GPT-6.1 Sol vs Mistral Large 4: O modelo mais barato por token é o modelo mais caro por tarefa

O interessante de colocar GPT-6.1 Sol ao lado de Mistral Large 4 não é qual dos dois é mais inteligente — na única medição independente que ambos têm, isso não chega nem perto. É que o modelo com o preço de etiqueta mais baixo é justamente o que sai mais caro para concluir um trabalho. O Mistral Large 4, em pré-visualização pela Mistral em 2026-10-06, custa US$ 0,68 por milhão de tokens de entrada e US$ 2,09 por milhão de saída enquanto durar a pré-visualização, contra US$ 2,00 e US$ 10,00 do GPT-6.1 Sol desde que a OpenAI o lançou em 2026-09-29. E, ainda assim, os números de custo de execução da Artificial Analysis colocam o Mistral Large 4 em US$ 1,13 por tarefa, contra US$ 0,72 do GPT-6.1 Sol — porque os tokens mais baratos não são a conta inteira, e porque modelos de raciocínio gastam tokens em quantidades que você não escolhe numa tabela de preços.

Tudo abaixo vem do anúncio e da documentação da própria Mistral, das páginas de modelo e preços da OpenAI, das execuções da Artificial Analysis para cada modelo, e dos nossos próprios dados de serving, consultados em 2026-10-12. Quando um número é do próprio fornecedor e ninguém o refez, a frase que o contém diz isso.

Duas datas, e apenas uma delas está terminada.

Antes de qualquer especificação, o estado dos dois produtos é diferente, e essa diferença pesa mais nesta comparação do que qualquer célula de benchmark.

• GPT-6.1 Sol é um modelo já lançado. Ele entrou em produção na API da Open​AI em 29/09/2026, a US$ 2,00 / US$ 10,00 por milhão de tokens, com entrada em cache a US$ 0,10 e gravação em cache a US$ 2,50, e é o modelo que ocupa o slot padrão da API. Sua tabela de preços está publicada, sua janela de contexto está documentada e instrumentos independentes já o testaram. O que você lê sobre ele, pode conferir hoje à tarde.

• Mistral Large 4 é uma prévia. A Mistral o anunciou em 2026-10-06 como um modelo de mistura de especialistas com 1,05 trilhão de parâmetros e 52 bilhões de parâmetros ativos por token, disponível na própria API do fornecedor com preço de prévia. Os pesos abertos estão prometidos para antes do fim de outubro, e é por isso que esta é uma prévia e não um lançamento finalizado. Nada sobre seu futuro preço de tabela, sua futura janela de contexto ou sua futura licença fica definido pela prévia.

Essa assimetria define a forma de tudo o que vem a seguir. Quando um lado de uma comparação é um produto e o outro é um anúncio com data marcada, a maioria das perguntas interessantes é sobre timing, e não sobre capacidade — e a única pergunta que as pessoas realmente fazem ("devo trocar?") tem respostas diferentes em outubro e em novembro.

O único número em que ambos os lados concordam, e os 14 pontos por trás dele

O Artificial Analysis tem uma linha independente do Intelligence Index para ambos os modelos, e não há ambiguidade nisso:

• Índice de Inteligência — GPT-6.1 Sol 52 com esforço de raciocínio máximo; Mistral Large 4 38.

• Custo de execução do Index — GPT-6.1 Sol US$ 0,72 por tarefa; Mistral Large 4 US$ 1,13 por tarefa.

• Velocidade de saída — GPT-6.1 Sol 65,4 a 66,8 tokens por segundo entre execuções; Mistral Large 4 também não é o lado rápido desta dupla.

Leia essas três linhas juntas e a forma do trade aparece. O Mistral Large 4 cobra cerca de um terço da tarifa de entrada do GPT-6.1 Sol e um quinto da tarifa de saída, e ainda assim custa cerca de 57% mais para concluir a mesma tarefa de avaliação. Isso não é um truque de precificação nem um artefato de medição; é o que acontece quando um modelo alcança um determinado nível de qualidade gastando mais tokens para chegar lá. A conta de um modelo de raciocínio é dominada por quantos tokens ele decide emitir, não pela tarifa por token na tabela de preços, e uma diferença de 14 pontos no Index é uma grande quantidade de raciocínio extra para compensar.

Nada disso faz do Mistral Large 4 um modelo ruim. Um Índice de 38 é uma pontuação competente de uso geral próxima da fronteira, e para um grande número de tarefas de produção os 14 pontos extras não compram nada que você possa usar. O ponto é mais restrito e mais prático: não compre este modelo partindo do pressuposto de que o cartão mais barato torna o mês mais barato. Meça o custo por unidade de trabalho concluída, que é o número que a Artificial Analysis está realmente reportando e o número que sua fatura refletirá.

Onde o argumento da Mistral é genuinamente forte, e não é o preço

Três argumentos em favor do Mistral Large 4 sobrevivem ao contato com o número do Index, e dois deles não têm nada a ver com o modelo.

• Treino europeu e alojamento soberano. A Mistral é o laboratório europeu de fronteira, e o anúncio insere-se numa mensagem de nuvem soberana e não numa mensagem de benchmark. Para um comprador europeu do setor público, um banco regulado, ou qualquer pessoa cujas regras de contratação pública nomeiem uma jurisdição, isso é um requisito e não uma preferência — e é o único eixo no qual o GPT-6.1 Sol não pode competir a nenhum preço. Se a sua restrição é "os pesos e a prestação do serviço têm de ser europeus", a comparação termina aqui e o número do Index é irrelevante.

• Os pesos abertos estão chegando, e a auto-hospedagem muda a aritmética. A Mistral comprometeu-se a lançar os pesos antes do final de outubro. Um modelo de mistura de especialistas de 1,05T/52B não é um modelo que a maioria das equipes executará em seu próprio hardware — 52B de parâmetros ativos é a metade amigável dessa frase, o total de um trilhão de parâmetros é a metade não amigável — mas, para organizações que já operam esse tipo de infraestrutura, ou que têm uma regra de residência de dados que nenhuma API hospedada consegue satisfazer, pesos abertos transformam uma API cobrada por uso em um custo fixo. O GPT-6.1 Sol nunca será auto-hospedável.

• O preço de pré-visualização é real enquanto durar. A $0.68 / $2.09, o desconto de pré-visualização é aproximadamente metade da tarifa de tabela anunciada de $1.36 / $4.18. Se uma carga de trabalho for barata o suficiente para que a contagem de tokens seja genuinamente a restrição vinculante — classificação em massa, extração, roteamento, qualquer coisa com saídas curtas e sem loop de raciocínio — esse preço é o melhor desta página, e a lacuna do Index não se aplica a trabalho que nunca precisou de um Index de 52. Apenas planeje a mudança quando a pré-visualização terminar, em vez de ser surpreendido por ela.

O que não é um argumento é capacidade bruta no extremo superior. Em codificação agêntica e uso de ferramentas de longo horizonte, a lacuna é visível e é a direção que você esperaria do Index: a linha do GPT-6.1 Sol no Artificial Analysis Terminal-Bench 4.0 registra 56,06, e o mesmo instrumento colocou seu antecessor, GPT-6 Sol, em 43,94 — um avanço geracional de aproximadamente 12 pontos em um benchmark que é especificamente sobre concluir tarefas em um shell.

O número de contexto que discorda de si mesmo

Esta é a única especificação na página que você não consegue citar com confiança, e vale a pena sinalizá-la em vez de amenizá-la.

A própria documentação da Mistral para o Mistral Large 4 descreve uma janela de contexto de até 1 milhão de tokens. O registro independente do modelo na Artificial Analysis indica 524.000. Esses dois números não são uma diferença de arredondamento; são um fator de dois, e apontam para coisas diferentes. A explicação mais provável é que um descreve o teto da arquitetura e o outro descreve o que está realmente sendo servido durante uma prévia — uma distinção que importa enormemente se você estava planejando carregar um grande repositório em uma única chamada. Não vimos nenhum dos dois números ser reconciliado pelo fornecedor e, até que isso aconteça, trate o número menor como aquele no qual você pode se basear.

Em contrapartida, nenhum dos limites anunciados do GPT-6.1 Sol tem esse problema. Sua janela de contexto é de 1.050.000 tokens, sua saída máxima é de 128.000 tokens, e seu corte de conhecimento é 30/04/2026 — tudo documentado na página do modelo do fornecedor e consistente com o que é disponibilizado pela API.

Quanto custam mil tarefas de agente em cada

Considere uma carga de trabalho comum para qualquer um dos dois modelos: uma chamada que carrega 40.000 tokens de entrada e produz uma resposta de 2.000 tokens, executada mil vezes. Para manter as duas tabelas de preços comparáveis, suponha que a entrada seja enviada do zero a cada vez, em vez de ser servida a partir de um cache.

• No GPT-6.1 Sol — 40.000 tokens de entrada a $2,00 por milhão é $0,080, e 2.000 tokens de saída a $10,00 por milhão é $0,020. Isso dá $0,100 por chamada, ou cerca de $100 para cada mil.

• No Mistral Large 4 a preços de pré-visualização — 40.000 tokens de entrada a $0,68 por milhão são $0,027, e 2.000 tokens de saída a $2,09 por milhão são $0,004. Isso dá $0,031 por chamada, ou cerca de $31 por mil.

Portanto, a diferença de preço é real e é de aproximadamente três para um em um formato em que a saída é curta — com uma ressalva honesta que aponta no sentido oposto. O GPT-6.1 Sol cobra US$ 0,10 por milhão por um prefixo em cache, e a documentação de pré-visualização da Mistral não estabelece um desconto equivalente. Execute o mesmo loop com os 40.000 tokens servidos a partir do cache e o lado do GPT-6.1 Sol cai para cerca de US$ 0,024 por chamada, o que fica abaixo do valor da Mistral. As tabelas de preços só decidem essa comparação depois que você sabe se sua entrada se repete. Agora mude o outro parâmetro e veja o segundo spread se abrir: execute o mesmo loop no extremo de uso intenso de raciocínio, em que o Mistral Large 4 está fazendo o gasto de tokens que seu Índice de 38 implica, e o valor de US$ 1,13 por tarefa em uma avaliação comparável indica que o lado Mistral da fatura cresce mais rápido do que a tabela de preços sugere. O resumo honesto é que o Mistral Large 4 vence a aritmética em trabalhos de saída curta com taxas de entrada novas e a perde em trabalhos agênticos com cache e de longo horizonte, e qual deles você está executando é uma questão sobre sua carga de trabalho, não sobre os modelos.

Ambos são exatamente o tipo de comparação para o qual um roteador serve. GPT-6.1 Sol está no nosso catálogo aos preços de tabela da OpenAI com 0% de markup — o que a OpenAI publica é o que quem faz a chamada paga, e quando um fornecedor altera um preço, a linha do catálogo muda junto com ele, em vez de esperar que um revendedor perceba. Isso significa que a aritmética por token acima pode ser conferida na linha em tempo real, em vez de nesta página. Mistral Large 4 não é algo que oferecemos, então, se você quiser usá-lo, a própria API do fornecedor e várias plataformas de terceiros são onde ele se encontra.

O que fazer na segunda-feira

Não existe nenhuma versão disto em que os dois modelos sejam substitutos para a mesma tarefa hoje, e a razão é o timing, não a qualidade.

Se você precisa de um modelo de codificação agêntica de fronteira esta semana — loops longos de ferramentas, contexto em escala de repositório, uso de computador, trabalho profissional com muitos documentos — a resposta é o GPT-6.1 Sol, é o único dos dois que é um produto finalizado, e seu preço é publicado e estável. Considere no orçamento o fato de que seu medidor de saída é onde o dinheiro é gasto, e mantenha o conjunto de trabalho abaixo do limite de 272.000 tokens acima do qual toda a solicitação é reprecificada.

Se você está na Europa e seus requisitos nomeiam uma jurisdição, ou se pretende auto-hospedar porque nenhuma API satisfaz suas regras de dados, o Mistral Large 4 é o único candidato aqui, independentemente das pontuações — mas a parte pela qual você está esperando, os pesos, ainda não existe, e o número de contexto com base no qual você dimensionaria sua infraestrutura está atualmente contestado por um fator de dois. Fique atento ao lançamento dos pesos e a que o fornecedor concilie 1M com 524.000 antes de comprometer uma implantação com ele.

E se o que você realmente quer é usar os dois — Mistral Large 4 para a camada barata de alto volume e GPT-6.1 Sol para a cauda difícil —, a restrição prática é que os dois vivem em chaves diferentes, cobranças diferentes e modos de falha diferentes, que é o problema que um único endpoint com failover automático entre mais de 200 modelos existe para resolver. Enquanto isso, a linha que vale a pena abrir é a que de fato existe: a página do modelo GPT-6.1 Sol em https://www.orcarouter.ai/models/openai/gpt-6.1-sol.