Mistral Large 4 (Le Chonk) vira modelo aberto de 1 trilhão de parâmetros

A Mistral AI↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → liberou os pesos do Large 4, codinome Le Chonk, um modelo multimodal de 1 trilhão de parâmetros que lidera benchmarks abertos de código, com alta taxa de recusa a pedidos maliciosos de segurança. Para quem quer fugir de APIs fechadas, o anúncio vem com ressalvas importantes sobre infraestrutura e licenciamento.

A Mistral AI liberou os pesos do Mistral Large 4, codinome interno Le Chonk, um modelo nativamente multimodal com 1 trilhão de parâmetros. O lançamento torna aberto um modelo que havia entrado em preview público no início de outubro de 2026, e que a empresa apresenta como o modelo de pesos abertos mais capaz do mundo em coding, com segurança defensiva como um dos pilares declarados, segundo o anúncio oficial.

O Large 4 nasce grande, nativamente multimodal e, segundo a Mistral, treinado do zero em infraestrutura europeia, com linhagem clara da concepção ao lançamento.

O que mudou desde o preview

A Mistral diz que poucas semanas adicionais de reinforcement learning desde o preview produziram ganhos relevantes em coding e cibersegurança↳Segurança171 conteúdosCibersegurança no Brasil: 6 passos para sair da estagnaçãoDevSecOps · jul 2025O papel do CISO para transformar a cibersegurança em uma alavanca de reputação para as empresasDevSecOps · mar 2024Itaipu Parquetec e Exército Brasileiro realizam exercício de cibersegurança em BrasíliaDev (Back & Front) · set 2025Ver tudo em DevSecOps → defensiva, sem sinais de saturação. A empresa também destaca melhoria na eficiência de raciocínio, o que, segundo ela, reduz o custo de inferência sem sacrificar desempenho. Esse é o tipo de detalhe que importa para quem vai hospedar o modelo e pagar a conta de GPU por token processado.

Onde o Large 4 lidera entre os modelos abertos

Nas avaliações cegas e pareadas da Surge Code, com avaliadores humanos comparando respostas de código lado a lado, o Large 4 foi preferido a GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash, ficando atrás apenas do Claude Opus 5.5 entre os modelos testados. A Mistral também reporta 84,5% no BrowseComp (navegação web autônoma), partindo de um checkpoint de SFT que marcava 75%, superando GLM-5.3 e DeepSeek Flash 4.1 1017. Em tarefas financeiras do FinWorkBench, o modelo chegou a 73,3%, atrás apenas do Kimi K3 entre os abertos.

Defesa e ataque: o que muda em segurança ofensiva

No Cyber Index da Artificial Analysis, que mede descoberta, reprodução e correção de vulnerabilidades sem quebrar funcionalidade existente, o Large 4 marca 51%, sem que a Mistral reivindique liderança nesse benchmark específico. A Mistral diz que o modelo mantém essa capacidade sem recusas desnecessárias em tarefas defensivas legítimas, com taxa média de recusa de 96,6% em pedidos maliciosos (medida nos benchmarks JailbreakBench, StrongREJECT e AgentHarm), a mais alta entre os modelos abertos que a empresa mede.

Várias empresas de segurança testaram o modelo antes do lançamento. A fala da Cloudflare resume o argumento central por trás da categoria de "IA soberana" que a Mistral tenta consolidar:

Quando as ameaças se movem na velocidade da máquina, a defesa humana não consegue acompanhar o ritmo. Pior: uma defesa que você não controla não é defesa, é exposição. Times de segurança atuam melhor quando pegam o volante. O ML4 da Mistral permite que defensores auditem a arquitetura, façam deploy na própria infraestrutura e mantenham soberania total. Resiliência começa com autonomia, e modelos abertos ajudam a dar às organizações o controle para liderar sua própria defesa.

Stephanie Cohen, Chief Strategy Officer da CloudflareWhen threats move at machine speed, human defense cannot keep pace. Worse, a defense you don't control isn't defense—it's exposure. Security teams perform best when they take the steering wheel. Mistral's ML4 lets defenders audit the architecture, deploy on their own infrastructure, and keep full sovereignty. Resilience starts with autonomy, and open-weight models help give organizations the control to lead their own defense.

A própria Mistral admite um ponto delicado: ao monitorar o tráfego do preview, observou o modelo recusando ataques black-box contra alvos reais, mas identificou potencial de uplift para ataques de verdade. A empresa diz estar ajustando as guardrails e vai seguir atualizando-as nos próximos meses. Também está dando a parceiros como a Orange Cyberdefense acesso antecipado a uma variante especializada para pentest e red-teaming, sob vetting rigoroso e restrita a sistemas autorizados.

Soberania antes de tudo, e isso tem um preço de infraestrutura

A palavra que mais aparece no anúncio da Mistral não é desempenho, é soberania. A empresa vende o Large 4 para organizações que querem inspecionar, customizar e rodar o modelo na própria infraestrutura, sem depender da API da Mistral. Bancos como La Banque Postale, ABN AMRO e Crédit Agricole, além da agência espacial europeia (ESA Φ-lab), são citados como adotantes que já usam ou avaliam o modelo nesse esquema.

Na prática, isso não é o mesmo que "rodar localmente" no sentido que um dev individual costuma usar a expressão. Um modelo de 1 trilhão de parâmetros está, pela escala, muito mais perto da realidade de um banco ou operadora com cluster próprio de GPUs do que da de alguém baixando pesos para uma estação de trabalho. A Mistral não detalha requisitos de hardware no anúncio, mas o tamanho do modelo por si só já define o público real desse lançamento: times de plataforma com orçamento de infraestrutura, não desenvolvedores isolados testando em casa.

Para quem está nesse público, a Mistral oferece dois produtos de apoio à customização: o Mistral Forge, para adaptar o modelo a dados proprietários e workflows de segurança, e o Mistral Studio, para construir e governar os agentes resultantes. Tarefas de cibersegurança bem definidas também podem ser destiladas em variantes menores e mais específicas, segundo a empresa.

Três modos de raciocínio para calibrar custo

O Large 4 chega com três modos de raciocínio que o desenvolvedor escolhe conforme a tarefa:

• Low: tarefas simples, substitui o antigo modo sem raciocínio
• Medium: tarefas do dia a dia
• High (padrão): casos mais difíceis, que exigem precisão e raciocínio completo

Esse controle explícito é relevante para quem opera o modelo em produção: significa decidir, por rota ou por tipo de requisição, quando vale pagar o custo extra de tokens de raciocínio e quando um modo mais barato resolve. A Mistral também mostrou, em três demonstrações, um agente de triagem de vulnerabilidades que reproduz falhas em sandbox e itera até o patch funcionar, um app completo de rastreamento de satélites (Orbital Trace) construído de ponta a ponta por um agente sem ajuda humana, e um solver de química quântica escrito do zero pelo próprio modelo.

O que fica em aberto

O anúncio não detalha os termos exatos de licenciamento para uso comercial dos pesos liberados, nem traz tabela de preços para quem optar por rodar via API em vez de self-hosting. Também não há especificação de requisitos mínimos de hardware, nem comparação direta com modelos fechados como GPT-4o ou Gemini, algo que, dada a ambição declarada da Mistral de competir no topo da categoria, deixa uma lacuna para quem precisa decidir entre abrir mão de uma API gerenciada e assumir a operação de um modelo desse porte.

Fonte: Hacker News