Mistral Large 4: quanto custa e quando vale testar

Documentação de lançamento, preços e implantação verificada em 7 de outubro de 2026. As especificações de lançamento e os resultados de benchmarks apresentados abaixo vêm do anúncio da Mistral; as tarifas em vigor vêm da tabela de preços da API por versão. O orçamento para documentos é um cálculo explícito, não um gasto medido nem uma indicação de que testamos o modelo aqui.

Mistral Large 4: o que mudou em 6 de outubro

A Mistral lançou um preview público hospedado em 6 de outubro de 2026, mas os pesos para download continuam prometidos para depois. O lançamento já muda a lista de modelos que vale avaliar. Ainda não oferece ao comprador corporativo um modelo que possa baixar e executar na própria infraestrutura. A previsão informada pela Mistral é o fim de outubro, com mais detalhes de arquitetura e pós-treinamento junto com os pesos. Fonte: anúncio de lançamento.

Segundo o anúncio, o Mistral Large 4 tem 1T de parâmetros no total e 49B de parâmetros ativos, com uma arquitetura Mixture-of-Experts híbrida de instruções e raciocínio e entrada multimodal. Parâmetros são os valores numéricos que o modelo aprende. Uma arquitetura Mixture-of-Experts, ou MoE, ativa partes selecionadas do modelo para cada token, em vez de usar todos os parâmetros em cada etapa. A combinação de instruções e raciocínio permite reunir, no mesmo modelo, tanto o cumprimento de instruções comuns quanto a resolução mais elaborada de problemas. A entrada multimodal incorpora material visual ao fluxo de trabalho, o que importa para gráficos, desenhos de engenharia e evidências presentes em documentos. Essas são as especificações do anúncio, não um guia para dimensionar hardware. Fonte: descrição do modelo pela Mistral.

O acesso confirmado hoje é pelo Mistral Studio e sua API de preview, a plataforma para desenvolvedores associada à La Plateforme. Use mistral-large-4-0 para identificar esta versão na avaliação. A ficha da versão também lista o nome abreviado mistral-large-4 e suporte a chat completions, saídas estruturadas, chamadas de funções e perguntas e respostas sobre documentos. A saída estruturada permite que a aplicação solicite um formato de resposta definido; as chamadas de funções permitem solicitar uma ação a uma ferramenta disponibilizada pela aplicação.

O anúncio de lançamento encaminha o leitor ao Studio. Ele não confirma que esse modelo específico de preview possa ser selecionado no Le Chat ou no Vibe. Uma assinatura para uso pessoal e um endpoint para desenvolvedores vinculado a uma versão respondem a necessidades de compra diferentes. Para uma avaliação reproduzível do modelo, use a API.

Há uma divergência nas especificações que precisa ficar explícita: a ficha atual da versão informa 1.05T de parâmetros no total e 52B ativos, enquanto o anúncio informa 1T e 49B. São duas descrições do fornecedor, e uma não deve substituir a outra sem explicação. Os números de lançamento acima estão atribuídos expressamente ao anúncio; a arquitetura final e os requisitos de implantação precisam ser conferidos novamente quando os pesos chegarem. Fonte: ficha atual da versão.

Preço do Mistral Large 4: tabela e promoção de lançamento

Para uso contínuo, faça o orçamento com $1.36 de entrada e $4.18 de saída por milhão de tokens; aplique a tarifa menor a um piloto elegível para a promoção. Tokens são as unidades processadas pelo modelo: a entrada inclui suas instruções e o material fornecido, enquanto a saída é o conteúdo gerado que o serviço cobra. As tarifas são diferentes, e juntar tudo em um preço médio pode esconder o custo de um fluxo com respostas extensas.

O anúncio da Mistral traz os preços de tabela. A tabela Standard em vigor, com a inferência regional desativada, marca o Large 4 como promocional e exibe os preços originais riscados. Todos os valores aqui estão em dólares americanos por milhão de tokens. Fontes: anúncio, preços da API.

A mesma tabela informa $0.14 para entrada em cache no preço normal e $0.07 durante a promoção. Entrada em cache é material já processado que atende aos requisitos para ser reutilizado com uma tarifa menor. Um documento enviado pela primeira vez deve entrar no orçamento de entrada sem cache. Fonte: preços da API.

Quanto tempo dura o desconto de lançamento?

A Mistral informa um desconto de lançamento de 50% por duas semanas. O histórico de atualizações informa essa duração; a ficha do modelo e a tabela de preços trazem os valores em dólares com desconto. Os documentos públicos consultados para este guia não indicam a data exata de encerramento, o horário limite nem o fuso horário. Não foi possível verificar o preço no console autenticado porque a tela exigia login. Não há uma data confirmada para publicar como último dia da oferta: confira no seu console antes de programar o trabalho em função da promoção.

Na previsão de compras, use as tarifas originais e trate a oferta como temporária. Assim, um mês barato de avaliação não vira uma projeção subestimada do custo contínuo.

Também evite usar o exemplo genérico de $0.50 de entrada e $1.50 de saída da página pública de preços da Mistral para orçar o Large 4. Esses valores correspondem à linha do Mistral Large 3 na tabela por versão. O nome da família de modelos não identifica o preço de uma versão atual. Nosso guia de preços da Mistral reúne a lista completa de modelos e as opções de assinatura separadamente.

Um mês de análise de documentos sai por $48.10 na tabela

Uma carga definida de 1,000 tarefas de revisão de documentos custa $48.10 em uso do modelo Large 4 pelos preços de tabela. Considere uma média de 20,000 tokens de entrada sem cache e 5,000 tokens de saída cobrados por tarefa, incluindo todas as chamadas ao modelo contabilizadas naquela tarefa. O mês processa, portanto, 20 milhões de tokens de entrada e 5 milhões de tokens de saída. É um orçamento ilustrativo de uso, não uma conversão a partir de páginas nem uma implantação medida.

O cálculo é:

• Entrada: 20 × $1.36 = $27.20.
• Saída: 5 × $4.18 = $20.90.
• Total: $27.20 + $20.90 = $48.10.

Enquanto a oferta de lançamento estiver valendo, o mesmo volume fixo custa 20 × $0.68 + 5 × $2.09 = $24.05. As estimativas não incluem impostos, créditos, processamento de documentos, cobranças de ferramentas nem uso adicional do modelo além dos totais de tokens informados. As tarifas vêm da tabela de preços da Mistral; o cálculo é nosso.

A saída representa apenas 20% dos tokens deste exemplo, mas cerca de 43% da conta no preço de tabela. Um fluxo que gera análises extensas ou reescreve um relatório várias vezes pode aumentar o total mais rápido do que o tamanho da entrada sugere. Some o uso informado pelo serviço ao longo de toda a tarefa, em vez de orçar apenas o parágrafo final que o usuário vê.

Quando vale pagar mais pelo modelo maior?

O Mistral Small 4 custa $6 para o mesmo volume fixo de tokens, com suas tarifas de tabela de $0.15 de entrada e $0.60 de saída: 20 × $0.15 + 5 × $0.60. Essa é uma referência de preço, não uma afirmação de que os modelos executam as mesmas tarefas com a mesma qualidade. O custo adicional do Large 4 é de $42.10 por mês na tabela e de $18.05 durante a promoção. Fonte: tarifas atuais dos modelos.

Se um fundador atribui internamente $60 por hora ao tempo de revisão, ou $1 por minuto, o Large 4 precisa economizar 42.1 minutos de correção ao longo do mês para compensar o custo adicional do modelo no preço de tabela deste exemplo. Esse é o ponto de equilíbrio a medir. Substitua o valor de mão de obra assumido pelo seu próprio valor; o consumo real de tokens também pode variar entre modelos.

O mesmo raciocínio vale para líderes de engenharia: um modelo maior justifica seu uso quando reduz respostas rejeitadas, diminui correções ou atende a um requisito de onde o sistema pode operar. Preço baixo por token, por si só, não garante custo baixo por resultado aprovado, e o desconto de lançamento não deve definir a arquitetura permanente.

O que os benchmarks permitem concluir?

Os resultados da Mistral justificam incluir o modelo na avaliação; não definem um vencedor para a sua carga de trabalho. Um benchmark reúne tarefas definidas, executadas sob condições específicas. As pontuações de agentes de programação envolvem ferramentas e ambientes de execução, e não apenas um modelo respondendo a um prompt curto. A localização visual mede a capacidade de encontrar algo em uma imagem. Essas diferenças determinam se um resultado é relevante para a sua aplicação.

Os dados abaixo são resultados divulgados pela própria Mistral no anúncio de 6 de outubro, incluindo pontuações que ela atribui a sistemas externos de avaliação. Eles não foram produzidos por este site, e percentuais de testes diferentes não são intercambiáveis.

Fonte de todos os dados da tabela: avaliação de lançamento da Mistral. Elo é uma classificação comparativa, não o percentual de tarefas concluídas corretamente. Da mesma forma, uma pontuação em benchmark de segurança não garante que um agente resista a todo documento malicioso que encontrar.

Em trabalho profissional, a Mistral afirma liderar entre os modelos abertos no benchmark Legal Agent da Harvey e destaca Vals.ai Finance Agent v2 e FinWorkBench, também chamado de Finch, para finanças e planilhas. A empresa também afirma liderar entre os modelos abertos no SciCode-Verified, uma avaliação de programação científica. São motivos úteis para escolher casos jurídicos, financeiros ou científicos para o piloto. Ainda é preciso conferir cada resposta contra as evidências fornecidas. Fonte: avaliações por domínio da Mistral.

A avaliação independente da Artificial Analysis em 6 de outubro de 2026

A Artificial Analysis publicou sua própria avaliação em 6 de outubro de 2026, com 38 no Intelligence Index e 50 no Cyber Index para o Mistral Large 4 Preview. Ela calculou $1.13 por tarefa do Intelligence Index com o preço padrão, caindo para $0.57 com o desconto de lançamento. Esses são custos medidos por tarefa daquela avaliação, não o preço de um documento de cliente ou de uma chamada à API. Fonte: relatório datado da Artificial Analysis.

O resultado independente reforça a proposta de avaliar o modelo como candidato confiável para tarefas especializadas; o custo por tarefa também mostra por que vale medir o consumo de saída. Ele não determina automaticamente uma migração. Este site não apresenta aqui um ranking próprio contra GPT-6 ou Claude: a decisão abaixo se apoia nas condições de implantação verificadas, nos preços informados e em critérios de aprovação que você pode aplicar ao seu trabalho.

Avaliação do Mistral Large 4: quem deve testar neste mês?

Teste o Large 4 quando uma falha específica do modelo atual justificar pagar por um resultado aprovado melhor. Preserve os usos em que um modelo barato já funciona. Assim, desenvolvedores, responsáveis pela operação e compradores corporativos têm razões diferentes para agir diante do mesmo lançamento.

Desenvolvimento: reserve o modelo para os casos difíceis

Um fundador com financiamento deve testar um fluxo difícil antes de trocar o modelo padrão. Um assistente de documentos, por exemplo, pode extrair campos comuns a baixo custo, mas falhar quando a evidência está espalhada entre gráficos, notas de rodapé e anexos conflitantes. Leve esse conjunto de casos para a avaliação e meça se o Large 4 reduz as correções. As capacidades de multimodalidade e uso de ferramentas anunciadas justificam o teste; só os resultados aprovados por você decidem onde usar o modelo.

Um desenvolvedor solo cujo modelo atual já produz classificações aceitáveis tem pouco motivo para trocar. Mantenha o modelo menor e deixe o Large 4 como candidato para uma tarefa em que ele falhe. Para alternativas de modelos para agentes, o guia de modelos compactos de programação oferece um ponto de partida mais específico do que substituir todas as chamadas por um novo modelo de ponta.

Operação: comece por segurança e documentos com muitas evidências

Um líder de segurança tem um motivo concreto para testar atividades defensivas autorizadas. A Mistral cita análise de malware, priorização de vulnerabilidades e criação de regras de detecção, além da reprodução de vulnerabilidades e aplicação de correções. Um piloto útil verifica se a correção proposta resolve o problema fornecido e se a regra de detecção resultante corresponde às evidências. Deixe explícitas as ações permitidas e revise a saída antes de alterar sistemas em operação. Fonte: seção de cibersegurança da Mistral.

Para quem lidera operações jurídicas, use um conjunto aprovado de documentos e avalie se a resposta identifica o trecho determinante, preserva as exceções e distingue evidência de inferência. Na operação financeira, avalie se a resposta usa o período correto, reproduz o cálculo e permite rastrear cada dado até o documento de origem. Um parecer bem escrito com a cláusula ou o período errado deve ser rejeitado, independentemente do benchmark do modelo.

A Mistral também cita desenhos de engenharia, manufatura, imagens geoespaciais e programação científica. São frentes de avaliação distintas: identificar um componente em um desenho técnico, encontrar um objeto em uma imagem de satélite e implementar uma rotina científica exigem critérios de aprovação diferentes. O lançamento coloca essas aplicações entre as candidatas; não demonstra que uma pontuação geral se transfira para as três. Fonte: análise detalhada das capacidades da Mistral.

Compra corporativa: confirme onde o serviço processa os dados

Exigências de localização de dados na UE justificam considerar a Mistral e depois verificar o escopo exato do serviço. A Mistral informa que o preview público roda em sua própria infraestrutura de datacenters europeus. Separadamente, a documentação geral de inferência regional informa que o endpoint global não se compromete com um local específico de processamento. Essas declarações não devem virar uma garantia universal para toda requisição à Mistral. Fontes: infraestrutura do preview, inferência regional.

O endpoint regional é api.eu.mistral.ai. Confira se o modelo necessário está disponível nele, pois a disponibilidade varia por região. A tabela de regiões descreve datacenters em países da UE e da EFTA; a EFTA é a Associação Europeia de Livre Comércio, uma organização distinta. Uma exigência estrita de processamento apenas na UE precisa, portanto, de confirmação dos locais permitidos. A Mistral informa um adicional de 10% sobre os preços de tabela padrão para inferência regional; não presuma que ele possa ser combinado com a promoção de lançamento sem confirmar a proposta aplicável. A empresa também informa que os endpoints regionais não oferecem Agents, Batch nem a Files API, e que as chamadas de funções são a única ferramenta regional com suporte. Fonte: recursos e preços regionais.

Isso importa para um CTO que planeja um agente de documentos: a lista de recursos da ficha global do modelo não confirma que o mesmo fluxo gerenciado funcione pelo endpoint regional. A localização do processamento de requisições e respostas tampouco restringe à região todos os registros de conta, cobrança ou uso; também é uma questão distinta da retenção zero de dados. Antes de transferir material regulado, verifique as dependências de processamento, armazenamento e ferramentas do seu sistema.

O que muda quando os pesos forem liberados?

Os pesos ampliariam o controle sobre a implantação, mas também abririam uma nova decisão sobre infraestrutura e custo de operação. Pesos abertos são os arquivos numéricos do modelo disponíveis para download. Eles podem permitir executar a inferência sob suas próprias políticas, em vez de depender inteiramente de um endpoint hospedado, conforme a licença efetiva e o software com suporte. A previsão de lançamento informada pela Mistral continua sendo o fim de outubro de 2026; o anúncio não promete um dia específico. Fonte: plano de lançamento.

Para o comprador corporativo, a mudança útil é poder escolher o ambiente de execução, os limites de acesso e os procedimentos operacionais. Isso pode importar quando uma mudança na política ou na disponibilidade do serviço hospedado interromperia um fluxo crítico. Também transfere a responsabilidade por capacidade, atualizações, monitoramento e recuperação de falhas para quem opera a implantação.

Ter 49B de parâmetros ativos não significa um download ou um plano de memória de tamanho equivalente a 49B. Os parâmetros ativos descrevem a computação selecionada para um token. Todos os pesos ainda precisam ser armazenados e disponibilizados ao sistema de inferência. O formato final dos pesos, os ambientes de execução com suporte, a configuração de hardware e os requisitos de simultaneidade determinam o que a execução em infraestrutura própria realmente exige. O destaque do lançamento não permite deduzir uma recomendação precisa de hardware nem um preço de hospedagem.

Na futura comparação, considere o custo da infraestrutura dividido pelo trabalho concluído com sucesso, somado à mão de obra operacional e ao valor do controle exigido. Uma implantação pouco usada pode carregar custos de capacidade ociosa; uma muito usada pode diluí-los entre mais tarefas. Nenhuma dessas situações, por si só, demonstra que hospedar o modelo será mais barato do que usar a API.

Se os pesos para download forem obrigatórios no processo de compra, espere pelos arquivos, pela licença e por uma implantação que você possa validar. Já é possível preparar o conjunto de avaliação e definir os limites da integração. O preview hospedado só pode responder a perguntas sobre capacidades quando a política de dados permite usá-lo; uma promessa não atende a uma exigência de execução local.

Onde o entusiasmo vai além do que foi entregue?

O exagero está em tratar três marcos distintos como se fossem um só: acesso ao preview, liberação futura dos pesos e implantação em produção. Cada um responde a uma pergunta diferente. A API de hoje permite avaliar o preview. Os pesos prometidos podem viabilizar outro modelo de operação. Um sistema que possa ser implantado, tenha licença adequada e possa receber suporte ainda exige sua própria verificação.

A descrição de pesos abertos não define uma licença específica de código aberto nem direitos comerciais irrestritos. Confira os termos que vierem com o lançamento efetivo do Large 4, em vez de presumir que vale a licença de um modelo anterior da Mistral.

Os gráficos de benchmarks tampouco demonstram superioridade universal. Recusas por motivos de segurança, acesso a ferramentas, ambientes de execução e definições de tarefas podem influenciar as pontuações. Um benchmark jurídico não certifica aconselhamento jurídico; um benchmark de planilhas não determina se o seu fluxo de relatórios preserva as evidências corretas. Use a afirmação relevante para escolher um teste e depois avalie a entrega de que você precisa.

O acesso ampliado à cibersegurança também tem limites. A Mistral informa que lideranças de cibersegurança, parceiros previamente avaliados e autoridades estatais recebem moderação reduzida e capacidades cibernéticas ampliadas durante atividades de red-teaming. Isso não promete o mesmo acesso a todos os clientes do preview público. Avalie as permissões e o comportamento disponíveis para a sua conta. Fonte: descrição do acesso ao preview.

Por fim, a tarifa promocional pode fazer o piloto parecer mais barato do que o uso contínuo. Uma economia temporária no preço do modelo diz pouco sobre esforço de migração, tempo de revisão ou os custos futuros de hospedá-lo por conta própria. Baseie essas decisões nas tarifas permanentes e nas condições reais de operação.

Próximo passo: um piloto com escopo definido

Na próxima semana, um líder de engenharia deve enviar um pequeno conjunto aprovado de avaliação ao mistral-large-4-0 e manter o tráfego de produção no caminho atual que já entrega resultados aprovados. Um comprador corporativo que exige os pesos deve preparar os mesmos casos e esperar pelos arquivos e termos prometidos antes de aprovar uma implantação em infraestrutura própria.

Para um teste básico de conexão com o endpoint global, com sua própria chave de API da Mistral já definida em MISTRAL_API_KEY, a chamada documentada de chat completions é:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4-0",
    "messages": [
      {"role": "user", "content": "Explain the difference between input and output tokens in two sentences."}
    ]
  }'

Esse teste verifica a conexão e a seleção do modelo, não a qualidade da análise de documentos nem o cumprimento dos requisitos regionais. A decisão de adotar o modelo depende da carga de trabalho aprovada e dos resultados aceitos.

Receba orientações práticas para escolher modelos e fluxos de trabalho na newsletter.