Mistral Large 4 vs. Kimi K3 vs. GLM 5.3

Autoria: Data Science in your pocket · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Mistral Large 4 vs Kimi K3 vs GLM 5.3 · Canal: Data Science in your pocket · 04:47 · Assistir no YouTube

Tópicos: Avaliação e benchmarks de IA, Inferência e otimização de modelos, Modelos de IA, Modelos locais e open source

Resumo

O vídeo compara Mistral Large 4, Kimi K3 e GLM 5.3, destacando diferenças de desempenho, preço, contexto e requisitos de hardware. O apresentador ressalta que os resultados dependem dos benchmarks e das condições escolhidas, e que alegações de superioridade devem ser interpretadas com cautela. Kimi K3 se destaca em tarefas agentic, enquanto GLM 5.3 oferece bom custo-benefício e Mistral Large 4 é apresentado como a opção de API mais barata. Para uso local, a alternativa viável citada é GLM 5.3 Flash, embora com limitações nos testes mencionados.

Pontos-chave

Os três modelos são mixture of experts: os parâmetros ativos por token influenciam o custo de computação, enquanto os parâmetros totais indicam o tamanho completo do modelo.
Embora os três anunciem contexto de 1 milhão de tokens, avaliações independentes teriam medido o Mistral Large 4 mais perto de 512 mil.
Kimi K3 é apontado como a melhor opção para tarefas agentic e uso de ferramentas, mas seu preço é comparado ao de modelos da faixa Sonnet.
GLM 5.3 lidera alguns índices de qualidade citados e apresenta custo menor por tarefa de programação que Kimi K3.
Mistral Large 4 é apresentado como a API de menor custo entre as opções comparadas e como uma alternativa para quem precisa de hospedagem na União Europeia.
Os resultados de benchmark podem depender de escolhas como a avaliação usada, o harness e as condições de comparação.
Os modelos flagship não são considerados práticos para execução local pelo apresentador, devido aos requisitos de memória e hardware.
GLM 5.3 Flash é citado como o único modelo executável localmente entre os comparados, mas teve uma limitação de serving que afetou um teste.
Pesos abertos, por si só, não garantem que um modelo possa ser executado por usuários domésticos; hardware e licença também importam.

Capítulos

Início	Capítulo	Resumo
00:00	Os três modelos e suas especificações	O apresentador introduz Mistral Large 4, Kimi K3 e GLM 5.3, comparando parâmetros e preços anunciados.
01:37	Desempenho em qualidade, programação e tarefas agentic	A comparação apresenta resultados de índices, coding, uso de ferramentas, entrada de imagem e vídeo e tarefas jurídicas.
02:42	Limites dos benchmarks e alegações de desempenho	O apresentador alerta que resultados dependem dos benchmarks e das condições de avaliação escolhidas.
03:44	Execução local e custos mensais	O vídeo descreve os requisitos de hardware dos modelos flagship, apresenta GLM 5.3 Flash como alternativa local e compara custos.
04:15	Veredito e implicações dos pesos abertos	O apresentador recomenda modelos diferentes conforme o perfil de uso e conclui que pesos abertos não eliminam as barreiras de hardware e licença.

Citações

Você paga pela parte ativa e armazena o modelo inteiro. — 01:05

Todos esses gráficos têm ressalvas cuidadosamente escolhidas. — 02:42

Ninguém mentiu; escolheram a referência, o harness e a ressalva que os favoreciam. — 03:13

Você pode baixar o arquivo. Pode pagar pela máquina. A licença decide quem pode usá-lo. — 04:47

Conceitos e entidades

Mistral Large 4 (modelo): Modelo da Mistral comparado no vídeo por preço de API, desempenho e requisitos para execução local.
Kimi K3 (modelo): Modelo da Moonshot destacado por desempenho em tarefas agentic e processamento de contexto longo.
GLM-5.3 (modelo): Modelo da Z.AI que se destaca em alguns índices de qualidade e em custo por tarefa de programação.
GLM-5.3-Flash (modelo): Variante de GLM 5.3 apresentada como a opção executável localmente entre os modelos discutidos.
Mixture of Experts (conceito): Arquitetura em que apenas uma parte dos parâmetros do modelo é ativada para cada token.
KDA attention (conceito): Mecanismo de atenção atribuído a Kimi K3 para acelerar a decodificação em contextos longos.
Moonshot (empresa): Empresa responsável pelo modelo Kimi K3.
Z.ai (empresa): Empresa associada ao modelo GLM 5.3.
Mistral (empresa): Empresa responsável pelo modelo Mistral Large 4.
Harvey (ferramenta): Avaliação citada no vídeo para comparar o desempenho dos modelos em tarefas jurídicas.
Artificial Analysis (ferramenta): Fonte de avaliações citada na comparação de qualidade dos modelos.

Tradução completa (pt-BR)

00:00 Imagine a cena: outubro, três abas abertas no meu navegador. Mistral, Moonshot, Z.A.I. Três lançamentos de modelos flagship em 12 semanas. O gráfico de cada laboratório mostra seu próprio modelo vencendo. Minha planilha de benchmarks discorda de si mesma em três fontes diferentes. Perdi um fim de semana com isso. Uma dessas APIs custa 68 centavos por milhão de tokens. Outra custa US$ 3. Ambas afirmam ter vencido. A ventoinha começa a girar só de pensar nos downloads. Achei que fosse a típica matemática de thumbnail do YouTube, mas não era. Conheça os concorrentes. Mistral Large 4 — e sim, deram a ele o nome de Le

00:33 Chonk. 1,05 trilhão de parâmetros, 49 bilhões ativos por token, lançado em 6 de outubro. Preço promocional: 68 centavos para entrada e US$ 2,09 para saída por milhão de tokens. Kimi K3, da Moonshot. 2,8 trilhões de parâmetros. O campeão em tarefas agentic. GLM 5.3, da Z.A.I. Cerca de 743 bilhões de parâmetros, além de um modelo irmão com licença MIT chamado Flash. Três gráficos, três vencedores. Se parássemos por aqui, você pensaria que basta escolher o maior número, mas essa é a maneira errada de olhar para isso. Aqui está o mecanismo que ninguém coloca no slide. Os três são modelos de mistura de especialistas. O total de parâmetros é o

01:05 aluguel. Os parâmetros ativos são a velocidade. Imagine um armazém. Você guarda todas as caixas, mas a empilhadeira pega algumas a cada pedido. O ML4 armazena 1,05 trilhão e pega 49 bilhões por token. O GLM armazena cerca de 743 bilhões e pega cerca de 40. É por isso que você paga pelo processamento da parte ativa, não pelo armazém. Você paga pela parte ativa, mas armazena tudo. O contexto funciona do mesmo jeito. Os três afirmam ter 1 milhão de tokens. Os avaliadores mediram o ML4 mais perto de 512 mil,

01:37 metade do que foi prometido. Só o K3 foi projetado para isso. Sua atenção KDA decodifica contextos longos 6,3 vezes mais rápido que o K2. Então, em que cada um deles realmente vence? Depois que você percebe o padrão, não consegue mais deixar de vê-lo. Qualidade geral: GLM 5.3. O índice independente Valves marca 53,51 para o GLM, 50,30 para o K3 e 48,05 para o ML4. A Artificial Analysis concorda. 45 44 3H: o GLM é o número um entre 112 modelos de pesos abertos. Em programação, há um empate estatístico. Os dois modelos chineses ficam em torno de 69% no ranking da DPW.

02:07 O próprio gráfico da Mistral mostra 61,7 em trabalho agentic; o K3 não chega perto. Número um no Tool of One, com 91,2 no Browse Comp. No topo do frontend Arena, com 1679 LO, e é o único modelo flagship daqui que aceita imagens e vídeos como entrada. O GLM 5.3 aceita apenas texto. O nicho da Mistral são os agents jurídicos. 15,83% no Harvey. O melhor dos três em economia é o GLM, mais uma vez. A mesma taxa de 69% em programação, mas US$ 3,99 por tarefa da DPW, contra US$ 4,65 do K3. E no Her Tries, a taxa de aprovação do GLM em quatro tentativas chega a 87,6, superando os 84,1 do Claude Fable 5. Eu sei

02:42 que você está pensando: então o GLM vence. Espere um pouco. Quero ser transparente desde já. Todos esses gráficos foram feitos com muito cuidado para favorecer alguém. A alegação da Mistral é que se trata do melhor modelo de pesos abertos desenvolvido fora da China. Essa ressalva é fundamental. Ele fica em terceiro neste trio tanto no índice independente quanto nos outros índices. O salto de mais de 50% em programação do GLM foi medido no benchmark interno da própria z.ai. E o K3 acaba de vez com o mito de que modelos chineses são baratos. US$ 3 na entrada e US$ 15 na saída. Isso é nível Sonnet da Claude. O Hacker News publicou uma discussão intitulada “Kimi K3 não é barato”. O teste de Simon Willison

03:13 custou 25 centavos. Até os números de cibersegurança são, em parte, resultado de recusas. Os institutos de segurança dos EUA e do Reino Unido testaram o K3 de pesos abertos. Nenhuma das 41 tarefas de exploração foi executada. Ninguém mentiu aqui. Eles apenas escolheram a linha de base, o harness e a ressalva que os favoreciam. Aqui está a limitação que ninguém menciona. Você está pensando: pesos abertos, vou hospedar por conta própria. Vou ser direto: nenhum dos três modelos flagship pode ser executado localmente. Os pesos do ML 4 ocupam cerca de 2,1 terabytes em BF16 e ainda não estão disponíveis. O K3 ocupa 1,56 terabytes em 4 bits nativos. A Moonshot recomenda 64

03:44 ou mais GPUs. O modelo flagship do GLM precisa de um nó H100. O único modelo executável daqui é o que ninguém anunciou. GLM 5.3 MyT, com licença MIT. 320 bilhões no total. 18 bilhões ativos. De 93 a 120 gigabytes quantizado. Cabe em um Mac com 128 gigabytes. Para ser totalmente transparente, ele marcou zero de cinco no DPX Spark. Um bug de serving limitou seu contexto a 24.576 tokens. As contas mensais para 10 milhões de tokens por dia: Mistral, US$ 289. GLM, US$ 600. Kimi, US$ 1.620.

04:15 Então, o veredito, dividido por perfil. Para programação e cargas de trabalho agentic, Kimi K3. Aceite a conta no nível do Sonnet. Melhor qualidade por dólar? GLM 5.3. As pontuações dos índices e os custos por tarefa apontam para isso. A API flagship mais barata, ou se você precisa de hospedagem na UE: é difícil contestar o Mistral Large por US$ 289 por mês. Quer realmente executá-lo por conta própria? GLM 5.3 Flash. E nenhum outro modelo desta lista. Aqui está o panorama mais amplo. Pesos abertos na escala de um trilhão de parâmetros não significam nada

04:47 para quem faz projetos por hobby. Você pode baixar o arquivo. Pode pagar pela máquina. O meme deu nome ao modelo. A licença decide quem pode acessá-lo. Se isso poupou você de um fim de semana de sofrimento, inscreva-se. Eu testo para que você não precise testar.

Transcrição original

[00:00] Picture this, October, three tabs open in my browser. Mistral, Moonshot, Z.A.I. Three flagship launches in 12 weeks. Each labs chart shows its own model winning. My benchmark spreadsheet disagrees with itself in three fonts. I’ve lost a weekend to this. One of these APIs is cost 68 cents per million tokens. Another costs $3. Both claim victory. The fan spins up just thinking about the downloads. I assumed it was the usual YouTube thumbnail math, but it wasn’t. Meet the contenders. Mistral large four, and yes, they named it Le

[00:33] Chonk. 1.05 trillion parameters, 49 billion active per token, launched October 6th. Promo price, 68 cents in $2.09 out per million tokens. Kimmy K3 from Moonshot. 2.8 trillion parameters. The agenda champ. GLM 5.3 from Z.A.I. Roughly 743 billion parameters, plus an MIT licensed sibling called Flash. Three charts, three winners. If we stopped here, you’d think just pick the biggest number, but that’s the wrong way to look at it. Here’s the mechanism nobody puts on the slide. All three are mixture of experts models. Total parameters are the

[01:05] rent. Active parameters are the speed. Picture a warehouse. You store every box, but the forklift grabs a few per order. ML4 stores 1.05 trillion, grabs 49 billion per token. Gam stores around 743 billion, grabs about 40. That’s why you pay compute for the active slice, not the warehouse. You pay for the slice, you store the whole thing. Context works the same way. All three claim 1 million tokens. Evaluators measured ML4 closer to 512K,

[01:37] half the claim. Only K3 engineered for it. Its KDA attention decodes long context 6.3 times faster than K2. So, where does each one actually win? Once you see the pattern, you can’t unsee it. Broad quality, GLM 5.3. The independent valves index reads 53.51 for GLM, 50.30 for K3, 48.05 for ML4. Artificial analysis agrees. 45 44 3H GLM is number one of 112 open weight models. Coding, statistically a tie. Both Chinese models sit around 69% on DPW’s leaderboard.

[02:07] Mistral’s own chart shows 61.7 at genic work K3 and it’s not close. Number one on tool of one 91.2 on browse comp. Top of the front end arena at 1679 LO and it’s only flagship here that sees image and video input. GLM 5.3 is text only. Mistral’s niche legal agents. 15.83% on Harvey. Best of the three, economics. GLM again. Same 69% coding but $3.99 per DPW task versus K3’s $4.65. And on her tries, GLM’s pass at four hits 87.6 beating Claude Fable 5’s 84.1. I know

[02:42] you’re thinking so GLM wins. Hold that thought. I want to be up front. Every one of these charts is lawyered. Mistral’s claim is best open weight model developed outside China. That qualifier is load bearing. It’s third of this trio on both independent and indexes. GLM’s plus 50% coding jump measured on z.ai’s own internal benchmark. And K3 kills the cheap Chinese model myth outright. $3 in 15 out. That’s Claude at Sonnet territory. Hacker News ran a thread titled Kimi K3 is not cheap. Simon Willison’s test

[03:13] Pelican cost 25 cents. Even the cyber numbers are partly refusal artifacts. The US and UK safety institutes tested open weight K3. Zero of 41 exploit tasks executed. Nobody lied here. They just picked the baseline, the harness, and the asterisk that flattered them. Here’s the constraint nobody mentions. You’re thinking open weights, I’ll self host. Up front honesty, none of the three flagships is runnable. ML 4’s weights run about 2.1 terabytes in BF 16 and don’t exist yet. K3 is 1.56 terabytes in native 4-bit. Moonshot recommends 64

[03:44] plus GPUs. GLM’s flagship needs an HNOO node. The only runnable model here is the The one nobody announced. GLM5.3 My T license. 320 billion total. 18 billion active. 93 to 120 gigabytes quantized. Fits a 128 gigabyte Mac. Full disclosure, it scored zero of five DPX Spark. A serving bug capped its contacts at 24,576 tokens. Monthly bills at 10 million tokens a day. Mistral, $289. GLM, $600. Kimi, $1,620.

[04:15] So, the verdict, split by who you are. Coding and agentic workloads, Kimi K3. Accept the Sonnet tier bill. Best quality per dollar? GLM 5.3. The index scores and the task costs both say so. Cheapest flagship API or you need EU hosting. Mistral large for $289 a month is hard to argue with. Want to actually run it yourself? GLM 5.3 flash. And nothing else on this list. Here’s the bigger picture. Open weights at the trillion parameter scale means nothing

[04:47] to a hobbyist. You can download the file. You can afford the machine. The meme named the model. The license decides who can touch it. If this saved you a weekend of scratchy pain, subscribe. I test so you don’t have to.