Como acessar o Mistral Large 4 pela API de preview no Mistral Studio (e o que checar antes de levar pra produção)

Fala aí, beleza? O Mistral Large 4 já pode ser chamado pela API, só que em public preview, e isso muda bastante o jeito certo de testar ele 😀

A Mistral anunciou o modelo em 6 de outubro de 2026 e o caminho oficial pra colocar a mão nele hoje é a API de preview no Mistral Studio

Neste post tu vai ver o acesso passo a passo (da API key até a primeira chamada) e, MUITO importante, as perguntas que valem fazer antes de plugar isso em produção

Bora?

O que significa o Mistral Large 4 estar em public preview

A documentação oficial do modelo lista o Mistral Large 4 como disponível em Public Preview

E o que isso quer dizer na prática?

Quer dizer que preço, rate limits e até o comportamento do modelo podem mudar antes da disponibilidade geral (a famosa GA)

Além disso, SLA de produção e detalhes regionais não estão definidos no material publicado até agora

Ou seja: dá pra usar, dá pra avaliar, mas é terreno em obra 🙂

Formação Recomendada

Formação Claude Code

Domine Claude Code do absoluto zero até o avançado

• 120 aulas
• 4 projetos
• 9h 45min

Conhecer formação

Resumo técnico do Mistral Large 4

Segundo a documentação oficial, o modelo é:

• Multimodal
• Open-weight no papel, mas com os pesos ainda não publicados (já te conto abaixo)
• Mixture-of-Experts granular, com 1,05T de parâmetros totais e 52B ativos
• Equipado com um encoder de visão de 1,6B

Que Mixture-of-Experts é esse?

É uma arquitetura em que só uma parte dos parâmetros trabalha em cada requisição, por isso a diferença grande entre o total e os ativos

Os pesos abertos já saíram?

Ainda não

A página do modelo no Hugging Face aparece como ‘Upcoming release’ e o anúncio diz que os pesos chegam até o fim de outubro de 2026

Até lá, o Mistral Large 4 roda só na infraestrutura da Mistral, nada de self-hosted por enquanto

E a licença?

Os termos da licença dos pesos do Large 4 ainda não foram detalhados

Pra referência, o Large 3 usava Apache 2.0, mas isso não diz nada sobre o Large 4: melhor esperar o texto oficial antes de tirar conclusão

É a mesma lógica de quem precisa decidir entre caminhos de acesso a um modelo novo, como rolou com o Gemini 3.7 Flash no AI Studio: primeiro entender o estágio do produto, depois escolher onde testar

Quanto custa usar o Mistral Large 4 na API de preview

Os valores são por 1M tokens:

Se liga: o desconto de 50% vale só nas duas primeiras semanas do preview, contando a partir de 6/10/2026

É temporário, então não monte planilha de custo de produção em cima dele haha

E como é preview, até o preço de tabela pode mudar antes da GA

Pra quem só quer experimentar, o modo Free do Studio permite testar sem cartão de crédito, com limites de uso e de taxa

O que você precisa antes de começar

A lista é curtinha:

• Conta no Mistral Studio (o modo Free vem habilitado por padrão, sem cartão)
• Acesso ao console do Studio pra gerar a API key
• Um terminal ou cliente HTTP pra chamar o endpoint
• Se for trabalhar em time: billing ativo em Admin Panel > Subscriptions > Billing > Add payment method (cartão ou conta de marketplace de nuvem), pra que os membros consigam gerar chaves funcionais

E uma dica de quem já viu muita conta virar bagunça: pensa desde já em workspaces separados pra desenvolvimento e produção

Isso vai fazer sentido no primeiro passo 😉

Passo a passo para acessar o Mistral Large 4 pela API

1. (Opcional, mas recomendado) Crie um workspace de testes

Cada workspace tem as próprias API keys, e o uso é medido e cobrado por workspace

É como ter uma conta de banco só pra experimentos: o que tu gastar testando não se mistura com o resto

O erro comum deste passo: testar no mesmo workspace que vai virar produção e depois não saber o que foi teste e o que foi uso real, nem no consumo nem na cobrança

2. Gere a API key

No console do Studio, clique em API Keys na barra lateral esquerda e depois em Create new key

Dê um nome pra chave e defina uma data de expiração

O erro comum deste passo: fechar a tela sem copiar a chave. A chave completa aparece só UMA vez, então copie e guarde em local seguro na hora

3. Guarde a chave em uma variável de ambiente

export MISTRAL_API_KEY="cole_sua_chave_aqui"

Assim o código lê a chave do ambiente, sem ela ficar escrita em nenhum arquivo do projeto

O erro comum deste passo: colar a chave direto no código. Um commit distraído e pronto, chave exposta

4. Faça a primeira chamada com curl

O endpoint de chat completions é POST https://api.mistral.ai/v1/chat/completions, com o header Authorization: Bearer $MISTRAL_API_KEY, o campo model e o array messages (cada item com role e content)

curl https://api.mistral.ai/v1/chat/completions \
  -X POST \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      { "role": "user", "content": "Explique em duas frases o que é Mixture-of-Experts" }
    ]
  }'

O identificador mistral-large-4 é o que aparece no texto da documentação oficial, mas confira o ID na página do modelo antes de rodar, porque ainda tem fonte usando variações

O erro comum deste passo: errar o identificador do modelo ou esquecer o array messages. Sem os dois, a requisição não tem o que processar

5. Ajuste o max_tokens

Se quiser limitar o tamanho da resposta, adicione o campo max_tokens no corpo da requisição

curl https://api.mistral.ai/v1/chat/completions \
  -X POST \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "max_tokens": 300,
    "messages": [
      { "role": "user", "content": "Resuma este texto em tópicos" }
    ]
  }'

O erro comum deste passo: a contagem de tokens do prompt somada ao max_tokens não pode passar do tamanho de contexto do modelo. Prompt gigante com max_tokens alto é receita pra requisição recusada

Problemas comuns ao chamar o Mistral Large 4 em preview

Perdi a API key, e agora?

• Sintoma: você não acha a chave em lugar nenhum e o console não mostra ela completa
• Causa: a chave completa aparece só uma vez, na criação
• Solução: gere uma chave nova e revogue a antiga
• Como prevenir: copie pro seu gerenciador de segredos no mesmo instante em que criar

A chave do meu colega não funciona

• Sintoma: membro do time gera uma chave, mas ela não funciona
• Causa: billing não está ativo na organização
• Solução: ativar em Admin Panel > Subscriptions > Billing > Add payment method
• Como prevenir: deixar o billing configurado antes de chamar o time pra testar

Requisição rejeitada por tamanho

• Sintoma: a chamada volta recusada quando o prompt é grande
• Causa: prompt mais max_tokens acima do contexto do modelo
• Solução: encurtar o prompt, reduzir o max_tokens ou os dois
• Como prevenir: medir o tamanho do prompt antes de mandar e não usar max_tokens alto por padrão

Bati no limite no meio dos testes

• Sintoma: chamadas param de passar depois de um volume de uso
• Causa: o modo Free tem limites de uso e de taxa, e os rate limits podem mudar durante o preview
• Solução: espaçar as chamadas ou ativar billing se o teste pedir mais volume
• Como prevenir: colocar retry com espera no seu cliente desde o começo

Comportamento ou custo diferente do esperado

• Sintoma: a resposta muda de padrão ou a fatura vem maior do que a conta que tu fez
• Causa: em preview, comportamento e preço podem mudar antes da GA, e o desconto de 50% vale só nas duas primeiras semanas
• Solução: revisar a tabela de preço vigente e reavaliar os prompts
• Como prevenir: guardar um conjunto fixo de prompts de teste pra comparar respostas ao longo do tempo

O que dá para testar no Mistral Large 4 durante o preview

A documentação oficial lista estes recursos suportados: Structured Outputs, Function Calling, Document QnA, Prefix, Chat Completions, Batching, Agents & Conversations e Built-In Tools

Dá pra transformar isso em uma bateria de testes bem prática:

• Protótipos de agente: com Function Calling, Agents & Conversations e Built-In Tools, dá pra montar um agente simples e ver como ele escolhe e chama ferramentas
• Extração com saída estruturada: Structured Outputs pra puxar dados de texto livre direto num formato previsível
• Perguntas sobre documentos: Document QnA pra checar se as respostas batem com o conteúdo do arquivo
• Processamento em lote: Batching pra rodar muitas requisições de uma vez e avaliar custo e consistência
• Controle do início da resposta: Prefix pra guiar o formato da saída

Só lembrando: isso é exploração e avaliação, não garantia de desempenho

O objetivo aqui é descobrir se o modelo serve pro SEU caso, com os SEUS dados, beleza?

Perguntas para fazer antes de levar o Mistral Large 4 para produção

Antes de qualquer deploy, passa por este checklist:

• O preço vai se manter? O desconto de 50% acaba nas duas primeiras semanas e o preço de tabela pode mudar até a GA
• Os rate limits atuais aguentam seu volume? Eles podem mudar durante o preview
• Você depende de SLA de produção? Ele não está definido no material publicado
• Tem exigência de região ou residência de dados? Os detalhes regionais também não estão definidos
• Precisa rodar self-hosted? Os pesos ainda não foram publicados e estão previstos até o fim de outubro de 2026
• A licença atende seu caso? Os termos do Large 4 ainda não foram detalhados
• Seu código aguenta mudança de comportamento do modelo? Em preview, isso pode acontecer

Duas boas práticas que valem pra qualquer modelo em preview:

• Separar workspaces de desenvolvimento e produção, já que chaves, uso e cobrança ficam isolados em cada um
• Manter um modelo de fallback configurado, pra sua aplicação não depender de uma única peça que ainda está mudando

Já me ferrei uma vez colocando coisa em preview direto em produção, e não é uma experiência que eu recomendo haha

Vale começar a testar o Mistral Large 4 agora?

Vale sim 😀

Gerar a chave e testar agora faz sentido, ainda mais com o modo Free sem cartão e o desconto de lançamento enquanto ele durar

Mas trate o preview como ambiente de avaliação até a GA esclarecer preço, limites, SLA e licença

O próximo passo concreto é simples:

• Criar um workspace de testes
• Rodar a primeira chamada do passo a passo
• Anotar as respostas às perguntas do checklist antes de qualquer deploy

Com isso em mãos, a decisão de levar ou não pra produção fica MUITO mais tranquila

E aí, vai testar? Bora trocar uma ideia sobre o que tu achou do modelo

até o próximo post!