Ministral 3 8B batch da Mistral cobra preço único nos dois lados

O detalhe que ninguém comenta no release

A Mistral lançou o Ministral 3 8B 2512 há quinze dias, e o que chama atenção não é o tamanho — 8 bilhões de parâmetros é pequeno em 2025 — mas a conta no fim do mês. Entrada e saída custam exatamente a mesma coisa: US$ 0,075 por milhão de tokens. Não é erro de tabela. É a aposta da casa para um modelo que cabe em workloads onde o peso da resposta costuma ser maior que o peso do prompt.

Traduzindo: se você joga um PDF de 50 mil tokens e recebe um resumo de 500 tokens, você paga pelo PDF quase cem vezes mais do que pelo resumo. Com tarifa única, esse desequilíbrio some. Para fluxos onde a saída é longa — geração de código, transcrição estruturada, extração em massa — o cálculo muda.

Onde o Ministral 3 8B se encaixa no tabuleiro

A categoria dele é "modelo pequeno com visão". Não disputa o topo de inteligência com ninguém. O catálogo atual tem 309 modelos listados, e os cinco mais bem posicionados em índice de inteligência são o Xiaomi MiMo-V2-Flash, o OpenAI o3, o Claude Haiku 4.5, o gpt-oss-120b e o Devstral 2 2512 — todos com nota de IQ acima de 19. O Ministral 3 8B nem aparece nessa faixa no recorte de hoje, e a própria ficha não traz nota de inteligência publicada.

Mas a comparação que importa é outra. O Claude Haiku 4.5 cobra US$ 5 por milhão de tokens de saída; o Devstral 2 2512 cobra US$ 2; o gpt-oss-120b cobra US$ 0,17. O Ministral 3 8B batch cobra US$ 0,075. É menos da metade do gpt-oss-120b, menos de 4% do Haiku 4.5. Para o usuário que não precisa de raciocínio pesado e precisa de volume, o argumento é puramente econômico.

O que ele tem e o que ele não tem

O pacote é direto: contexto de 262.144 tokens (entre os maiores da categoria), multimodalidade texto+imagem→texto, e cache de leitura a US$ 0,0075 por milhão — dez vezes mais barato que o preço de entrada e saída. Esse último ponto é o que paga a conta em pipelines repetitivos: prompts de sistema que entram toda hora, schemas JSON, instruções longas.

O que não está no dado: parâmetros ativos, país de origem, velocidade, raciocínio, cutoff de conhecimento e pesos abertos. Sem isso, não dá para cravar se ele roda bem em hardware próprio, se serve para agente de múltiplas etapas ou se o conhecimento dele para em 2023 ou 2024. A Mistral historicamente libera pesos de modelos pequenos, mas a ficha deste lote não confirma.

Para quem vale — e para quem não muda nada

Vale para você se: roda extração de dados em documentos longos, faz OCR com LLM, gera JSON em massa a partir de imagem, ou tem um agente simples onde o gargalo é custo por chamada e não qualidade de raciocínio. O preço único entrada/saída elimina a necessidade de otimizar prompt para economizar tokens de saída.

Não muda nada se: você precisa de raciocínio encadeado forte, comparação com frontier models, ou nota de benchmark para justificar a escolha para o time. Para isso, o Claude Haiku 4.5 e o o3 continuam sendo as referências — e custam ordens de grandeza acima.

O que fazer com isso hoje

Se você já paga Mistral via API, vale testar o Ministral 3 8B batch em workloads de alto volume e baixo risco — sumarização, classificação, extração. Se você usa OpenAI ou Anthropic, o ponto de comparação interno é o gpt-oss-120b da OpenAI, que tem preço parecido (US$ 0,17 saída) mas score de inteligência superior no recorte atual. A decisão entre os dois passa por benchmark específico da sua tarefa, não por preço.