Mistral abre API Responses compatível com o formato da OpenAI e disponibiliza DeepSeek V4.1 Flash e GLM 5.3 Flash

Mistral AI anunciou nesta quarta-feira, 28 de outubro, às 15h01, horário de Paris, a abertura em pré-visualização pública de sua API Responses, apresentada como “projetada para construir agentes na Mistral”. Na mesma thread, a empresa adiciona dois modelos rápidos e baratos à sua oferta de inferência: DeepSeek V4.1 Flash, em pré-visualização, e GLM 5.3 Flash da Z.ai, agora em disponibilidade geral.

O formato Responses da OpenAI, na Mistral

Até agora, os modelos da Mistral eram consultados principalmente por uma API do tipo Chat Completions, que retorna uma mensagem. A API Responses retorna, em vez disso, uma lista de itens separados: a resposta do modelo, seu raciocínio e suas chamadas de ferramentas. Para uma aplicação de agente, cada etapa fica mais fácil de tratar isoladamente, o que a Mistral destaca.

A documentação é explícita: a API permite usar os modelos da Mistral “com o formato Responses da OpenAI”, e visa tanto novos projetos quanto integrações Responses existentes a serem transferidas para a Mistral. Segundo a referência da API, o endpoint é POST /v1/responses, com um método responses.create no SDK da Mistral. A Mistral indica no X que funciona com “todos os modelos de chat hospedados pela Mistral, incluindo o Large 4”. O guia de migração a partir da OpenAI remete, aliás, a essa API para aplicações que já chamam client.responses.create().

Durante a pré-visualização, são suportados: texto, imagens e arquivos na entrada (URL, dados em base64 ou arquivo já enviado), saídas estruturadas (modo JSON e JSON Schema), streaming, chamada de funções e raciocínio ajustável por reasoning.effort, conforme o modelo. Um endpoint dedicado conta os tokens de entrada antes de enviar uma requisição. Os exemplos da documentação usam o Mistral Large 4.

Uma API sem estado

Diferença importante em relação ao que se associa frequentemente ao formato Responses: a versão da Mistral é sem estado. O servidor não guarda a conversa; a aplicação deve reenviar todo o histórico a cada requisição, incluindo os itens de saída das respostas anteriores. As funções são executadas no lado do cliente: o modelo pede uma chamada, a aplicação a executa e retorna o resultado com o identificador da chamada. A Mistral esclarece que a API é disponibilizada na União Europeia e nos Estados Unidos em sua oferta Mistral AI Cloud Inference.

Dois modelos chineses a preço baixo

A tabela de preços da Mistral, consultada em 28 de outubro, exibe:

• DeepSeek V4.1 Flash 1017 (deepseek-v4-1-flash-1017), em pré-visualização pública, contexto de um milhão de tokens: US$0,30 por milhão de tokens de entrada, US$0,007 em entrada em cache, US$1,20 em saída. A Mistral o recomenda para código em contexto longo e tarefas de agentes.
• GLM 5.3 Flash da Z.ai (zai-glm-5-3-flash), em disponibilidade geral, contexto de um milhão de tokens: US$0,15 em entrada, US$0,03 em cache, US$0,50 em saída. Segundo sua ficha, é um modelo multimodal de mistura de especialistas de 320 bilhões de parâmetros, dos quais 18 bilhões ativos, servido “sem modificação da Mistral”. O desenvolvedor o destina a subagentes, chamadas de ferramentas e código.

Para comparação, o Mistral Small 4 é exibido a US$0,15 em entrada e US$0,60 em saída, e o Mistral Large 4 a US$1,36 e US$4,18.

O que ainda precisa ser esclarecido

A Mistral anuncia compatibilidade com todos os seus modelos de chat hospedados, o que deveria incluir o DeepSeek V4.1 Flash e o GLM 5.3 Flash, mas a documentação não publica uma tabela detalhada por modelo e nós não o testamos. Os níveis de raciocínio aceitos, por sua vez, variam conforme o modelo. O status de pré-visualização significa também que o escopo pode evoluir; a Mistral convida a lhe reportar problemas.