A arena · análise de modelo de IA
Mistral Large 3
por Mistral AI
Carro-chefe MoE de open weights com 675B (41B ativos), contexto de 256K, entrada de visão e preço de $0.50/$1.50 por 1M.
$1.50/1M out
Nível único de API na La Plateforme ($0.50 de entrada / $1.50 de saída por 1M de tokens), com desconto de 50% via batch API; os pesos sob Apache 2.0 permitem auto-hospedagem gratuita, e os preços de hosts de terceiros podem variar.
Mistral AI
256K tokens
$0.50/1M in
$1.50/1M out
text, vision (image input), text output
Sim
O que é o Mistral Large 3?
Carro-chefe de open weights da Mistral AI lançado em 2 de dezembro de 2025: um modelo sparse mixture-of-experts com 675B de parâmetros totais e 41B ativos, contexto de 256K e entrada de texto mais imagem sob Apache 2.0. Cotado a $0.50/$1.50 por 1M de tokens na La Plateforme, estreou em #2 entre os modelos open source sem raciocínio no LMArena.
Mistral Large 3: prós e contras
Prós
- Open weights sob Apache 2.0 com deploy em um único nó via quantização FP8/NVFP4, apesar dos 675B de parâmetros totais
- Janela de contexto de 256K, no topo da faixa para modelos de open weights, muito adequada a RAG de documentos longos
- Preço agressivo de carro-chefe a $0.50 de entrada / $1.50 de saída por 1M de tokens, cerca de 3-4x mais barato que os carros-chefes proprietários ocidentais
- Estreou em #2 entre os modelos open source sem raciocínio no LMArena (Elo ~1418)
- Multimodalidade nativa (encoder de visão de 2.5B de parâmetros) e mais de 40 idiomas nativos
- Desenvolvedores no HN elogiam a formatação estrita, o seguimento de instruções e a confiabilidade em produção
Contras
- Raciocínio profundo fraco: GPQA Diamond de ~44% contra a faixa dos 70 altos do DeepSeek V3.2 e do Kimi K2 Thinking; sem variante de raciocínio no lançamento
- Fica atrás de GLM-4.6, Kimi K2 e DeepSeek nos benchmarks modernos de código (LiveCodeBench v6 mediano); devs do HN o colocam em uma 'categoria de peso diferente', abaixo de Gemini 3, GPT-5.1 e Claude Opus 4.5
- Propenso a alucinações em QA factual (SimpleQA ~24%) com tuning de abstenção fraco
- Velocidade de saída medida em ~49 tok/s na Artificial Analysis, abaixo da mediana de ~58 tok/s de modelos comparáveis
- Crítica no HN de que a arquitetura espelha de perto o DeepSeek V3, levantando dúvidas sobre P&D original
O veredicto da arena
Escolha o Mistral Large 3 se você quer um carro-chefe de open weights com governança europeia para RAG multilíngue, trabalho com documentos longos ou deploys auto-hospedados: em relação ao Mistral Large 2 (denso de 123B, licença de pesquisa restritiva, API a $2/$6) ele é um upgrade claro em contexto, multimodalidade, licenciamento e custo. Evite-o como seu motor principal de código ou de raciocínio profundo; DeepSeek V3.2, GLM-4.6 ou os modelos proprietários de fronteira pontuam materialmente mais alto nisso. Trate-o como um pau para toda obra barato e confiável, não como um performer de fronteira.
Polegar para cima ou para baixo
Dê seu veredicto
Você recomendaria o Mistral Large 3 ou avisaria a multidão para ficar longe?
Melhores alternativas ao Mistral Large 3
Todas as alternativasO modelo mais rápido da Anthropic: cerca de 90% da habilidade de código do Sonnet 4.5 a $1/$5 por 1M de tokens, contexto de 200K.
O carro-chefe da classe Mythos da Anthropic de junho de 2026: 80.3% no SWE-bench Pro, 11 pontos à frente de todos os outros modelos de fronteira
O Opus da Anthropic de abril de 2026: 87.6% no SWE-bench Verified, contexto de 1M, visão de alta resolução, hoje atrás do Opus 4.8
Compare o Mistral Large 3 frente a frente
Mistral Large 3: perguntas frequentes
Quanto custa o Mistral Large 3 por 1M de tokens?
O Mistral Large 3 custa $0.50/1M in por 1M de tokens de entrada e $1.50/1M out por 1M de tokens de saída. Nível único de API na La Plateforme ($0.50 de entrada / $1.50 de saída por 1M de tokens), com desconto de 50% via batch API; os pesos sob Apache 2.0 permitem auto-hospedagem gratuita, e os preços de hosts de terceiros podem variar.