Frente a frente
Mistral Large 3 vs DeepSeek-V4: qual modelo de IA vence em 2026?
Mistral Large 3 ($1.50/1M out) e DeepSeek-V4 ($0.87/1M out) estão entre os modelos de IA mais usados de 2026. Em 3 votos da comunidade, DeepSeek-V4 lidera com 57% de aprovação.
Veredicto rápido
Em Raciocínio, escolha DeepSeek-V4: a arena o avalia em 4.5/5 contra 3/5 de Mistral Large 3. No orçamento, DeepSeek-V4 vence: começa em $0.87/1M out contra $1.50/1M out de Mistral Large 3.
Comparação linha por linha
Pontos fortes e fracos
Mistral Large 3
- 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
- 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
DeepSeek-V4
- Janela de contexto de 1M de tokens (8x os 128K do V3.2) com até 384K tokens de saída, padrão na API oficial
- Preço agressivo: $0.435/$0.87 por 1M de tokens (V4-Pro), cerca de 28.7x mais barato por token de saída que o Claude Opus 4.8; a entrada com cache hit cai para $0.003625/1M (mais de 99% de desconto)
- Open weights sob licença MIT para o V4-Pro e o V4-Flash no Hugging Face: uso comercial, fine-tuning e redistribuição permitidos
- SOTA open source em código agêntico: 80.6 no SWE-bench Verified (configuração Think Max), empatado com o Gemini 3.1 Pro, mais rating de 3206 no Codeforces (~posição 23 contra humanos)
- Fica em #3 de 93 no Artificial Analysis Intelligence Index (nota 44), bem acima da média de 25
- O stack de sparse attention reduz a inferência de contexto de 1M para 27% dos FLOPs do V3.2 e 10% do seu KV cache
- Chamadas de ferramentas malformadas intermitentes: function calls às vezes emitidas como texto simples no content em vez do campo tool_calls (issue #1244 do GitHub deepseek-ai)
- O modo thinking quebra cadeias longas de tool calls multi-turno com erros 400 em frameworks de agentes (issue #72044 do OpenClaw, correção ainda incompleta)
- Desenvolvedores relatam que ele inventa APIs inexistentes em bases de código próprias e age sobre entradas de usuário alucinadas em loops de agentes
- Muito verboso (180M de tokens de saída na avaliação contra 95M da mediana) e velocidade mediana de 54.6 tok/s (#39/93), o que corrói o baixo preço por token na prática
- Somente texto (sem visão ou áudio) e ainda em preview: o lançamento oficial planejado para meados de julho de 2026 adiciona preços de horário de pico que dobram as tarifas de API listadas durante o horário comercial de Pequim
Dê seu veredicto
Uma recomendação por ferramenta por gladiador. Ela redefine a pontuação da multidão que todos veem.
O veredicto da arena sobre o Mistral Large 3
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.
O veredicto da arena sobre o DeepSeek-V4
Escolha o DeepSeek-V4 se você quer raciocínio e código agêntico quase de fronteira a preços de 3x a quase 30x abaixo do Claude Opus ou do GPT-5.5, ou se pesos sob licença MIT para auto-hospedagem e fine-tuning importam para você. É um upgrade decisivo sobre o V3.2: contexto 8x maior, inferência de contexto longo muito mais barata e código mais forte, e os endpoints legados deepseek-chat/reasoner são descontinuados em 24 de julho de 2026 de qualquer forma. Evite-o para agentes de produção que dependem de tool calling multi-turno à prova de falhas, onde usuários ainda relatam chamadas malformadas e APIs inventadas, e para qualquer trabalho de visão ou áudio, já que ele é somente texto. Apps sensíveis a latência também devem testar antes, pois a verbosidade e a velocidade mediana de 54.6 tok/s de saída anulam parte da vantagem de custo, e reserve orçamento para a duplicação de preço em horário de pico que chega com o lançamento oficial de meados de julho.
O que a multidão diz
Sobre o Mistral Large 3
Nenhum veredicto ainda. Seja o primeiro a falar.
Sobre o DeepSeek-V4
“Tool calling is flaky. Function calls sometimes land as plain text instead of the tool_calls field, and thinking mode 400s on long multi-turn chains. Not agent-ready yet.”
“MIT license on both Pro and Flash weights is the real story. Fine-tune, redistribute, ship commercially, no lawyer needed. Plus 384K output tokens for long-doc generation.”
“MIT weights, 1M context, and output tokens roughly 29x cheaper than Opus 4.8. Cache hits make input basically free. Moved my bulk pipelines over and the bill collapsed.”
Continue comparando
Perguntas frequentes
O Mistral Large 3 é melhor que o DeepSeek-V4?
A multidão está atualmente com o DeepSeek-V4: 57% o recomendam, contra 50% para o Mistral Large 3 (3 votos). Em Raciocínio, o DeepSeek-V4 pontua mais alto (4.5/5 vs 3/5). A escolha certa depende do seu caso de uso. A comparação linha por linha nesta página detalha preços, especificações principais e notas da arena.
Qual é mais barato, Mistral Large 3 ou DeepSeek-V4?
O DeepSeek-V4 é mais barato: começa em $0.87/1M out, enquanto o Mistral Large 3 começa em $1.50/1M out.
Quanto custam Mistral Large 3 e DeepSeek-V4 por 1M de tokens?
Mistral Large 3: $0.50/1M in por 1M de tokens de entrada, $1.50/1M out por 1M de tokens de saída. DeepSeek-V4: $0.435/1M in (cache hit $0.003625) por 1M de tokens de entrada, $0.87/1M out por 1M de tokens de saída.