Usamos cookies. Cookies e o armazenamento do navegador mantêm você conectado e lembram suas preferências. Com sua permissão, também medimos como o site é usado. Você pode a qualquer momento. Veja nossa política de cookies.

Novo por aqui? Veja como funciona Um tour de 1 minuto pelo ambiente de testes, pelos modelos e pela sua chave de API.

Mistral Medium 3.5 vs Pareto 26.9: preço da API, contexto e recursos · api14

Mistral: Mistral Medium 3.5 contra Pareto 26.9

Uma comparação lado a lado entre Mistral: Mistral Medium 3.5 (US$ 5,25 / 1M fragmentos (≈ R$ 28,71)) e Pareto 26.9 (US$ 8,75 / 1M fragmentos (≈ R$ 47,85)) com preços em USD e recursos atuais do catálogo do api14. Os dois funcionam pela mesma API compatível com OpenAI.

Especificações

	Mistral: Mistral Medium 3.5	Pareto 26.9
Provedor	Mistral	Unbiased
Entrada	US$ 5,25 / 1M fragmentos (≈ R$ 28,71)	US$ 8,75 / 1M fragmentos (≈ R$ 47,85)
Saída	US$ 26,25 / 1M fragmentos (≈ R$ 143,54)	US$ 26,25 / 1M fragmentos (≈ R$ 143,54)
Leitura de cache	-	US$ 0,88 / 1M fragmentos (≈ R$ 4,78)
Janela de contexto	262.144	262.144
Saída máxima	209.715	131.072
Entrada	text, image, file	text, image
Saída	text	text
chamada de ferramentas
Saída estruturada
Controle de raciocínio
Adicionado em	30 de abr. de 2026	13 de out. de 2026

Principais diferenças

Mistral: Mistral Medium 3.5 é 40% mais barato nos tokens de entrada.
Só o Mistral: Mistral Medium 3.5 suporta saída JSON estruturada.
Só o Mistral: Mistral Medium 3.5 suporta controle do esforço de raciocínio.
Uma requisição com 1.000 tokens de entrada e 500 de saída custa US$ 0,02 com Mistral: Mistral Medium 3.5 e US$ 0,02 com Pareto 26.9.

Em detalhe

Mistral: Mistral Medium 3.5 é feito pela Mistral, e Pareto 26.9 é feito pela Unbiased. Ambos são modelos de geração de texto, o que significa que ambos recebem entrada e retornam texto, e ambos são servidos através da api14 juntamente com muitos outros modelos. Mistral Medium 3.5 foi lançado pelo seu fornecedor em 2026-04-30, enquanto Pareto 26.9 tem uma data de lançamento do fornecedor de 2026-10-13. Se está a escolher entre eles, as diferenças práticas resumem-se a modalidades, suporte de parâmetros e preço, e não a qualquer pontuação publicada.

Os dois modelos partilham o mesmo comprimento de contexto de 262144 tokens, por isso nenhum lhe dá uma janela de trabalho maior do que o outro. Onde divergem é no que aceitam e nos controlos que expõem. Mistral Medium 3.5 aceita entrada de texto, imagem e ficheiro, enquanto Pareto 26.9 aceita apenas texto e imagem, por isso a entrada de ficheiro está disponível no lado do Mistral e não no lado do Pareto. Mistral Medium 3.5 também suporta saídas estruturadas e parâmetros de raciocínio (incluindo reasoning e reasoning_effort), e nenhum desses está listado para Pareto 26.9. Além disso, Mistral Medium 3.5 expõe um conjunto mais amplo de controlos de amostragem, como frequency_penalty, presence_penalty, seed e stop, enquanto Pareto 26.9 lista um conjunto menor: max_tokens, response_format, temperature, tool_choice, tools e top_p. Ambos os modelos suportam chamadas de ferramentas, por isso isso não é um diferenciador.

Para o trabalho do dia a dia, a escolha é bastante mecânica. Se a sua tarefa envolve prompts com muito raciocínio, saída estruturada que tem de obedecer a um esquema, ou documentos fornecidos como ficheiros, Mistral Medium 3.5 é o que suporta essas funcionalidades, e Pareto 26.9 não as lista. Se a sua tarefa é entrada simples de texto ou imagem com uma resposta em texto simples, ambos os modelos a podem servir, e a decisão fica então dependente do preço e de quanto controlo quer sobre a geração. Mistral Medium 3.5 é a opção mais barata no preço de entrada, enquanto o preço de saída é aproximadamente o mesmo entre os dois, por isso cargas de trabalho com prompts grandes e conclusões modestas tendem a favorecer o modelo Mistral em termos de custo. Cargas de trabalho dominadas por tokens de saída veem pouca diferença de preço.

Chamar qualquer um dos modelos através da api14 funciona da mesma forma, porque a API é compatível com OpenAI. Aponta o seu cliente para o URL base da api14, envia o seu pedido na forma habitual de chat completions, e define o campo model para o id que quer. Para usar Mistral Medium 3.5, defina o id do modelo como "mistralai/mistral-medium-3-5". Para usar Pareto 26.9, defina-o como "unbiased/pareto-26.9". Tudo o resto no corpo do pedido, as mensagens, a temperature, o array tools e o resto, permanece como está, sujeito aos parâmetros que cada modelo suporta. Isso significa que pode alternar entre os dois mudando uma única string, o que facilita encaminhar pedidos diferentes para modelos diferentes ou comparar as suas saídas no mesmo prompt.

Troque com uma string

Os dois modelos usam o mesmo endpoint e o mesmo formato de requisição. Mude o valor de model de "mistralai/mistral-medium-3-5" para "unbiased/pareto-26.9", prompts, streaming e ferramentas continuam funcionando.

Mistral: Mistral Medium 3.5: detalhes e ambiente de testes →Pareto 26.9: detalhes e ambiente de testes →

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.chat.completions.create({
  "model": "unbiased/pareto-26.9",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Mistral: Mistral Medium 3.5 contra Pareto 26.9

Especificações

Principais diferenças

Em detalhe

Troque com uma string

Mais comparações