Mistral Large 4 vs Claude Opus 5.5: O único número de confronto direto é contra a versão errada

O único confronto direto cego que existe para Mistral Large 4 e Claude Opus 5.5foi medido em relação à versão anterior de um deles. A Surge AI ocultou as identidades dos modelos e pediu que anotadores profissionais avaliassem a produção de código numa escala de 1 a 5; o Mistral Large 4 Preview ficou em segundo lugar entre cinco, com 3,74, atrás do Claude Opus 5com 4,22 e à frente do Kimi K3 com 3,59 e do GLM-5.3 com 3,60. O Claude Opus 5.5 foi lançado em 22 de setembro, então a coisa mais próxima de uma comparação humana publicada para este par é três semanas mais antiga do que o lançamento atual do adversário, e ninguém a repetiu. Todo o resto é comparável, e aponta numa só direção: no Intelligence Index da Artificial Analysis, o Mistral Large 4 Preview registra 38,4 e o Claude Opus 5.5 registra 58 — primeiro de 216 modelos — enquanto o custo de concluir uma única tarefa do índice é de $1,13 contra $5,98.

Esses dois fatos são toda a forma da decisão. A lacuna de capacidade é ampla e, nesta versão, é maior do que era. A diferença de custo é um pouco mais de cinco vezes, e não mudou quando a Anthropic cortou seus preços.

O que é o Claude Opus 5.5, segundo a própria Anthropic

Claude Opus 5.5 é o atual carro-chefe da Anthropic, lançado em 22 de setembro de 2026 e posicionado para trabalho agêntico de longo horizonte: sessões com múltiplas etapas, uso intenso de ferramentas e código. Tem preço de US$ 4 por milhão de tokens de entrada e US$ 20 por milhão de saída, com leituras de cache a US$ 0,20 e gravações de cache a US$ 5 — a Anthropic descreve esses valores como 20% abaixo do Opus 5 em entrada e saída e 60% abaixo dele em leituras de cache. Há um modo Fast a US$ 8 / US$ 40 que a empresa diz ser até 2,5x mais rápido dentro do Claude Code e da Claude Platform. Está disponível na Amazon Web Services, Google Cloud e Microsoft Azure, com retenção zero de dados oferecida, e a Anthropic diz que Claude Sonnet 5.5 e Claude Haiku 5.5 virão nas próximas semanas.

Dois detalhes nessa página importam mais do que o resto. O primeiro é uma restrição de migração, não um recurso: a Anthropic afirma que o Claude Opus 5.5 não está mais disponível com o modo de pensamento desativado. Se o seu pipeline atual chama o Opus 5 no modo sem pensamento para turnos baratos, rápidos e determinísticos, essa configuração não tem sucessor direto neste modelo. O segundo é a própria ressalva da Anthropic, impressa ao lado de suas pontuações, de que as margens de benchmark se tornaram um guia menos confiável para diferenças do mundo real — o que é uma coisa incomum para um fornecedor escrever ao lado de uma tabela em que está vencendo, e vale a pena levar ao pé da letra quando você ler os números abaixo.

Os números informados pelo fornecedor no anúncio da Anthropic são Terminal-Bench 4.0 com 66,4%, FrontierCode v1.1 com 54,4%, CursorBench 4.0 com 57,8%, GDPval-AA v2.1 com 1.846 Elo, AutomationBench com 40,0%, Humanity's Last Exam com 67,7% com ferramentas, Terminal-Bench-Science 0.1 com 58,7% e OSWorld 2.1 com 81,8% parcial. Todos esses são execuções da própria Anthropic, com as pontuações dos modelos de comparação retiradas das próprias páginas dos fornecedores, e nenhum deles foi reproduzido de forma independente para este emparelhamento ou qualquer outro.

O que é o Mistral Large 4, em 13 de outubro

A Mistral Large 4 é uma pré-visualização pública anunciada a 6 de outubro de 2026, revisão v26.10, e é o maior modelo que a Mistral AI já lançou. A empresa descreve-o como um mixture-of-experts esparso nativamente multimodal, com 1,05 biliões de parâmetros totais e 52 mil milhões ativos, além de um codificador de visão de 1,6 mil milhões de parâmetros, treinado de raiz em 3.800 GPUs NVIDIA Grace Blackwell nos próprios datacenters europeus da Mistral, com dados que abrangem mais de 160 línguas. A Artificial Analysis regista a contagem de parâmetros ativos como 49 mil milhões, e não 52 mil milhões — uma diferença de três mil milhões numa dimensão, assinalada em vez de calculada como média. O cartão de modelo da própria Mistral indica uma janela de contexto de 1M tokens; a Artificial Analysis lê 524.288 na configuração que testa, e a sua FAQ diz 520k, que é a diferença entre um teto que um fornecedor anuncia e uma janela que uma implementação servida efetivamente lhe entrega.

O preço é de 1,36 $ por milhão de tokens de entrada, 0,14 $ de entrada em cache e 4,18 $ por milhão de saída na tabela de preços, com uma promoção de lançamento a mostrar as mesmas três linhas riscadas a 0,68 $, 0,07 $ e 2,09 $. Os rótulos de estado no cartão dizem Pré-visualização pública, Aberto e v26.10 — e o segundo desses é o que deve ser lido com atenção. A Mistral diz que os pesos serão disponibilizados até ao final do mês, e o post de lançamento repete esse compromisso duas vezes; o que não faz é indicar uma licença. A Artificial Analysis acompanha a área de forma independente e regista o nome da licença como null, marca o modelo isOpenWeights: false, e classifica-o como proprietário. Ninguém está a contradizer ninguém aqui. Uma pré-visualização servida a partir do cluster do próprio fornecedor, sem repositório de checkpoints e sem texto de licença, é um modelo invocável e não um lançamento de pesos abertos, e a alegação de pesos abertos é um plano com um prazo associado e não uma ligação de download.

Os números de benchmark da própria Mistral, que são, do início ao fim, informados pelo fornecedor, são 61,7% no DeepSWE v1.1, 59,4% no SWE-Atlas-QnA, 28,3% no Terminal-Bench 4.0 e um Coding Agent Index combinado de 49,8%; 59,9% no AutomationBench em 657 fluxos de trabalho empresariais; 1.393 de Elo no AA-Briefcase; 42% no Dense 200 para grounding visual; e, em suas avaliações de cibersegurança, 82% em um teste de reproduzir e corrigir que a Mistral descreve como o mais alto de qualquer modelo, ao lado de 93% nos 40 exercícios de competição do Cybench. A empresa também encomendou um estudo humano cego e o publicou, o que é uma forma de evidência mais forte do que um benchmark executado por conta própria e, ainda assim, um estudo cuja publicação ela controlou.

O que o aumento de 5,5 mudou nessa decisão

Se você leu a página Mistral Large 4 versus Claude Opus 5 neste blog, três coisas aqui são novas, e apenas uma delas é a redução de preço.

• A lacuna de capacidade ficou maior, não menor. Claude Opus 5 obteve 50,8 no Intelligence Index; Claude Opus 5.5 marca 58. Contra os 38,4 do Mistral Large 4 Preview, a distância passa de 12,4 pontos para 19,6. Uma atualização de versão que adiciona sete pontos ao topo do ranking enquanto o desafiante permanece parado torna o segmento de fronteira uma compra mais clara, e não mais nebulosa.

• O corte de preço não chegou à fatura. A Anthropic cortou em 20% os preços de entrada e saída — de US$ 5 / US$ 25 para US$ 4 / US$ 20 —, mas o custo da Artificial Analysis para concluir uma tarefa do índice subiu, de US$ 5,86 com o Claude Opus 5 para US$ 5,98 com o Claude Opus 5.5. Os tokens mais baratos foram gastos por um modelo que usou mais deles. Esse é o número mais útil desta página e vale a pena parar para pensar nele: preços de tabela são um insumo para a sua fatura, não uma previsão dela.

• Uma configuração desapareceu. O modo de pensamento não pode mais ser desativado no Opus 5.5. Se você estava comprando o Opus 5 em parte por um caminho barato sem pensamento, este modelo não substitui esse caminho, e a decisão de substituição agora envolve dois modelos, e não uma simples troca de versão.

O que não mudou: a história do cache ainda favorece a Anthropic para contexto repetido — US$ 0,20 por milhão em uma leitura de cache, contra US$ 0,14 de tabela e US$ 0,07 promocional da Mistral. Em um loop de agente com contexto longo e prefixo estável, essa é a linha que mais mexe na fatura, e ambos os números precisam do mesmo escrutínio que os preços de destaque acabaram de receber.

Os dois modelos mais verbosos do quadro

A Artificial Analysis publica uma contagem de tokens de saída para a execução de índice de cada modelo, e os dois modelos aqui estão nos extremos opostos dessa contagem. O Claude Opus 5.5 gerou 260 milhões de tokens de saída nessa execução. O Mistral Large 4 Preview gerou 200 milhões. A mediana entre os modelos medidos é de 85 milhões. Ambos gastam duas a três vezes o que um modelo típico gasta para responder às mesmas perguntas, e apenas um deles cobra $4 e $20 por milhão ao fazer isso.

A verbosidade não é um defeito, e também não é um sinal de qualidade. É um multiplicador de preço, e é a razão pela qual o corte de preço do Opus foi aplicado sem chegar ao custo por tarefa. Se você está fazendo o orçamento apenas pela tabela de preços, inclua o multiplicador no orçamento também: a US$ 20 por milhão de tokens de saída, um modelo que emite três vezes a mediana tem uma taxa efetiva de saída mais próxima de US$ 60 por milhão em relação a um modelo de comportamento mediano, e 260 milhões de tokens ao longo de uma suíte de avaliação não é um erro de arredondamento.

O placar

Preço por milhão de tokens, entrada / saída — Mistral Large 4 $1,36 / $4,18 de tabela, $0,68 / $2,09 promocional, vs Claude Opus 5.5 $4,00 / $20,00

• Entrada em cache — US$ 0,14 de tabela, US$ 0,07 promocional vs. US$ 0,20 por milhão de leitura e US$ 5,00 por milhão de gravação

• Custo por tarefa do Intelligence Index — US$ 1,13 vs US$ 5,98, segundo a Artificial Analysis

• Índice de Inteligência — 38,4, 65.º de 216 vs 58, 1.º de 216, segundo a Artificial Analysis

• Tokens de saída nessa execução do índice — 200M vs 260M, contra uma mediana de 85M

• Janela de contexto — 1M declarado pela Mistral, com 524.288 na configuração testada, vs. 1M na leitura da Artificial Analysis do Claude Opus 5.5, cuja página de anúncio não declara nenhum número, de qualquer forma

• Saída máxima — não publicada por nenhum dos dois fornecedores

• Velocidade medida — não publicada para o Mistral Large 4 Preview vs 95,2 tokens de saída por segundo, com um modo Fast de $8 / $40 que a Anthropic afirma alcançar até 2,5x

• Pesos e licença — prometidos até o final de outubro, com a licença não nomeada, atualmente sinalizados como proprietários pela Artificial Analysis, vs. fechado

• Disponibilidade — API de pré-visualização da Mistral e Mistral Studio, servidos na própria infraestrutura europeia da Mistral, em comparação com AWS, Google Cloud, Azure e o catálogo OrcaRouter

Quando o Mistral Large 4 é a escolha certa

Escolha o Mistral Large 4 quando o trabalho for de alto volume, bem especificado e barato de verificar. Classificação, extração, sumarização em escala, geração de saída estruturada, revisão de código de primeira passagem e a cauda longa de tarefas internas em que uma resposta errada custa uma nova tentativa, e não um incidente. A US$ 1,13 por tarefa de índice contra US$ 5,98, um pipeline que executa um milhão de tarefas por mês não precisa de um argumento sutil para justificar o modelo barato; precisa que o modelo barato seja bom o suficiente e, no AutomationBench — a linha em que se pede a um modelo que conclua fluxos de trabalho empresariais comuns —, os 59,9% reportados pela própria Mistral são competitivos com o número que a Anthropic reporta para o Opus 5.5 no mesmo harness. Execuções diferentes, fornecedores diferentes, portanto leia isso como um sinal, e não como um resultado, mas é a linha mais próxima do que uma unidade de negócios realmente pede que um modelo faça.

O Mistral Large 4 também é o lado deste par que tem uma rota crível para implantação própria, e isso vale mais do que um ponto de benchmark para alguns leitores. Prometer pesos até o fim de outubro não é ter pesos, e uma licença sem nome não é uma licença, então isso é um motivo para acompanhar, e não um motivo para migrar hoje. Mas, entre os dois modelos aqui, ele é o único em que um argumento de residência de dados ou de acesso em meio a incidentes pode terminar em "nós mesmos o executamos". A narrativa europeia de treinamento e serving fica do mesmo lado desse balanço.

Quando Claude Opus 5.5 é a escolha certa

Escolha o Claude Opus 5.5 quando a tarefa for longa, as etapas dependerem umas das outras e errar for caro. O Terminal-Bench 4.0 é a linha divisória mais nítida nesta comparação — a Anthropic relata 66,4% para o Opus 5.5, contra 28,3% da Mistral para o próprio modelo dela no mesmo harness — e o trabalho em terminal é o proxy público mais próximo de codificação agêntica, que é a maior parte do que as equipes estão comprando um modelo de fronteira para fazer. Uma diferença de 19,6 pontos no Intelligence Index e uma diferença de quase 2,4x no Terminal-Bench, dito de outra forma: não é uma disputa apertada no extremo mais difícil, e nenhum argumento de preço resolve isso se sua carga de trabalho estiver nessa faixa. Some a isso o contexto de 1M, os 95,2 tokens por segundo medidos, contra um número não publicado do outro lado, o Fast mode para caminhos sensíveis à latência e a disponibilidade em três grandes nuvens com retenção zero de dados, e o acréscimo de preço compra folga operacional real.

A questão prática é se você precisa do pacote premium completo em cada chamada. A maioria das equipes que executa um modelo de fronteira em grande volume descobre que uma minoria das solicitações — aquelas com ambiguidade genuína em várias etapas — consome a maior parte da capacidade, e que o restante não o faz. Essa é uma decisão de roteamento, não uma decisão de modelo, e é o caso em que executar os dois é a resposta real. O Claude Opus 5.5 está no catálogo da OrcaRouter pelo preço de tabela da Anthropic, com 0% de markup no mesmo endpoint compatível com OpenAI que mais de 200 outros modelos, então experimentar os dois custa uma única chave em vez de um segundo contrato com fornecedor. O Mistral Large 4 não está no nosso catálogo hoje — chega-se a ele pela própria API de pré-visualização da Mistral e por várias plataformas de terceiros — e isso é declarado como um fato sobre a nossa lista, não um anúncio de lançamento experimental.

Para uma pré-visualização, a funcionalidade que justifica a sua presença é o failover. Enviar uma fração do tráfego para um modelo cuja licença, pesos e contexto servido continuam todos em aberto significa que o modo de falha útil é um redirecionamento, e não uma interrupção, e você aprende os modos de falha reais do modelo com os seus próprios dados, em vez de com o leaderboard de outra pessoa.

O único fato que decide isso

Ninguém comparou o Mistral Large 4 e o Claude Opus 5.5 frente a frente, com configurações equivalentes, em um harness nomeado — a única medição humana cega que existe é contra o Claude Opus 5, e a versão contra a qual você está escolhendo não é o Claude Opus 5 —, então a base honesta para uma decisão hoje é que o modelo barato custa um quinto por tarefa concluída e o caro está cerca de vinte pontos de índice e uma diferença de quase 2,4x no Terminal-Bench à frente dele, a um preço de tabela que a Anthropic cortou sem cortar o custo por tarefa.

Se uma resposta que falhou na sua carga de trabalho custa menos de 4,6 tentativas, compre o Mistral Large 4. Se custar mais, compre o Claude Opus 5.5 — e, se você ainda não consegue responder a essa pergunta sobre o seu próprio tráfego, execute os dois em um único endpoint e deixe um mês de requisições reais responder isso para você.