau kerja founder yang reliable tetap ada.
Open weight kasih kontrol, bukan tagihan nol
Rilis ini punya tiga lapis: weight yang bisa di-download, API hosted, dan workflow jadi yang dipakai bisnis. Biayanya beda.
| Angka yang dipublikasikan | Posisi per Oktober 2026 | Artinya buat UMKM | Yang masih kosong |
|---|---|---|---|
| Rilis open weight | 29 Okt 2026 | Model bisa di-download, diadaptasi, dan dijalankan sesuai lisensi | Budget operasi lengkap untuk self-hosting |
| Ukuran model | 1 triliun parameter total; 52 miliar aktif | Jauh di atas deployment komputer kantor biasa | Mistral tidak membuka satu tagihan hardware universal |
| Input API hosted | US$0,70 per 1 juta token | Bisa mulai murah tanpa punya hardware sendiri | Tagihan bulanan workflow kamu, karena volume dan konteks beda |
| Output API hosted | US$2,10 per 1 juta token | Jawaban panjang lebih mahal daripada input | Biaya review, integrasi, dan maintenance |
| Tes workflow bisnis | 59,9% di AutomationBench saat preview 6 Okt | Vendor punya bukti kemajuan di kerja multi-step | Akurasi lokal, exception, dan waktu staf yang hemat |
| Cyber Index | 51% di rilis 29 Okt | Model open ini bisa menyelesaikan sebagian tugas defensive security | Bukti independen untuk data dan tingkat risiko kamu |
Open weight berarti file model tersedia untuk diperiksa, diadaptasi, dan di-deploy. Paketnya tidak otomatis mencakup mesin, monitoring, update, orang, dan catatan bisnis di sekelilingnya. Mistral bilang mayoritas model open mereka memakai lisensi Apache 2.0, tapi buyer tetap perlu cek model card dan terms yang spesifik.
Headline harga datang dari API hosted. Mistral mencantumkan US$0,70 buat sejuta token input dan US$2,10 buat sejuta token output per Oktober 2026. Token adalah potongan kecil teks atau data yang diproses model. Invoice berubah sesuai konteks, durasi, dan jumlah percobaan ulang.
Akses murah itu berguna. Operasional jadi belum tentu ikut murah.
Uangnya ada di sekitar model
Mistral melatih preview-nya dengan 3.800 Grace Blackwell GPU dan bilang model ini mendukung self-deployment. Itu bukti bahwa produknya dibangun buat operator besar. Angka yang sama juga menjelaskan kenapa UMKM jangan membaca “bisa di-download” sebagai “murah dijalankan di kantor”.
Vendor tidak memberi satu harga self-hosting, dan itu masuk akal. Hardware, traffic, response time, redundancy, dan dukungan staf mengubah jawabannya. Konsekuensinya, buyer tidak bisa membandingkan API dan self-hosting hanya dari model card.
Analisis kami: kontrol adalah alasan terkuat buat mempertimbangkan open weight. Biaya belum tentu alasan terkuat. Model hosted yang lebih kecil bisa lebih murah buat satu job sempit. Model besar yang di-host sendiri baru masuk akal saat volumenya stabil, ada tim spesialis, dan lokasi data punya syarat jelas.
Klaim benchmark masih butuh tes buyer
Mistral bilang Large 4 memimpin benchmark coding open weight dan mencetak 51% di Artificial Analysis Cyber Index setelah tiga minggu reinforcement learning tambahan. Hugging Face mencatat model ini sebagai open-weight model peringkat lima di Artificial Analysis Intelligence Index pada 29 Oktober. Itu sinyal berguna, belum jadi purchase order.
Skor 59,9% di AutomationBench lebih dekat ke kerja bisnis karena tesnya mencakup 657 workflow lintas app umum. Skor itu tidak mencakup semua tugas, dan exception lokal kamu tidak ada di leaderboard. Beberapa evaluasi juga dijalankan Mistral sendiri. Rilisnya memberi bukti untuk klaim mereka sekaligus alasan buat tes independen.
Owner florist tidak membeli peringkat coding. Finance lead tidak membeli jumlah parameter. Mereka membeli lebih sedikit order yang kelewat, closing lebih cepat, atau brief founder yang datang lengkap dengan sumber.
Mistral Large 4 masuk pasar AI yang masih muda
Buat buyer Indonesia, pilihan praktisnya adalah memakai layanan hosted atau mengambil tanggung jawab mengoperasikan model sendiri. Penanganan data sesuai UU PDP, approval, dan orang yang mengurus exception wajib masuk keputusan itu.
Di sistem yang kami bangun, hasil baru kelihatan setelah model selesai bekerja. Case study order WhatsApp menunjukkan sisi workflow. Hasilnya tidak membuktikan satu model selalu menang buat semua job.
Buyer Indonesia perlu mulai dari job, mengukur handoff-nya, lalu memilih tool terkecil yang sanggup.
Apa yang perlu dilakukan UMKM sekarang?
- Namai satu job sampai selesai. Pilih hasil seperti booking terkonfirmasi, pembayaran yang matched, atau brief pagi dengan sumber. “Pakai Mistral Large 4” adalah pilihan teknologi, bukan hasil bisnis.
- Ukur baseline manual. Catat menit staf, volume, error, dan waktu approval selama empat minggu. Bandingkan workflow dengan Excel atau merekrut admin lagi sebelum membandingkan ranking model.
- Tes exception yang nyata. Pakai nama lokal, Bahasa Indonesia, singkatan chat, order tidak lengkap, dan instruksi yang berubah. Benchmark tidak bisa menunjukkan kapan staf kamu harus ambil alih.
- Minta total biaya bulanan. Masukkan usage, integrasi, monitoring, human review, dan maintenance. Kalau self-hosting ditawarkan, tanya siapa yang mengoperasikan dan apa yang terjadi saat update.
- Tahan langkah penting buat approval. Biarkan AI menyiapkan kerjaan, lalu berhenti sebelum uang bergerak, booking dijanjikan, atau catatan diubah. Rapi™ memakai aturan outcome-first yang sama buat kerja personal.
Yang perlu dipantau berikutnya
- Setelah 31 Oktober 2026: Apakah model card final menambah profil deployment, detail lisensi, dan hasil benchmark yang bisa direproduksi.
- Saat update harga berikutnya: Apakah tarif API US$0,70 dan US$2,10 bertahan, serta apakah bahasa diskon launch berubah.
- Di evaluasi independen: Apakah skor Cyber Index 51% dan posisi coding bertahan setelah model open lain dites dengan kondisi yang sama.
- Dalam empat minggu pertama kamu: Apakah satu workflow selesai dengan biaya lebih rendah dan menit staf lebih sedikit. Hasil itu lebih penting dari leaderboard berikutnya.
Sumber
- Mistral AI: Mistral Large 4 (Le Chonk) is now open weight
- Mistral AI: Introducing Mistral Large 4
- Mistral AI Documentation: Mistral Large 4 model card and pricing
- Hugging Face: Welcome Le Chonk: Mistral Large 4 on Hugging Face
- Mistral AI Help Center: Under which license are Mistral's open models available?
Common questions
- Apa itu Mistral Large 4?
- Mistral Large 4 adalah model AI multimodal dengan 1 triliun parameter total dan 52 miliar parameter aktif. Mistral merilis weight yang bisa di-download pada 29 Oktober 2026 setelah preview API publik di awal bulan.
- Apakah Mistral Large 4 gratis?
- Weight modelnya bisa di-download sesuai terms yang dipublikasikan, tapi menjalankannya tidak gratis. Bisnis tetap membayar hardware, operasi, dan staf, atau memakai API hosted Mistral yang tercantum US$0,70 per sejuta token input dan US$2,10 per sejuta token output pada Oktober 2026.
- Apa arti open weight?
- Open weight berarti file model yang sudah dilatih tersedia untuk di-download, diperiksa, diadaptasi, dan di-deploy sesuai lisensi. Paketnya tidak otomatis mencakup data training, aplikasi, integrasi, hardware komputasi, monitoring, atau maintenance buat workflow bisnis yang dependable.
- Apakah UMKM perlu self-host Mistral Large 4?
- Kebanyakan UMKM sebaiknya mengetes layanan hosted dulu. Self-hosting Mistral Large 4 bisa masuk akal saat usage stabil, ada operator spesialis, dan kebutuhan kontrol atau lokasi data membenarkan infrastrukturnya. Satu workflow sempit perlu membuktikan hasil sebelum komitmen itu.
- Bagaimana UMKM mengetes Mistral Large 4?
- Tes Mistral Large 4 pada satu job sampai selesai dengan bahasa lokal, exception, dan titik approval yang nyata. Ukur waktu staf, hasil sukses, error, dan total biaya bulanan. Benchmark publik berguna sebagai filter, tapi tidak menggantikan tes workflow bisnis.
