Mistral • text#73 de 668 em inteligência
Context Window
—
Preço Input/1M
$1.36
#614 de 806
Preço Output/1M
$4.18
Parâmetros
—
Velocidade
116 tok/s
#160 de 651
Latência (TTFT)
1.5s
Custo por Tarefa
18.6
Score AA / US$ · maior = melhor
Resultados do Mistral Large 4 Preview nos principais benchmarks de avaliação de modelos de IA. Scores mais altos indicam melhor performance.
| Benchmark | Score | Máximo | Metodologia |
|---|---|---|---|
| AA Intelligence Index | 38.4 | 100.0 | Artificial Analysis official API |
O Mistral Large 4 Preview é um modelo de inteligência artificial desenvolvido pela Mistral, classificado como modelo de text. Focado em processamento de texto e geração de linguagem natural. Como modelo proprietário, está disponível via API cloud da Mistral.
O Mistral Large 4 Preview é cobrado por uso, com preço de US$ 1.36/1M tokens de input e US$ 4.18/1M tokens de output. Para contextualizar: 1 milhão de tokens equivale a aproximadamente 750 mil palavras, ou cerca de 10 livros de tamanho médio. O posicionamento de preço é intermediário, equilibrando qualidade e custo para a maioria das aplicações profissionais.
Para o mercado brasileiro, é importante considerar o IOF de 6,38% sobre transações internacionais e a variação cambial do dólar. Com o câmbio atual, o custo do Mistral Large 4 Preview em reais fica em torno de R$ 8.39/1M tokens de input (estimativa com IOF incluso).
O Mistral Large 4 Preview foi avaliado em 1 benchmarks diferentes, cobrindo categorias como overall. Os resultados mostram performance moderada nas avaliações disponíveis.
É importante notar que benchmarks medem aspectos específicos e não capturam toda a experiência de uso. Fatores como qualidade da resposta em português, aderência a instruções complexas e comportamento em conversas longas variam significativamente entre modelos e nem sempre são refletidos nos scores padrão.
O Mistral Large 4 Preview é especializado em text, oferecendo capacidades avançadas para criação e processamento de conteúdo text.
No ecossistema de modelos de IA em 2026, o Mistral Large 4 Preview compete diretamente com modelos de nível similar. A Mistral compete neste segmento contra OpenAI, Anthropic, Google e Meta. A escolha entre modelos depende do caso de uso específico, orçamento, requisitos de latência e necessidade de funcionalidades como multimodalidade e tool calling.
Para uma comparação detalhada lado a lado, utilize nossa ferramenta de comparação ou consulte o ranking geral de modelos.
Para usuários brasileiros, a performance em português é um critério fundamental na escolha de um modelo de IA. A maioria dos benchmarks internacionais testa apenas em inglês, o que pode mascarar diferenças significativas na qualidade de resposta em outros idiomas. O Mistral Large 4 Preview suporta múltiplos idiomas, mas a qualidade em português brasileiro pode variar dependendo da tarefa específica.
Recomendamos testar o modelo com prompts representativos do seu caso de uso em português antes de tomar uma decisão. O SWEN.AI está desenvolvendo um benchmark proprietário em PT-BR com tarefas aderentes ao mercado brasileiro para fornecer comparações mais precisas.
O Mistral Large 4 Preview é um modelo de inteligência artificial desenvolvido pela Mistral. É um modelo do tipo text.
O Mistral Large 4 Preview custa US$ 1.36/1M tokens de input e US$ 4.18/1M tokens de output. Para uso intensivo (ex.: chatbot de WhatsApp com 100k mensagens/mês), o custo pode variar de R$ 50 a R$ 5.000 dependendo do volume.
A maioria dos modelos de IA modernos, incluindo o Mistral Large 4 Preview, suporta português brasileiro. No entanto, a qualidade pode variar — modelos como Claude e Gemini tendem a ter melhor performance em PT-BR. Recomendamos testar com prompts específicos do seu caso de uso.
Nos benchmarks disponíveis, o Mistral Large 4 Preview obteve scores como: AA Intelligence Index: 38.4/100. Consulte a tabela completa acima para comparação detalhada.
Não, o Mistral Large 4 Preview é um modelo proprietário da Mistral. Ele está disponível via API cloud. Para alternativas open source, confira nosso ranking de modelos open source.
Última atualização: 16 de outubro de 2026 • Ver metodologia →