Siirry pääsisältöön
Suomi— Valitse kieli
Valikko

Kustannukset, suorituskyky ja arvo

Oppitunti 11 / 14 Päivitetty 28. heinäkuuta 2026 Aloittelija
Tällä sivulla
  1. Tekoälyn talous
  2. Miten API-laskutus toimii
  3. Mistral-kustannusvertailu
  4. Suorituskykymittareiden lukeminen
  5. Oma isännöinti vs. API: Laskutoimitus
  6. Kilpailijoihin verrattuna
  7. Keskeiset asiat

Tekoälyn talous

Mallin valinta ei perustu pelkästään vastausten laatuun. Tuotantoympäristössä kustannus pyyntöä kohden, generointinopeus ja viive painavat yhtä paljon, ja ne ratkaisevat usein projektin kohtalon yksinään: erinomainen ominaisuus, joka maksaa liikaa miljoonan pyynnön mittakaavassa, ei selviydy ensimmäisestä budjettikatselmuksesta. Tämä oppitunti antaa sinulle avaimet Mistral-mallien arvolupauksen arviointiin ja vertailuun kilpailijoihin.

Miten API-laskutus toimii

Mistralin API laskuttaa käytön perusteella erottaen kaksi virtaa. Syöttötokenit (input tokens) vastaavat kaikkea, mitä lähetät mallille: ohjeet, kontekstin, liitetyt asiakirjat ja keskusteluhistorian. Tulostokenit (output tokens) vastaavat vastauksena generoitua tekstiä. Molemmat hinnoitellaan erikseen dollareina miljoonaa tokenia kohden, ja yksi token vastaa noin kolmea neljäsosaa sanasta englanniksi.

Esimerkki havainnollistaa mekanismia. Lähetät 2 000 sanan asiakirjan, eli noin 2 700 tokenia, ja malli tuottaa 500 sanan vastauksen, eli noin 670 tokenia. Pyynnön kustannus on summa 2 700 tokenista laskutettuna syöttöhinnalla ja 670 tokenista laskutettuna tulostushinnalla. Itsessään tämä määrä on merkityksetön. Kerrottuna useilla tuhansilla päivittäisillä pyynnöillä siitä tulee kuitenkin budjettikohta, jonka rahoitusosasto pyytää sinua perustelemaan. Tämä laskelma selittää myös sen, miksi lähetetyn kontekstin koon pienentäminen – suodattamalla asiakirjoja niiden kaikkien liittämisen sijaan – on ensimmäinen käytettävissä oleva vipu kustannusten leikkaamiseen.

Mistral-kustannusvertailu

Malli Taso Suhteellinen kustannus Nopeus Tyypillinen käyttötarkoitus
Ministral 3 (3B-8B) Open Erittäin alhainen (oma isännöinti) / Alhainen (API) Erittäin nopea Luokittelu, yksinkertaiset tehtävät, edge
Mistral Small 4 Open Alhainen Nopea Yleiskäyttö, chatbot, RAG
Mistral Medium 3.1 Premier Keskitaso Keskitaso Monimutkaiset tehtävät, multimodaalinen
Mistral Large 3 Open Korkea Hidas Maksimilaatu, tutkimus
Magistral Medium 1.2 Premier Korkea Hidas (chain-of-thought) Päättely, matematiikka, analyysi

Tarkat hinnat muuttuvat säännöllisesti: tarkista aina Mistralin virallinen hintasivu ajantasaisista hinnoista. Yllä olevat arvot osoittavat vain suhteellisia suuruusluokkia, jotka ovat hyödyllisiä päättelyssä, mutta eivät budjetin laatimisessa.

Suorituskykymittareiden lukeminen

Läpimeno (throughput), ilmaistuna tokenia sekunnissa, määrittää koetun sujuvuuden. Chatbotille 30–50 tokenin läpimeno sekunnissa riittää: vastaus näkyy nopeammin kuin käyttäjä ehtii lukea sen. Koodin täydennyksessä IDE-ympäristössä raja nousee 100 tokeniin sekunnissa ja yli, koska ehdotuksella, joka saapuu kehittäjän jo kirjoitettua rivin loppuun, ei ole arvoa. Kompaktit mallit, kuten Ministral tai Small 4, generoivat luonnostaan nopeammin kuin raskaat mallit kuten Large 3 tai Magistral, mikä tekee niistä usein edullisempia valintoja, vaikka niiden laatu olisi hieman alhaisempi.

Ensimmäisen tokenin aika (Time to First Token, TTFT) mittaa viivettä ennen kuin vastauksen ensimmäinen merkki ilmestyy näkyviin. Tämä on kriittisin mittari koetulle kokemukselle: yli kahden tai kolmen sekunnin viiveen jälkeen käyttäjä uskoo järjestelmän jumittuneen, vaikka koko vastaus saapuisikin tämän jälkeen hyvin nopeasti. Kolme tekijää vaikuttavat tähän viiveeseen: mallin koko, kehotteen (prompt) pituus, joka on käsiteltävä ennen vastaamisen aloittamista, sekä palvelimen kuormitus, sillä samanaikaiset pyynnöt jakavat saman kapasiteetin. Kokonaisviive yhdistää TTFT:n ja varsinaisen generointiajan, eli tuotettujen tokenien määrän kerrottuna yksikköajalla.

Oma isännöinti vs. API: Laskutoimitus

API voittaa taloudellisesti kolmessa tilanteessa. Matala tai kohtalainen volyymi, suuruusluokaltaan muutama tuhat pyyntöä päivässä, ei perustele palvelimen sitomista. Jaksoittainen käyttö – kuten kuukauden lopun käsittely tai kausiluonteinen piikki – jättäisi GPU:n pyörimään joutilaana muun ajan. Ja vaihtelevat tarpeet, jotka edellyttävät pääsyä useisiin malleihin, moninkertaistaisivat hallittavan infrastruktuurin.

Oma isännöinti muuttuu taas edulliseksi, kun volyymi on korkea ja vakio, suuruusluokaltaan kymmeniä tuhansia pyyntöjä päivässä, kun yksi malli kattaa koko tarpeesi ja kun sinulla on jo GPU-infrastruktuuri käytössä, oli se sitten pilvessä tai paikan päällä. Tämä viimeinen kohta on ratkaiseva: olemassa olevan laiteinvestoinnin kuittaaminen muuttaa yhtälön täysin.

Lasket kannattavuusrajan neljässä vaiheessa: arvioi kuukausittainen syöttö- ja tulostokenien volyymisi, laske vastaava API-kustannus, hinnoittele GPU-palvelin, joka pystyy absorboimaan tämän volyymin, ja vertaa sitten. Oma isännöinti muuttuu kannattavaksi heti, kun GPU-kustannus laskee API-kustannuksen alapuolelle. Käytännössä kynnysarvo on noin muutama sata dollaria kuukaudessa API-kulutuksessa – mutta älä unohda lisätä GPU-kustannukseen operointiin vaadittavaa insinöörityön aikaa, jota kukaan ei laskuta mutta jonka kaikki maksavat.

Kilpailijoihin verrattuna

Mistral sijoittuu arvon suhteen suotuisasti, vivahteita riippuen vastustajasta. OpenAI:ta ja GPT-5.6:ta vastaan Small 4 tarjoaa verrattavan suorituskyvyn yleensä alhaisemmalla kustannuksella, lisäten avoimen lähdekoodin edun. Anthropicia ja Claudea vastaan laatusijoittelu on samankaltainen ja erottautuminen perustuu painon avoimuuteen ja eurooppalaiseen suvereniteettiin. Googlen Geminiä vastaan kilpailukyky on todellinen tekstitehtävissä, ja erikoismallit kuten Voxtral ja Codestral tarjoavat ominaisuuksia, joita kilpailijoiden valikoimat eivät vastaa. Meta’n Llamaa vastaan kilpailu on suoraa avoimen lähdekoodin kentällä, jossa Mistral asettuu vastaan tehokkaammilla MoE-arkkitehtuureilla. Mistralin pysyvä erottava tekijä perustuu näiden kolmen elementin yhdistelmään: suorituskyky, avoimuus ja eurooppalainen ekosysteemi.

Keskeiset asiat

  • API-laskutus perustuu tokeniin (syöttö ja tuloste erikseen)
  • Nopeus ja viive ovat yhtä tärkeitä kuin laatu tuotannossa
  • Oma isännöinti muuttuu kannattavaksi tietyn pyyntövolyumin ylittyessä
  • Mistral tarjoaa kilpailukykyisen arvolupauksen, jota avoin lähdekoodi vahvistaa
  • Tarkista aina ajantasaiset hinnat viralliselta sivustolta ennen päätöksentekoa

Hinnat 5. elokuuta 2026 – hinnat muuttuvat säännöllisesti: ennen kuin teet minkäänlaisia budjettilaskelmia, varmista nykyinen hinnasto Mistralin viralliselta hintasivulta.