Ir para o conteúdo principal
Português— Escolher um idioma
Menu

Árvore de decisão — Qual modelo para qual caso de uso

Aula 10 de 14 Atualizada a 28 de julho de 2026 Iniciante
Nesta página
  1. O guia prático de seleção
  2. Comece pela necessidade, não pelo modelo
  3. Tabela de decisão por caso de uso
  4. Percorra a decisão em três passos
  5. Combinações vencedoras
  6. Pontos-chave

O guia prático de seleção

Agora que conhece todo o catálogo da Mistral, a próxima pergunta natural é a ação: qual modelo deve utilizar no seu projeto? Esta lição oferece um processo de seleção estruturado, apoiado por uma tabela de mapeamento entre casos de uso e modelos. O objetivo não é dar-lhe uma resposta pronta, mas capacitá-lo a justificar a sua escolha perante um arquiteto ou um diretor financeiro.

Comece pela necessidade, não pelo modelo

O erro mais comum é escolher imediatamente o modelo “mais potente” e aplicá-lo a tudo. Uma equipa que integra um modelo de ponta numa tarefa simples de classificação de tickets paga dez vezes o preço necessário, espera vários segundos por uma resposta que um modelo pequeno teria entregue instantaneamente e acaba por depender de uma API onde um modelo local seria suficiente. A potência não compensa um desajuste; torna-o dispendioso.

A abordagem correta funciona ao inverso e envolve três passos. Primeiro, identifique a sua tarefa principal — aquela que representa a maior parte do volume, não o caso exótico que acontece uma vez por mês. Em seguida, avalie as suas restrições reais: orçamento, latência aceitável, sensibilidade dos dados e infraestrutura disponível. Só no final seleciona o modelo, na interseção desta tarefa e destas restrições. Um modelo nunca é bom em termos absolutos; é adequado ou inadequado a uma interseção específica.

Tabela de decisão por caso de uso

Caso de uso Modelo recomendado Nível Porquê
Chatbot / Assistente Mistral Small 4 Open Híbrido instruct+raciocínio, contexto de 256K, rácio preço/desempenho ótimo
RAG (documentos longos) Small 4 + Mistral Embed Open + Premier Janela de contexto grande + embeddings de qualidade
Completação de código (IDE) Codestral Premier FIM, baixa latência, mais de 80 linguagens
Agente de código autónomo Devstral 2 Open Resolução de tarefas de ponta a ponta, exploração de código
Síntese de fala / TTS Voxtral TTS Open Clonagem de voz, streaming, multilingue
Transcrição de áudio Voxtral Transcribe 2 Premier Diarização, enviesamento de contexto, alta precisão
Extração de documentos OCR 3 Premier Estrutura, tabelas, múltiplas páginas
Análise de imagem + texto Mistral Large 3 Open Multimodal de ponta, melhor qualidade
Raciocínio matemático Magistral Medium 1.2 Premier Cadeia de pensamento profunda, raciocínio especializado
Implementação móvel/edge Ministral 3 (3B) Open Ultra-compacto, multimodal, offline
Moderação de conteúdo Moderation 2 Premier Deteção de jailbreak, barreiras de segurança personalizadas

Percorra a decisão em três passos

O primeiro passo é categorizar a sua necessidade. Texto geral — conversação, escrita, resumo — enquadra-se na família Small, Large e Medium. Tudo o que esteja relacionado com código pertence à família Codestral e Devstral. Áudio, seja entrada ou saída, vai para o Voxtral. Lide com documentos e imagens com o OCR 3 ou o Large 3, dependendo se pretende extração estruturada ou interpretação. Raciocínio complexo exige o Magistral, e questões de segurança enquadram-se no Moderation 2. Esta categorização elimina imediatamente três quartos do catálogo.

O segundo passo coloca este candidato face às suas restrições, e é aqui que as decisões são realmente tomadas. Um orçamento apertado aponta para modelos Open para autoalojamento ou para o Small 4 via API. Dados sensíveis exigem o autoalojamento de um modelo aberto, independentemente da conveniência da API. Um requisito estrito de latência empurra-o para o Ministral 3 localmente ou para o Codestral para completação em IDE. A busca pela máxima qualidade justifica o Large 3 ou o Magistral Medium 1.2. Por fim, uma equipa sem infraestrutura para administrar deve manter-se na API Premier, mesmo que custe mais. Estas restrições contradizem-se frequentemente: negociar explicitamente é melhor do que descobrir o conflito em produção.

O terceiro passo é aquele que as pessoas mais gostam de saltar e que nunca devem saltar: validação por protótipo. Nunca escolha um modelo baseado apenas em benchmarks. Construa um conjunto de teste com vinte a cinquenta exemplos representativos, execute dois ou três candidatos sobre eles, compare a qualidade dos resultados, a latência e o custo, e depois itere. Esta verificação raramente leva mais de meio dia, e é a única que lhe diz algo sobre o seu próprio contexto, em vez de uma média calculada noutro lugar.

Combinações vencedoras

Em arquiteturas maduras, não se escolhe um modelo, mas uma montagem, onde cada componente faz o que faz de melhor. Um sistema RAG completo encadeia o Mistral Embed para indexação, o Small 4 para geração e o Moderation 2 para filtrar saídas. Um pipeline de documentos começa com o OCR 3 para extração, passa para o Small 4 para análise e conta com o Mistral Embed para pesquisa. Um assistente de desenvolvedor combina o Codestral no IDE, o Devstral 2 para tarefas complexas e o Codestral Embed para pesquisa de código. Uma aplicação de voz, finalmente, entra via Voxtral Transcribe, processa com o Small 4 e sai via Voxtral TTS. O custo total destas cadeias é quase sempre inferior ao de um único modelo que tente fazer tudo.

Pontos-chave

  • Comece sempre pelo caso de uso, não pelo modelo
  • Avalie a tríade tarefa / restrições / orçamento antes de escolher
  • Combinações de vários modelos são frequentemente mais eficazes do que um único modelo
  • Teste sempre com os seus próprios dados antes de se comprometer
  • O Mistral Small 4 é o ponto de partida padrão para a maioria dos casos