Mistral Large 4 vs GPT-6.1 Sol: Um que você pode baixar, outro que você só pode alugar

Quase toda comparação entre Mistral Large 4 e GPT-6.1 Sol na web aberta está citando números que deixaram de existir em 27 de outubro. As páginas dizem 38 e 52. A Artificial Analysis reconstruiu seu Intelligence Index na série v5 naquele dia, executou novamente os modelos e agora publica 26 para Mistral Large 4 contra 55 para GPT-6.1 Sol. Isso não é uma mudança em nenhum dos modelos — é um instrumento diferente, com nove avaliações em vez do conjunto antigo e uma mistura muito mais difícil —, mas significa que a diferença sobre a qual você talvez tenha lido, de quatorze pontos, agora é de vinte e nove no papel e não é comparável a nada anterior à reconstrução. Comparações entre execuções do índice são o erro mais comum neste nicho, e vale a pena acertar o par atual antes de discutir qualquer outra coisa.

O que torna este confronto mais interessante do que uma diferença de pontuação é que os dois produtos deixaram de ser o mesmo tipo de coisa esta manhã. O GPT-6.1 Sol tem sido um modelo alugado desde que a OpenAI o lançou em 29 de setembro de 2026 a US$ 2,00 e US$ 10,00 por milhão de tokens; você o chama, mas não pode ficar com ele. O Mistral Large 4, pré-visualizado em 6 de outubro de 2026, publicou seus pesos em 29 de outubro de 2026 às 14:51 UTC — 1.060,6 GB em FP8 e 610,1 GB em NVFP4, aberto para download, sob uma licença MIT modificada. Um desses modelos tem um medidor que nunca para. O medidor do outro termina no dia em que você compra o hardware. Essa é a decisão, e a tabela de benchmarks é consequência dela.

Dois produtos, duas datas, um deles concluído.

A assimetria não é uma questão de implicância sobre maturidade — ela muda quais perguntas valem a pena ser feitas. O GPT-6.1 Sol é um modelo lançado, documentado e medido de forma independente, com dez provedores de API listados para ele. Sua tabela de preços está definida, seu contexto de 1M está documentado, e sua posição na linha de produtos da OpenAI fica abaixo do carro-chefe Astra, e não no topo. O Mistral Large 4 passou vinte e três dias como uma prévia de API e, hoje, se tornou um arquivo. Sua tabela de preços para hospedagem está definida em US$ 0,70 de entrada e US$ 2,10 de saída por milhão de tokens, e seu futuro agora está parcialmente nas mãos de quem quer que o opere, e não no roteiro da Mistral.

As seis linhas que importam

Mesmas dimensões em ambos os lados, instrumento atual, com base na leitura das duas páginas de modelos da Artificial Analysis e na documentação dos próprios fornecedores, em 29 de outubro de 2026:

• Índice de Inteligência — GPT-6.1 Sol 55 (série v5, classificado em sétimo de 54 em sua classe de comparação); Mistral Large 4 26 (classificado em oitavo de 19 em uma classe diferente — as duas classificações não estão na mesma escala).

• Custo por tarefa do Index — GPT-6.1 Sol $1,27; Mistral Large 4 $2,06.

• Preço dos tokens — GPT-6.1 Sol $2,00 de entrada / $10,00 de saída por milhão, com uma faixa de $4,00 / $15,00 acima de 272.000 tokens de entrada; Mistral Large 4 $0,70 de entrada / $0,07 em cache / $2,10 de saída.

• Velocidade de saída — GPT-6.1 Sol: 79,1 tokens por segundo; Mistral Large 4: 161,3.

• Contexto — 1M tokens em ambos, documentado em ambos.

• Implantação — GPT-6.1 Sol: somente hospedado, sem pesos a nenhum preço. Mistral Large 4: hospedado ou auto-hospedado, 610,1 GB em NVFP4, oito GPUs da classe Blackwell na receita vLLM publicada.

O Index é uma média, e médias escondem a forma de uma lacuna. Nas linhas individuais da Artificial Analysis, a diferença é desigual, em vez de uniformemente ruim: HLE-Diamond 17% contra 59%, Terminal-Bench-Science 0.1 a 4% contra 58%, FrontierCode 2.0 a 15% contra 41%, Terminal-Bench 4.0 a 25% contra 56%, e GDPpdf a 18% contra 31%. O Mistral Large 4 não fica vinte e nove pontos atrás em todas as tarefas; fica muito atrás nas avaliações que recompensam raciocínio sustentado de múltiplas etapas, e praticamente empatado em trabalhos mais curtos de passagem única. Se sua carga de trabalho parece com o segundo tipo, a média é o número errado no qual se basear para comprar. Se parece com o primeiro, nenhum desconto fecha a lacuna.

Por que os números mudaram, e por que isso não é um escândalo

A reconstrução da v5 refez todo o campo em um novo conjunto de avaliação, e cerca de 60% dele é privado — perguntas que não estavam disponíveis publicamente antes da reconstrução. Os modelos não se moveram todos na mesma direção: alguns caíram bastante, outros subiram. Mistral Large 4 caindo de 38 para 26 e GPT-6.1 Sol subindo de 52 para 55 são duas leituras do mesmo evento, e nenhuma delas é um fornecedor tendo um trimestre ruim. A regra que se segue é simples e fácil de quebrar por acidente: nunca subtraia uma pontuação de uma execução do índice contra uma pontuação de outra, e nunca cite uma diferença cujas duas metades foram medidas com uma semana de intervalo. A diferença que existe hoje é de vinte e nove pontos em um único instrumento.

Vinte e nove pontos é muita coisa, e também não é a história toda. Um Índice de 26 descreve um modelo competente em trabalho geral e sem destaque no extremo difícil; um Índice de 55 descreve um dos modelos mais fortes disponíveis. Se sua carga de trabalho é codificação agêntica em um repositório grande, a resposta já está decidida e nenhum argumento de preço muda isso. O restante deste texto trata das cargas de trabalho em que isso não está decidido.

A reversão sobreviveu ao rebase

O único achado do período de prévia de outubro que se manteve com o novo instrumento é a inversão de preço por tarefa, e ela se manteve com números atualizados. 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 custa 62% mais para concluir a mesma tarefa de avaliação — US$ 2,06 contra US$ 1,27. Não é um truque de precificação. A conta de um modelo de raciocínio é dominada por quantos tokens ele escolhe emitir, e o Mistral Large 4 emite muitos: a Artificial Analysis registra 110 milhões de tokens de saída em sua amostra de verbosidade, contra uma mediana de 100 milhões, enquanto o GPT-6.1 Sol fica em 64 milhões, abaixo da mediana. Tokens mais baratos multiplicados por mais tokens não representam economia, e a fatura vai deixar isso claro.

A consequência prática é mais restrita do que “o modelo barato é secretamente caro”. Para trabalhos com saída curta — classificação, extração, roteamento, qualquer coisa que termina depois de duzentos tokens e nunca entra em um loop de raciocínio — o preço por token é a conta, e US$ 0,70 contra US$ 2,00 é todo o argumento. A inversão pesa no raciocínio de longo horizonte, que é exatamente onde também está a diferença de vinte e nove pontos. Duas medições diferentes apontando na mesma direção são um motivo para confiar na direção, não um motivo para generalizá-la a toda carga de trabalho.

A velocidade corre no sentido oposto, e a paciência também.

A Mistral Large 4 é mais de duas vezes mais rápida na saída: 161,3 tokens por segundo, contra 79,1. Ela também retorna um primeiro token em 1,42 segundo, ligeiramente melhor que a mediana de 1,68 segundo do seu conjunto de comparação. O valor publicado do GPT-6.1 Sol para o tempo até o primeiro token de resposta é 249,48 segundos, contra uma mediana de 3,53 segundos, o tipo de número que precisa ser explicado em vez de apenas citado.

Esses 249 segundos quase certamente não são latência no sentido de rede. É o tempo que o modelo passa raciocinando antes de emitir o primeiro token da resposta, medido com esforço de raciocínio máximo, e é a forma honesta de mostrar quanto um orçamento longo de raciocínio custa a um usuário que está esperando. Nossos próprios dados de roteamento tornam a distinção concreta: em 584,7 milhões de tokens do GPT-6.1 Sol transportados pelo OrcaRouter nos sete dias até 29 de outubro, o tempo p50 até o primeiro token transmitido em streaming foi de 1,36 segundos, enquanto o p95 foi de 10 segundos. O primeiro token chega rápido; é a primeira resposta que leva minutos, e as flags na API decidem qual dessas experiências o seu usuário terá. Se sua aplicação transmite tokens de raciocínio em streaming, a espera é preenchida e tolerável. Se não transmite — se o usuário fica olhando para um spinner até a primeira resposta chegar — então um primeiro token de quatro minutos é uma restrição de produto que nenhuma pontuação de benchmark compensa, e um modelo que responde em 1,4 segundos parecerá melhor do que um que seja vinte e nove pontos do Index mais forte. Este é o eixo no qual o modelo mais barato e de pontuação menor costuma vencer implantações reais, e ele não aparece em nenhuma tabela comparativa.

O que mudou esta manhã: o medidor termina

Até hoje, o argumento de self-hosting para o Mistral Large 4 era uma promessa, e promessas não sobrevivem a uma revisão de compras. Agora ele é um repositório. Dois checkpoints, um arquivo de licença e uma receita de serving publicada pelo fornecedor: vLLM com paralelismo de tensores 8 e um cache KV MLA em FP8, SGLang com tp-size 4, ambos com um cabeçote de rascunho DSpark embutido para decodificação especulativa em vez de um segundo modelo.

O que isso compra não é um token mais barato — é o fim do token como unidade de custo. Em hardware próprio, a fatura passa a ser depreciação, energia, espaço em rack e o engenheiro responsável pelo cluster, e uma carga de trabalho que funciona em volume alto e constante converte-se de custo variável em custo fixo. Esse é o argumento para um banco europeu com uma regra de residência de dados, um contratante de defesa cuja contratação proíbe inferência estrangeira, ou um fabricante que incorpora um modelo numa linha de produtos durante cinco anos. Não é um argumento para uma startup com tráfego irregular e sem equipa de operações: 610 GB de pesos, oito GPUs Blackwell e uma cache KV de 1M tokens é um projeto de capital, e a tarifa alojada de $0.70 é mais barata do que o capital durante muito tempo.

A licença é a parte que as pessoas pulam. É uma MIT modificada com uma cláusula que importa: executar os pesos como uma oferta de modelo como serviço exige uma licença comercial separada da Mistral. Leia a definição com atenção, porém — ela exclui produtos finais embarcados e o "mero repasse de solicitações a modelos hospedados por terceiros", portanto um gateway que passa tráfego para inferência hospedada pela Mistral fica de fora, enquanto uma empresa que monta sua própria infraestrutura de inferência e revende acesso não fica. Se seu plano é "baixar e virar provedor", leia a cláusula antes do orçamento de hardware.

Onde cada um é na verdade a resposta correta

• Codificação agêntica, uso de ferramentas de horizonte longo, trabalho em grandes repositórios — GPT-6.1 Sol. A lacuna do Index é mais ampla exatamente aqui, e o prêmio de preço é o custo de estar certo.

• Extração e classificação de alto volume e saída curta — Mistral Large 4 a US$ 0,70 por entrada. O teto de raciocínio nunca é acionado, então a lacuna do índice nunca se aplica.

Implantação regulamentada e vinculada à jurisdição — Mistral Large 4, e não porque seja melhor. O GPT-6.1 Sol não pode ser auto-hospedado a nenhum preço, o que encerra a comparação.

• Assistentes interativos em que o primeiro token é o produto — Mistral Large 4 pela velocidade, a menos que você faça streaming do raciocínio e consiga absorver a espera.

• Ferramentas de segurança defensiva — Mistral Large 4, com base numa taxa de recusa de 96,6% relatada pelo fornecedor para pedidos cibernéticos maliciosos e num conjunto de benchmarks cibernéticos em torno do qual a Mistral organizou o lançamento. Esses números são da Mistral, não de um laboratório independente, e devem ser encarados como alegações até que alguém os reproduza.

Qualquer coisa em que a resposta precise estar correta e o orçamento de latência seja generoso — GPT-6.1 Sol. Vinte e nove pontos não são um erro de arredondamento.

Se você for executar os dois

Ambientes mistos são o resultado normal de uma comparação como esta, e a questão operacional passa a ser como dois modelos muito diferentes ficam por trás de uma única fatura. GPT-6.1 Sol está no OrcaRouter ao preço de tabela exato da OpenAI — US$ 2,00 e US$ 10,00 por milhão de tokens, com a faixa acima de 272K a US$ 4,00 e US$ 15,00 — roteado com 0% de markup, então a tarifa que você vê é a que a OpenAI cobra. Mistral Large 4 não está no nosso catálogo: 214 modelos, nenhum endpoint da Mistral, e se você quiser chamá-lo, procure a API própria da Mistral ou sua própria implantação vLLM. O que a plataforma oferece, para a metade hospedada, é a DSL de roteamento — aponte uma carga de trabalho para um modelo e mova-a sem mudança de código — e o failover automático, que é o que torna viável experimentar um novo modelo em um caminho de produção. Integre o endpoint auto-hospedado seguindo o mesmo padrão e as duas metades desta comparação deixam de ser uma decisão que você precisa tomar de uma vez.

Duas perguntas, não uma.

As páginas de comparação dirão que o GPT-6.1 Sol vence, e no único instrumento independente que ambos os modelos compartilham, ele de fato vence — 55 contra 26, com 62% menos por tarefa concluída e pouco mais da metade da velocidade de saída. Essa é a resposta correta para "qual modelo é melhor", e se essa fosse a única pergunta, o mercado teria resolvido isso em setembro.

A pergunta que abriu esta manhã é diferente: qual modelo você ainda poderá estar executando daqui a três anos, em hardware que você controla, sob uma licença que você leu. Para muitíssimas equipes, a resposta continuará sendo "nem um nem outro, nós alugamos" — e, nesse caso, o GPT-6.1 Sol é o melhor aluguel. Para aquelas cuja restrição é a propriedade, e não a capacidade, o modelo que pontua 26 deixou de ser um compromisso hoje e se tornou a única opção na mesa. As duas respostas podem estar ambas certas, e é por isso que o trabalho interessante não é escolher um vencedor, mas decidir qual pergunta sua organização está de fato fazendo.