Mistral Large 4 fica um ponto atrás do Muse Spark Open, mas vence em tarefas de agente

O Mistral Large 4 Preview, apresentado em 6 de outubro de 2026, tira 38 pontos no índice de inteligência (versão 4.3.2) da Artificial Analysis, empresa que roda suas próprias avaliações de modelos. Um ponto atrás do Muse Spark Open, modelo que a Meta publicou em 15 de outubro, e do DeepSeek V4.1 Flash, segundo as páginas da Artificial Analysis consultadas em 19 de outubro de 2026 e relatadas pela ActuIA.

Três ressalvas cercam esse placar. O Large 4 é uma pré-versão cujo aprendizado por reforço (a etapa de treino que ajusta o modelo a partir de recompensas, depois do treino inicial) ainda está em andamento, segundo o próprio comunicado da Mistral. Sem pesos publicados, a Artificial Analysis ainda classifica o Large 4 entre os modelos proprietários, fora da página de modelos abertos. E a versão do DeepSeek medida é de setembro, anterior à atualização V4.1-Flash-1017 de 17 de outubro.

Em 6 de outubro a Mistral apresentou o Large 4 como superior a qualquer modelo de peso aberto desenvolvido nos Estados Unidos ou na Europa.

superando significativamente qualquer modelo de peso aberto desenvolvido nos Estados Unidos ou na Europa

significantly outperforming any open-weight model developed in the US or EuropeComunicado de lançamento da Mistral AI, 6 de outubro de 2026

Naquele momento a ActuIA registrou doze pontos de vantagem sobre o melhor modelo aberto americano medido. O Muse Spark Open, publicado nove dias depois, apagou essa diferença e passou um ponto à frente.

Nos testes de agente, o Large 4 vence, e por margem larga

O comparativo da Artificial Analysis cobre dez testes. O Large 4 vence em cinco, incluindo os que mais interessam a quem constrói agentes de software. No Terminal-Bench 4.0, tarefas de engenharia de software e administração de sistema executadas direto num terminal, o Large 4 acerta 27% contra 8% do Muse: a maior diferença do comparativo inteiro.

No AutomationBench-AA, que mede a fração de objetivos que um agente completa em aplicações SaaS simuladas, o Large 4 marca 60% contra 50%. Ele também vence no GDPval-AA, no AA-Briefcase e no AA-LCR. A própria ficha de modelo publicada pela Meta coloca o Large 4 à frente no DeepSWE 1.1, teste de programação agêntica, por 62 a 60.

O DeepSeek V4.1 Flash empata com o Large 4 no Terminal-Bench, com os mesmos 27%, e o supera no AutomationBench, com 69%. Para quem avalia modelo para automatizar tarefas de desenvolvimento, isso significa que o ranking geral de 38 contra 39 esconde uma vantagem real do Large 4 justamente onde o trabalho de dev mora.

O Muse vence em conhecimento, e o detalhe que isso esconde

O Muse Spark Open vence quatro testes de conhecimento e ciência: Humanity's Last Exam (44% contra 35%), SciCode (58% contra 54%), CritPt (15% contra 11%) e AA-Omniscience, onde a diferença é a maior do grupo (25 pontos contra menos 5). Os dois empatam no GDP.pdf, com 19% cada.

O AA-Omniscience merece atenção porque ele não mede só acerto. A nota vai de menos 100 a 100, premia respostas corretas e penaliza alucinações (respostas erradas apresentadas como certas), sem punir quem se abstém de responder. Uma nota negativa, como a do Large 4, significa mais respostas erradas do que certas. É dessas quatro provas que o Muse tira seu único ponto de vantagem no índice geral.

Em resumo: a diferença de um ponto entre 38 e 39 não vem acompanhada de intervalo de confiança nas páginas publicadas pela Artificial Analysis, o que torna arriscado tratar esse placar como decisivo para qualquer escolha de produção.

O Large 4 escreve quase o dobro de tokens, e isso pesa na fatura

Os preços por milhão de tokens são parecidos: 0,79 dólar para o Large 4 e 0,78 dólar para o Muse, no preço misto que pondera cache, entrada e saída numa proporção de 7 para 2 para 1. A diferença de custo real vem do volume produzido, não do preço unitário.

Por tarefa, o Large 4 produz 69 mil tokens de saída, dos quais 52 mil são de raciocínio, contra 40 mil e 18 mil do Muse. A Artificial Analysis classifica o Large 4 em 109º lugar entre 116 modelos em verbosidade, com a mediana em 85 milhões de tokens para rodar o índice inteiro. Rodar o índice completo custa 1.607 dólares com o Large 4 e 1.183 com o Muse, 36% a mais, e 1,13 dólar contra 0,84 por tarefa.

Essa verbosidade também custa tempo: uma tarefa do índice leva 734 segundos no Large 4 contra 288 no Muse. Numa resposta de 500 tokens, o tempo de ponta a ponta é de 35,4 segundos contra 18,3. Para quem mede latência de agente em produção, esse número importa tanto quanto o preço por token.

Um desconto de 50% que a Mistral não data nem explica

A Artificial Analysis usa, para o Large 4, os preços de lançamento da API da Mistral: 1,36 dólar por milhão de tokens de entrada e 4,18 dólares de saída. A documentação da Mistral já mostra esses valores riscados, substituídos por 0,68 dólar na entrada, 0,07 na entrada em cache (em vez de 0,14) e 2,09 dólares na saída, exatamente a metade, sem data de término nem condição declarada. O desconto já estava lá em 6 de outubro, mas o comunicado de lançamento só cita os preços cheios.

Recalculando o custo do índice com esse tarifário, a ActuIA chega a cerca de 804 dólares: o Large 4 custaria 32% menos que o Muse e 19% a mais que o DeepSeek V4.1 Flash. Vale lembrar que essa vantagem de custo depende de um desconto que a Mistral não datou, o que torna arriscado embutir esse número num planejamento de orçamento de longo prazo sem acompanhar se ele continua valendo.

Para quem pensa em autohospedar, a verbosidade também ocupa GPU

Produzir 1,8 vez mais tokens, à mesma taxa de geração, ocupa a GPU por 1,8 vez mais tempo. A Mistral ainda não publicou uma configuração de hardware de referência para o Large 4, que tem 1,05 trilhão de parâmetros. A Meta, por sua vez, indica para o Muse (816 bilhões de parâmetros) pelo menos 700 GB de memória de GPU em NVFP4 (um formato de ponto flutuante de 4 bits que reduz o consumo de memória), ou dois Mac Studio M5 Ultra. A Reflection AI prevê quatro GPUs B200 para rodar o Beam, de 501 bilhões de parâmetros.

A licença do Muse exige acordo com a Meta acima de 20 milhões de dólares de receita

A Muse Model License, publicada em 15 de outubro, libera uso, modificação, destilação e venda do modelo sem custo, sob condições. A seção 3 trata do uso como "serviço de modelo": quem der acesso de terceiros ao Muse, por exemplo via API, precisa avisar a Meta e assinar um acordo próprio antes de oferecer o Muse ou um derivado nessa atividade, caso a receita bruta, somadas as afiliadas, ultrapasse 20 milhões de dólares em doze meses consecutivos. Uso interno, pesquisa e integração como componente de um produto próprio ficam de fora dessa exigência.

A licença também obriga exibir, de forma visível, a frase "Built with Muse Spark Open" na interface de qualquer produto que use o modelo ou um derivado, ou na documentação, no site ou no menu de configurações. Derivados incluem qualquer modelo destilado a partir do Muse ou das respostas dele, o que alcança até um modelo pequeno treinado com saídas do Muse.

A política de uso anexa proíbe atividades com risco de morte ou lesão, incluindo aplicações militares, bélicas e de indústria nuclear, além da operação de infraestrutura crítica, tecnologias de transporte ou maquinário pesado.

Military, warfare, nuclear industries or applications

Military, warfare, nuclear industries or applicationsPolítica de uso do modelo, Meta, anexa à Muse Model License de 15 de outubro de 2026

O texto não define esses termos nem esclarece se uma empresa do setor nuclear pode usar o modelo para tarefas administrativas comuns. Na Europa, a contraparte contratual é a Meta Platforms Ireland Limited.

A própria Artificial Analysis dá leituras contraditórias dessa licença: as páginas de comparação mostram "uso comercial sem restrições: sim", enquanto a ficha do modelo registra "uso comercial permitido com restrições", o que bate com o texto da Meta. A mesma divergência aparece na ficha do Kimi K3, da Moonshot AI, cuja licença (publicada em julho, segundo o desenvolvedor Simon Willison) usa o mesmo limiar de 20 milhões de dólares para empresas de serviço de modelo. Já o Beam, da Reflection AI, com pesos publicados desde 16 de outubro, sai sob Apache 2.0 sem condição adicional de uso declarada no anúncio.

Os pesos do Large 4 ainda não saíram, e a licença também não

A Mistral escreve que vai publicar os pesos do Large 4 "até o fim do mês". O repositório da empresa no Hugging Face mostra "lançamento em breve", com data estimada em 31 de outubro de 2026. Em 6 de outubro, o The Next Web e o The New Stack anteciparam o dia 27 de outubro, sem citar fonte para essa data. Nenhuma licença foi publicada ainda: nem o comunicado, nem o repositório, nem a documentação da Mistral, que já traz a palavra "Open" no nome, nomeiam uma.

Quando os pesos saírem, há cinco pontos que valem checagem antes de decidir migrar um agente de produção para o Large 4:

1. A licença: limiar de receita, cláusula de serviço de modelo, menção obrigatória e usos excluídos.
2. A duração do desconto de 50% hoje aplicado na API.
3. A configuração de hardware de referência, ainda ausente.
4. O score e a verbosidade da versão final, já que o aprendizado por reforço segue em andamento.
5. O número de tokens produzidos por tarefa na própria carga de trabalho, que pesa na fatura tanto quanto o preço anunciado.

Para quem escolhe modelo hoje olhando só o índice geral, o Large 4 perde por um ponto. Para quem escolhe modelo olhando tarefa de terminal, automação de agente e o custo real de rodar isso em produção, a conta muda de lado, e ainda depende de um desconto que a Mistral não datou.

Fonte: ActuIA