Nemotron Cascade 2 30B A3B vs Mistral Small 4
Benchmarks, API Token Pricing, Context Window & Speed Comparison
Related topics (12)
Nemotron Cascade 2 30B A3B da NVIDIA e Mistral Small 4 da Mistral AI são dois modelos de IA de destaque. O Nemotron Cascade 2 30B A3B oferece uma janela de contexto de 256K tokens a $0.10/$0.25 por milhão de tokens, enquanto o Mistral Small 4 oferece 256K tokens de contexto a $0.10/$0.30 por milhão de tokens. Veja abaixo a comparação completa de benchmarks, latência e custos.
Troque e Compare Qualquer Modelo
Select any AI models from our verified benchmark database to generate live side-by-side matrices.
Nemotron Cascade 2 30B A3B
Raciocínio de Pesos AbertosO Nemotron Cascade 2 30B A3B da NVIDIA é um modelo de IA projetado para raciocínio em cadeia de pensamento com pesos abertos e alta eficiência, oferecendo janela de contexto de 256K, velocidade de 155 tokens/s, índice de inteligência de 46/
$0.10 / 1M
$0.25 / 1M
256K tokens
39.5%
Mistral Small 4
Inferência UltrarrápidaO Mistral Small 4 da Mistral AI é um modelo de IA projetado para respostas em tempo real com latência ultrabaixa e roteamento de alto volume, oferecendo janela de contexto de 256K, velocidade de 120 tokens/s, índice de inteligência de 48/10
$0.10 / 1M
$0.30 / 1M
256K tokens
44.5%
Principais Diferenças em Resumo
- Nemotron Cascade 2 30B A3B is 1.1x cheaper for API usage (input + output tokens combined).
- Nemotron Cascade 2 30B A3B is faster at 155 tok/s vs 120 tok/s.
- Mistral Small 4 leads on SWE-bench coding (44.5% vs 39.5%).
| Feature | Nemotron Cascade 2 30B A3B | Mistral Small 4 |
|---|---|---|
Intelligence Index Composite reasoning & knowledge score (0-100) | 46 | 48 |
Provider | NVIDIA | Mistral AI |
Input Price Cost per million input tokens | $0.10 / 1M | $0.10 / 1M |
Output Price Cost per million output tokens | $0.25 / 1M | $0.30 / 1M |
Blended Price Weighted 7:2:1 cache:input:output per 1M | $0.06 / 1M | $0.07 / 1M |
Context Window Maximum input + output tokens | 256K tokens~384 A4 pages of text | 256K tokens~384 A4 pages of text |
Max Output Tokens Per single request | 16K | 16K |
Throughput Speed Tokens generated per second | 155 tok/s | 120 tok/s |
SWE-bench Verified Real-world software engineering | 39.5% | 44.5% |
GPQA Diamond Graduate-level reasoning | 55.2% | 56% |
Cached Input Price Prompt caching discount per 1M tokens | $0.02 / 1M | $0.03 / 1M |
Quem vence em cada categoria?
At-a-glance decision frameworkPontuações de Benchmarks Verificadas
Official evaluation metrics verified by independent third-party research labs.
Industry benchmark evaluating real-world GitHub issue resolution and multi-file debugging.
Challenging questions created by domain experts to test complex PhD-level reasoning.
Hardened reasoning and academic knowledge benchmark with reduced lucky-guess probability.
Crowdsourced human preference evaluation based on blind, head-to-head model battles.
Autonomous multi-step tasks executed inside a real command-line terminal environment.
American Invitational Mathematics Examination — multi-step Olympiad-level reasoning.
Accuracy when reasoning over very large inputs that fill the model context window.
Tokens emitted per second during active generation streaming.
Latência e Tempo de Resposta
Time to first token (TTFT) and estimated end-to-end response time for a typical 500-token response.
Simulador Interativo de Custo de Tokens
Adjust sliders to calculate projected monthly cloud API spending with prompt caching discounts.
Nemotron Cascade 2 30B A3B · Strengths & Key Advantages
- Janela de contexto de 256K com limite máximo de saída de 16K tokens (SWE-bench Verified 39.5% · GPQA Diamond 55.2%)
- Taxa de transferência rápida de 155 tokens/segundo com latência inicial (TTFT) de 270 ms
- Pesos abertos (30B (3B MoE)) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Mistral Small 4 · Strengths & Key Advantages
- Janela de contexto de 256K com limite máximo de saída de 16K tokens (SWE-bench Verified 44.5% · GPQA Diamond 56%)
- Taxa de transferência rápida de 120 tokens/segundo com latência inicial (TTFT) de 340 ms
- Pesos abertos (24B) para auto-hospedagem local ou em nuvem privada via vLLM, SGLang ou Ollama
Considerations & Trade-offs
- Requer servidores GPU com memória VRAM adequada para execução local em precisão total
- Em derivações científicas extremas, modelos pesados dedicados exclusivamente ao raciocínio oferecem maior profundidade
Token Use & Task Economics
Estimated cost and token consumption to complete one representative agentic task.
| Metric | Nemotron Cascade 2 30B A3B | Mistral Small 4 |
|---|---|---|
Cost per Task Estimated USD to finish one task | $0.11 | $0.12 |
Output Tokens / Task Tokens generated per task | 28K | 28K |
Reasoning Tokens / Task Thinking tokens burned per task | 11K | 12K |
Especificações Técnicas
Architecture, release timeline, capabilities, and modalities.
| Feature | Nemotron Cascade 2 30B A3B | Mistral Small 4 |
|---|---|---|
| Official API Model ID (SDK) | nemotron-cascade-2-30b-a3b | mistral-small-4-latest |
| API Protocol | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI | OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI |
| Release Date | 2026-03 | 2026-03 |
| Knowledge Cutoff | January 2026 | January 2026 |
| Architecture | Cascaded Speculative MoE (30B Total / 3B Active) | Next-Gen Compact Multimodal Transformer |
| Parameters | 30B (3B active MoE) | 24B |
| Enterprise Rate Limits (RPM / TPM) | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud | Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud |
| Long-Context Tier (>128K/200K) | Flat rate ($0.1/1M in) across full 256K window | Flat rate ($0.1/1M in) across full 256K window |
| Prompt Cache Policy & TTL | Cached input at $0.02/1M tokens | Cached input at $0.03/1M tokens |
| Computer Use / GUI Agent | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) | API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop) |
| MCP & Parallel Tool Calling | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema | Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema |
| Web Search Grounding & Sandbox | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools | Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools |
| Official Fine-Tuning Support | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) | Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory) |
| Multimodal Token Billing | Text BPE (~4 chars/token) | Text BPE (~4 chars/token) · Vision (~258–765 tokens per image tile) |
| Quantization & Min GPU VRAM | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 19 GB VRAM (4-bit Quantized) · 65 GB VRAM (Native BF16) | BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0) · 15 GB VRAM (4-bit Quantized) · 52 GB VRAM (Native BF16) |
| Safety & Frontier Classification | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) | Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma) |
| Enterprise Compliance (ZDR/HIPAA/SOC2) | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control | 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control |
| Input Modalities | text | text, vision |
| Output Modalities | text | text |
Nemotron Cascade 2 30B A3B vs Mistral Small 4: Respostas Rápidas (FAQ)
Which is more intelligent, Nemotron Cascade 2 30B A3B or Mistral Small 4?
Mistral Small 4 is more intelligent. It scores 48 compared with 46 on the composite Intelligence Index.
Which model is faster?
Nemotron Cascade 2 30B A3B is faster, generating 155 tokens per second compared with 120 tokens per second.
Which model is cheaper to run?
Nemotron Cascade 2 30B A3B is cheaper at $0.06 per 1M tokens blended, compared with $0.07 (7:2:1 cache:input:output ratio).
Which model has lower latency?
Nemotron Cascade 2 30B A3B has lower latency, with a time to first token of 0.27s compared with 0.34s.
Veredito
Tanto Nemotron Cascade 2 30B A3B (Indicado para raciocínio em cadeia de pensamento com pesos abertos e alta eficiência, arquiteturas RAG corporativas e integração escalável via API.) quanto Mistral Small 4 (Indicado para respostas em tempo real com latência ultrabaixa e roteamento de alto volume, arquiteturas RAG corporativas e integração escalável via API.) entregam excelente desempenho: Mistral Small 4 lidera em inteligência geral e programação, Nemotron Cascade 2 30B A3B oferece geração mais rápida e Nemotron Cascade 2 30B A3B apresenta o melhor custo-benefício em produção.
Perguntas Frequentes (FAQ)
Qual é melhor para programação e raciocínio, Nemotron Cascade 2 30B A3B ou Mistral Small 4?+
Nas avaliações de inteligência e código, Mistral Small 4 leva vantagem. Confira os gráficos SWE-bench e GPQA acima para detalhes.
Qual modelo tem a API mais barata, Nemotron Cascade 2 30B A3B ou Mistral Small 4?+
O Nemotron Cascade 2 30B A3B custa $0.10 / $0.25 por 1M de tokens (entrada/saída) e o Mistral Small 4 custa $0.10 / $0.30. No custo combinado, Nemotron Cascade 2 30B A3B é mais econômico.
Qual modelo possui maior janela de contexto e velocidade?+
O Nemotron Cascade 2 30B A3B suporta 256K tokens de contexto contra 256K tokens do Mistral Small 4, enquanto Nemotron Cascade 2 30B A3B entrega maior velocidade de geração.
Understand key metrics like context window, token pricing, reasoning mode, and SWE-bench scores in our comprehensive AI glossary.
Related reading
- Gemma 4 31B vs. Mistral Small 4: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Mistral Small 4 vs. Claude Haiku 5.5: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Mistral Small 4 vs. GPT-4.1 mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Nemotron 3 Nano Omni 30B A3B Reasoning vs. Mistral Small 4: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Nemotron Cascade 2 30B A3B vs. Nemotron 3 Nano 30B A3B: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
- Aion-3.0 vs. Aion-Mini: Comparação de Benchmarks, Preços API e Velocidade (2026)Comparar
Benchmark scores, token prices, and rate limits evolve rapidly as AI labs release model updates. Always verify current specifications and pricing on the official provider documentation.
Fontes oficiais: Documentação oficial de API da NVIDIA e Mistral AI e benchmarks independentes (2026).