Mistral Large 4 vs Qwen3-Max: O modelo barato é o que tem a janela pequena

A diferença de preços segue o sentido oposto ao da diferença de tamanho, e é justamente aí que reside todo o interesse desta combinação. Qwen3-Max custa US$ 0,36 por milhão de tokens de entrada e US$ 1,43 de saída — um quarto do preço de tabela de saída do Mistral Large 4 e cerca de um terço do seu preço promocional. Ele oferece um contexto de 262 mil tokens, com teto de saída de 65 mil tokens. O Mistral Large 4 alega contexto de 1 milhão, mede 524.288 na configuração testada e gera até essa quantidade em uma única resposta.

Então o modelo barato é o modelo de janela pequena, e se isso importa depende inteiramente do que você envia para ele.

Os cartões

• Qwen3-Max — $0,36 de entrada, $1,43 de saída por milhão; contexto de 262K; saída máxima de 65K.

• Mistral Large 4 — $1,36 de entrada, $0,14 em cache, $4,18 de saída; promocionado a $0,68 / $0,07 / $2,09. Contexto de 1M alegado, 524.288 medido; 1,05 trilhão de parâmetros, 52 bilhões ativos, com um codificador de visão de 1,6 bilhão de parâmetros.

• A proporção — Mistral é 3,8× Qwen na entrada e 2,9× na saída a preço de tabela; 1,9× e 1,5× em promoção.

Essas duas proporções são o mesmo produto descrito de duas maneiras, e apenas uma delas sobrevive ao fim de uma promoção que ninguém datou.

Onde 262K realmente limita

Duzentos e sessenta e dois mil tokens equivalem a aproximadamente 200.000 palavras. Uma base de código de porte médio, um conjunto extenso de contratos, uma transcrição de várias horas — todos esses ultrapassam esse limite. Um único documento, um histórico de chat, o conjunto de trabalho de um agente — a maioria deles não ultrapassa. A maneira honesta de decidir é medir o percentil 95 do comprimento da sua entrada e compará-lo com o teto, em vez de compará-lo com a média; a média nunca é o fator limitante, e a cauda sempre é.

O teto de saída impõe restrições com muito mais frequência do que as pessoas esperam. Sessenta e cinco mil tokens equivalem a cerca de 50.000 palavras, e qualquer geração em uma única requisição de um relatório longo, um arquivo de código grande ou a síntese de uma transcrição completa chega perto disso. A janela medida de 524K da Mistral é oito vezes maior, o que representa a diferença entre uma única chamada e um pipeline de fragmentação — e um pipeline de fragmentação custa tempo de engenharia que nenhum preço por token reflete.

O que a diferença de preço realmente paga

Execute um milhão de tokens de entrada e 100.000 tokens de saída por ambos os cartões. Qwen3-Max: US$ 0,36 mais US$ 0,143 — cerca de 50 centavos. Mistral no preço de tabela: US$ 1,36 mais US$ 0,418 — US$ 1,78. Na promoção: 89 centavos.

Então, o modelo principal custa entre 1,8× e 3,6× o preço do modelo mais barato por tarefa idêntica, e oferece um contexto quase quatro vezes maior, um limite de saída oito vezes maior, entrada de imagem nativa por meio de um codificador de 1,6 bilhão de parâmetros, pesos publicados e uma licença que você pode ler. Se isso vale US$ 1,28 nesta tarefa é uma questão sobre a tarefa, não sobre o mercado.

Uma coisa que a comparação não captura: a Mistral publica uma linha de entrada em cache de $0,14, e a ficha do Qwen3-Max, conforme a lemos, não traz um equivalente. Para um agente que reenvia um prefixo estável a cada turno, essa linha ausente pode valer mais do que a diferença de preço de tabela — e é a primeira coisa a medir, em vez de assumir, ao testar ambos.

Qual deles encaminhar para onde?

O Qwen3-Max pode ser invocado no OrcaRouter à sua taxa publicada, no mesmo endpoint compatível com OpenAI de um catálogo de 224 modelos, com failover automático. O Mistral Large 4 não está nesse catálogo; ele funciona através da API própria da Mistral e de hosts de terceiros.

A regra de roteamento que os cartões suportam é simples: trabalho de entrada curta, saída curta e alto volume vai para o modelo de 36 centavos, porque nenhum dos limites máximos é restritivo e o preço é a única variável. Qualquer coisa na cauda longa — um documento completo, uma base de código grande, uma geração em uma única chamada — vai para o modelo com a janela maior, porque o mais barato recusará a tarefa em vez de descontá-la.

E se você está escolhendo a Mistral com base no número promocional, lembre-se do que esta página comparou: a preço de tabela, a proporção em relação ao Qwen é de quase quatro para um na entrada, não de dois.