Duas das empresas mais vigiadas da indústria de inteligência artificial escolheram a mesma semana de outubro de 2026 para avançar com os seus modelos. A Mistral AI lançou, a 6 de outubro, o Large 4, um modelo com 1 bilião de parâmetros totais treinado em território europeu. Um dia depois, a Anthropic respondeu com o Claude Haiku 5.5, cortando o preço da sua API em até 90% para pedidos mais curtos. O resultado é uma fotografia nítida de como o mercado de modelos de linguagem está a mudar de prioridade: da dimensão pura para o custo por token processado.
Esta não é uma coincidência de calendário. Os dois lançamentos chegam numa altura em que a DeepSeek e outros laboratórios chineses continuam a pressionar os preços da IA para baixo, e em que a Europa procura demonstrar que consegue competir ao nível de modelos de fronteira sem depender apenas de Washington ou de Pequim. Este artigo analisa os números, os benchmarks disponíveis e o que a corrida ao preço e à escala significa para empresas, programadores e utilizadores finais.
Mistral Large 4: a aposta europeia de 1 bilião de parâmetros
A Mistral AI abriu a pré-visualização pública do Large 4 através da API do Mistral Studio a 6 de outubro de 2026. Segundo a documentação oficial da empresa, o modelo tem 1 bilião de parâmetros totais, mas ativa apenas 52 mil milhões por cada token processado, graças a uma arquitetura Mixture-of-Experts (MoE) granular. Alguns relatos secundários apontam para 49 mil milhões de parâmetros ativos em vez de 52 mil milhões, uma diferença que a própria Mistral ainda não esclareceu publicamente nos seus materiais técnicos.
O modelo é descrito como nativamente multimodal, cobrindo texto, imagem, código, tarefas agênticas, cibersegurança, finanças, engenharia e manufatura. Um encoder de visão com cerca de 1,6 mil milhões de parâmetros trata as entradas de imagem, e a janela de contexto chega a 1 milhão de tokens, o suficiente para processar um livro inteiro ou uma base de código de média dimensão numa única chamada.
Arquitetura Mixture-of-Experts explicada em termos simples
Num modelo denso tradicional, cada token passa por todos os parâmetros disponíveis. Num modelo MoE como o Large 4, o sistema divide o conhecimento em vários “especialistas” e escolhe apenas um subconjunto para cada token. Isto permite à Mistral reivindicar 1 bilião de parâmetros no papel, mas manter o custo computacional por pedido próximo do que se esperaria de um modelo muito menor. É a mesma lógica usada por rivais chineses como a DeepSeek, cujo V4.1 Flash soma 552 mil milhões de parâmetros totais com apenas uma fração ativada por inferência.
Mistral confirmou que os pesos do modelo (os ficheiros necessários para correr a IA localmente ou em infraestrutura própria) devem ficar disponíveis até ao final de outubro de 2026, ainda que o lançamento de 6 de outubro tenha sido apenas uma pré-visualização via API. O treino decorreu em cerca de 3.800 GPU Nvidia Grace Blackwell, instalados em centros de dados localizados na Europa.
Claude Haiku 5.5: a Anthropic ataca pelo preço
Enquanto a Mistral jogava a carta da escala, a Anthropic escolheu o caminho oposto. O Claude Haiku 5.5, lançado a 7 de outubro de 2026, não é vendido como o modelo mais inteligente da casa, mas sim como o mais barato e mais rápido já lançado pela empresa. Segundo a Anthropic, o novo Haiku fica até 90% mais barato do que o Haiku 4.5 para pedidos até 100 mil tokens, e cerca de 50% mais barato para pedidos acima desse limite, o que resulta numa redução média de aproximadamente 75% face ao modelo anterior.
O modelo mantém a janela de contexto de 1 milhão de tokens e ganha capacidades de uso de computador e navegador, o que significa que consegue operar aplicações e sites por conta própria, não apenas gerar texto. Está disponível através da plataforma própria da Anthropic, mas também via Amazon Web Services, Google Cloud e Microsoft Azure, uma distribuição multi-nuvem que facilita a adoção empresarial sem obrigar a trocar de fornecedor de infraestrutura.
Tabela de preços: quanto custa cada token agora
Comparar os dois lançamentos lado a lado ajuda a entender porque é que a imprensa especializada já fala de uma nova fase da guerra de preços da IA. A tabela seguinte junta os valores oficiais publicados por cada empresa para outubro de 2026.
| Modelo | Faixa de contexto | Preço entrada ($/milhão tokens) | Preço saída ($/milhão tokens) | Contexto máximo |
|---|---|---|---|---|
| Mistral Large 4 | Único (sem escalões) | $1,36 | $4,18 | 1 milhão de tokens |
| Claude Haiku 5.5 | Até 100 mil tokens | $0,10 | $0,50 | 1 milhão de tokens |
| Claude Haiku 5.5 | Acima de 100 mil tokens | $0,50 | $2,50 | 1 milhão de tokens |
A diferença de preço entre os dois modelos não é por acaso. O Large 4 compete na categoria de modelos de fronteira, com capacidades de raciocínio e agentes mais próximas de um Claude Sonnet 5.5 do que de um modelo de baixo custo. O Haiku 5.5, pelo contrário, foi desenhado de propósito para tarefas repetitivas de grande volume, onde o preço por token pesa mais do que a inteligência bruta do modelo.
Claude Haiku 5.5 vs Claude Haiku 4.5: os saltos de desempenho
A Anthropic publicou resultados de vários testes de referência para justificar o salto de preço e de capacidade entre gerações. Os números mais expressivos aparecem em tarefas de uso de computador e de terminal, áreas onde o Haiku 4.5 praticamente não funcionava.
| Benchmark | Claude Haiku 5.5 | Claude Haiku 4.5 | GPT-6 Luna | Claude Sonnet 5.5 |
|---|---|---|---|---|
| GDPval-AA v2.1 (trabalho de conhecimento, Elo) | 1.620 | 735 | 1.437 | 1.840 |
| AA-Briefcase v1.1 (trabalho de conhecimento, Elo) | 1.578 | 614 | 1.336 | 1.824 |
| OSWorld 2.1 (subconjunto offline) | 72,4% | 15,7% | 48,9% | 83,9% |
| Terminal-Bench 4.0 | 39,2% | 0,0% | 16,4% | 70,6% |
| Humanity’s Last Exam (sem ferramentas) | 45,9% | 10,2% | — | 56,9% |
O salto mais chamativo acontece no OSWorld, onde o Haiku passa de 15,7% para 72,4% de acerto, um ganho de quase 57 pontos percentuais entre gerações lançadas com apenas um ano de diferença. No Terminal-Bench, a subida é de 0% para 39,2%, o que sugere que o Haiku 4.5 simplesmente não conseguia operar uma linha de comandos de forma fiável, enquanto o 5.5 já consegue cumprir quase quatro em cada dez tarefas sozinho. Estes números vêm de materiais associados ao lançamento da Anthropic, reproduzidos por cobertura jornalística especializada, e devem ser lidos com a reserva habitual: metodologias de teste, acesso a ferramentas e datas de avaliação podem variar entre laboratórios.
Mistral Large 4 contra a concorrência chinesa
Um dos argumentos centrais da Mistral é que o Large 4 compete de perto com modelos chineses bem mais falados, como a DeepSeek e a Qwen. No benchmark DeepSWE v1.1, focado em tarefas de programação autónoma, o Large 4 surge com uma pontuação de cerca de 61,7% a 62%, acima do DeepSeek V4 Pro 0813 e do Qwen3.8 Max, mas ainda atrás de rivais mais caros.
| Modelo | Pontuação DeepSWE v1.1 | Origem |
|---|---|---|
| GPT-6 Astra | 74% | EUA |
| Claude Opus 5 | 74% | EUA |
| Kimi K3 | 68% | China |
| Mistral Large 4 | 61,7% – 62% | Europa |
| DeepSeek V4 Pro 0813 | 57% | China |
| Qwen3.8 Max | 51% | China |
Benchmarks com reservas
Vale sublinhar que esta tabela combina dados de diferentes fontes secundárias, não de uma avaliação única e reproduzível conduzida por um terceiro independente. A Mistral apresenta também pontuações próprias no AutomationBench (59,9%) e no Coding Agent Index (49,8%), onde diz superar o DeepSeek V4 Pro 0813 e o Qwen3.8 Max, ainda sem publicar os números exatos desses dois concorrentes nesses testes específicos. Ou seja, o Large 4 fica claramente acima dos modelos chineses mais citados em programação agêntica, mas atrás dos modelos mais caros da OpenAI e da Anthropic.
O que disseram a Mistral e a Anthropic
O diretor executivo da Mistral AI, Arthur Mensch, falou diretamente sobre a comparação com modelos chineses durante o evento de lançamento. Segundo a Reuters, Mensch afirmou: “O modelo que estamos de facto a anunciar hoje está, na verdade, acima dos modelos chineses em certos aspetos, incluindo em cibersegurança. Portanto, a narrativa de que a Europa não consegue competir não é verdade” (tradução livre do inglês).
A própria documentação técnica da Mistral, publicada em docs.mistral.ai, descreve o Large 4 como “um modelo multimodal de uso geral, de última geração e com pesos abertos, com uma arquitetura Mixture-of-Experts granular” (tradução livre). No comunicado oficial em mistral.ai/news, a empresa resume o anúncio de forma direta: “Hoje, lançamos uma pré-visualização pública do Mistral Large 4” (tradução livre).
Do lado da Anthropic, a página oficial de lançamento em anthropic.com/claude-haiku-5-5 apresenta o Haiku 5.5 como “o modelo pequeno mais barato, mais rápido e mais capaz que já lançámos” (tradução livre). As notas de lançamento publicadas em support.claude.com acrescentam que o modelo foi “concebido para tarefas de grande volume e sensíveis ao custo” (tradução livre), uma frase que resume bem a estratégia comercial por trás da descida de preço.
Da Mistral Large 3 ao Large 4: um ano de evolução
Para entender a velocidade desta corrida, ajuda olhar para o calendário. A Mistral lançou o Large 3 a 2 de dezembro de 2025, como parte da família de modelos “Mistral 3”. Menos de onze meses depois, a empresa já apresenta uma geração totalmente nova, com uma arquitetura diferente (MoE em vez de um modelo mais denso) e uma reivindicação de escala dez vezes superior em parâmetros totais.
Este ritmo de lançamento reflete uma tendência que já tínhamos documentado em setembro, quando contámos pelo menos oito modelos relevantes lançados num único mês e começámos a falar de uma certa fadiga de lançamentos a atingir o setor. Outubro, com o Large 4 e o Haiku 5.5 a chegarem com apenas 24 horas de diferença, confirma que o ritmo não está a abrandar, pelo contrário.
A família Haiku da Anthropic: do modelo barato ao mais barato de sempre
O Claude Haiku 4.5 chegou a 15 de outubro de 2025, exatamente um ano (menos oito dias) antes do seu sucessor. Na altura, o Haiku 4.5 já era vendido como a opção económica da gama Claude, pensada para volumes elevados de chamadas de API onde o custo acumulado pesa mais do que a inteligência máxima de um modelo como o Sonnet ou o Opus.
O Haiku 5.5 não substitui essa posição, reforça-a. Ao cortar o preço em até 90% e ao mesmo tempo multiplicar o desempenho em tarefas práticas como navegação web e uso de terminal, a Anthropic está a tentar fechar a porta a concorrentes mais baratos, incluindo os modelos chineses de código aberto, antes que empresas ocidentais migrem as suas cargas de trabalho de alto volume para fora do ecossistema Claude.
Soberania tecnológica: porque a Europa aposta no Large 4
O ângulo europeu do Large 4 não é um detalhe de marketing. Mensch posicionou o modelo explicitamente como prova de que a Europa consegue construir e treinar sistemas de fronteira sem depender de infraestrutura norte-americana ou chinesa. O treino em centros de dados europeus, com quase 4 mil GPU Nvidia Grace Blackwell, é apresentado como parte dessa narrativa de “pilha soberana”, um conjunto de capacidades que vai do hardware ao modelo final, passando pela gestão dos dados.
Ainda assim, há limites claros ao que se sabe hoje. Não há confirmação pública sobre se todos os dados de treino têm origem europeia, nem sobre a propriedade exata da infraestrutura de computação usada. O que existe, por agora, é uma reivindicação de escala e de desempenho, apoiada por benchmarks próprios, mais do que um programa formal de “IA soberana” reconhecido por instituições da União Europeia.
Impacto no mercado: o que muda para empresas e desenvolvedores
Para quem gere orçamentos de infraestrutura de IA, estes dois lançamentos têm leituras diferentes. O Large 4 interessa a quem precisa de um modelo com contexto grande e capacidades multimodais, mas quer evitar depender apenas de fornecedores norte-americanos, especialmente em setores regulados como banca, saúde ou administração pública europeia. O Haiku 5.5 interessa a quem já tem cargas de trabalho de grande volume, como atendimento ao cliente automatizado, classificação de documentos ou agentes que navegam sites repetidamente, e que agora pode cortar a fatura da API sem perder desempenho.
Para equipas empresariais
A disponibilidade do Haiku 5.5 em três nuvens (AWS, Google Cloud e Microsoft Azure) elimina o argumento de dependência de um único fornecedor, algo que costuma travar decisões de adoção em grandes organizações. Já o Large 4, ao prometer pesos abertos ainda este mês, abre a porta a que empresas corram o modelo em infraestrutura própria, reduzindo a exposição a cortes de API de terceiros.
Para programadores independentes
Quem desenvolve produtos pequenos ou protótipos ganha, sobretudo, com o Haiku 5.5. A um preço de $0,10 por milhão de tokens de entrada, testar ideias e iterar rapidamente deixa de ser um travão orçamental, algo que já tínhamos visto acontecer com outras famílias de modelos económicos ao longo de 2026.
Quanto custa, na prática, mudar de modelo
Para dar uma ideia concreta do impacto financeiro, um pedido simples de 100 milhões de tokens de entrada custaria $10 com o Claude Haiku 5.5 (abaixo dos 100 mil tokens por chamada) e $136 com o Mistral Large 4. A diferença não significa que um modelo seja “melhor” do que o outro, apenas que servem propósitos diferentes: o Haiku 5.5 foi otimizado para volume, o Large 4 para capacidade.
curl https://api.anthropic.com/v1/messages \
-H "x-api-key: $ANTHROPIC_API_KEY" \
-H "anthropic-version: 2026-01-01" \
-H "content-type: application/json" \
-d '{
"model": "claude-haiku-5-5",
"max_tokens": 1024,
"messages": [
{"role": "user", "content": "Resume este documento em 3 pontos."}
]
}'O exemplo acima mostra uma chamada típica à API do Haiku 5.5. A mesma lógica aplica-se à API da Mistral, trocando o nome do modelo e o endpoint, mas o cálculo de custo final deve sempre considerar o escalão de contexto usado, já que tanto o Haiku 5.5 como o Large 4 têm preços diferentes dependendo do volume de tokens processado por pedido.
Portugal e a Europa: o que isto significa no terreno
Para empresas portuguesas que lidam com dados sensíveis de clientes, sobretudo no setor financeiro e na administração pública, a disponibilidade de um modelo de fronteira treinado e operado dentro da União Europeia pode facilitar conversas de conformidade que, até agora, exigiam justificar o uso de infraestrutura norte-americana. Já existe, aliás, um precedente nacional nesta direção: o projeto Amália, a IA aberta desenvolvida em Portugal, mostra que também há apetite local para construir alternativas, ainda que numa escala muito menor do que a do Large 4.
Do lado do custo, a chegada do Haiku 5.5 a preços mais baixos tende a pressionar também os concorrentes diretos a baixar os seus próprios tarifários, algo que já vimos acontecer repetidamente ao longo de 2026 sempre que a Anthropic ou a OpenAI ajustam preços de modelos económicos, como aconteceu com o lançamento do GPT-6 Sol e Luna a preços igualmente agressivos.
Previsões: o que esperar nos próximos meses
- Pesos abertos do Large 4 até ao final de outubro. Se a Mistral cumprir o calendário anunciado, espera-se uma onda de testes independentes e comparações feitas por laboratórios e universidades fora da própria empresa, o que deve clarificar as divergências atuais entre os 49 e os 52 mil milhões de parâmetros ativos.
- Resposta direta da OpenAI e da Google. Sempre que a Anthropic ou a Mistral cortam preços de forma agressiva, os concorrentes diretos tendem a reagir em semanas, não em meses. É razoável esperar ajustes de tarifário em modelos económicos rivais ainda em outubro ou novembro de 2026.
- Mais pressão sobre os preços dos modelos chineses. Com o Large 4 a superar o DeepSeek V4 Pro 0813 e o Qwen3.8 Max em benchmarks de programação agêntica, é provável que a DeepSeek e a Alibaba reajam com novas versões ou descidas de preço nos próximos trimestres.
- Adoção empresarial europeia mais rápida para o Large 4. O argumento de soberania tecnológica deve pesar mais em setores regulados do que em startups, pelo que a adoção inicial tende a concentrar-se em banca, administração pública e telecomunicações.
- Continuação da “fadiga de lançamentos”. Com dois modelos de peso lançados em 24 horas, a tendência de lançamentos cada vez mais frequentes e menos espaçados deve manter-se, dificultando a tarefa de empresas que tentam escolher um fornecedor estável a médio prazo.
Perguntas frequentes
O que é o Mistral Large 4?
É o modelo de linguagem mais recente da Mistral AI, lançado a 6 de outubro de 2026 em pré-visualização pública. Tem 1 bilião de parâmetros totais, usa uma arquitetura Mixture-of-Experts e ativa entre 49 e 52 mil milhões de parâmetros por token, dependendo da fonte consultada.
Quando foi lançado o Claude Haiku 5.5?
A Anthropic lançou o Claude Haiku 5.5 a 7 de outubro de 2026, um dia depois do anúncio do Mistral Large 4, com um corte de preço de até 90% face ao Haiku 4.5.
Quanto custa usar o Mistral Large 4?
O preço divulgado pela Mistral é de $1,36 por milhão de tokens de entrada e $4,18 por milhão de tokens de saída, sem escalões por volume de contexto.
O Mistral Large 4 é de código aberto?
Ainda não na totalidade. O lançamento de 6 de outubro foi apenas uma pré-visualização via API. A Mistral afirma que os pesos do modelo ficarão disponíveis publicamente até ao final de outubro de 2026, o que permitirá correr o modelo fora da infraestrutura da própria empresa.
O Claude Haiku 5.5 substitui o Claude Sonnet 5.5?
Não. O Haiku 5.5 foi pensado para tarefas de grande volume e baixo custo, enquanto o Claude Sonnet 5.5 continua a liderar em benchmarks de raciocínio mais exigentes dentro da gama Claude, com pontuações consistentemente mais altas em todos os testes comparados neste artigo.
Qual modelo é melhor em programação, o Large 4 ou a DeepSeek?
No benchmark DeepSWE v1.1, o Mistral Large 4 pontua entre 61,7% e 62%, acima do DeepSeek V4 Pro 0813 (57%) e do Qwen3.8 Max (51%), mas ainda atrás do GPT-6 Astra e do Claude Opus 5, ambos a 74%.
Onde posso usar o Claude Haiku 5.5?
O modelo está disponível diretamente na plataforma da Anthropic e também através da Amazon Web Services, da Google Cloud e da Microsoft Azure.
O que é a arquitetura Mixture-of-Experts (MoE)?
É um desenho de modelo onde o sistema divide o conhecimento por vários sub-modelos especializados e ativa apenas alguns deles por token processado, em vez de usar toda a rede de uma vez. Isto permite modelos com mais parâmetros totais sem disparar o custo computacional por pedido, a mesma técnica usada pela DeepSeek e por outros modelos chineses de grande escala.
