Mistral Large 4 estreia com 1 trilhão de parâmetros
A Mistral AI abriu o preview público do Mistral Large 4, modelo multimodal de mixture-of-experts com 1 trilhão de parâmetros totais e 49 bilhões de parâmetros ativos. A API já está disponível no Mistral Studio; segundo a empresa, os pesos abertos devem chegar até o fim do mês. O lançamento, anunciado em 6 de outubro de 2026, mira tarefas corporativas de engenharia de software, cibersegurança, finanças, direito, ciência e manufatura.
Em resumo: o Mistral Large 4 combina escala, entrada multimodal, recursos agentivos e uma estratégia de implantação europeia sob legislação da União Europeia.
Tabela de conteúdos
O que muda com o Mistral Large 4
Conhecido internamente pelo apelido “Le Chonk”, o Mistral Large 4 foi treinado para seguir instruções, raciocinar e operar em fluxos agentivos. Na prática, isso significa que ele pode ser integrado a sistemas que analisam documentos, executam etapas de trabalho e retornam resultados estruturados, sempre dentro dos limites definidos pela aplicação. A arquitetura mixture-of-experts ativa apenas parte do modelo em cada consulta, uma abordagem que busca equilibrar capacidade e custo computacional.
O modelo aceita conteúdo como planilhas, PDFs, gráficos, documentos, desenhos técnicos e imagens geoespaciais grandes. Essa combinação torna o Mistral Large 4 relevante para empresas que precisam relacionar texto e informação visual em uma mesma tarefa — por exemplo, revisar um relatório financeiro, localizar detalhes em uma planta industrial ou comparar evidências em arquivos extensos.
Parâmetros totais não são parâmetros ativos
Os 1 trilhão de parâmetros descrevem a escala total. Os 49 bilhões de parâmetros ativos indicam a parcela acionada por consulta na arquitetura mixture-of-experts, um dado mais próximo do custo de inferência.
Benchmarks divulgados exigem leitura cuidadosa – Mistral Large 4
A Mistral reporta 61,7% no DeepSWE v1.1 e 59,9% no AutomationBench, avaliações ligadas, respectivamente, a atividades de software e automação. Em testes de segurança, a companhia cita 82% no Artificial Analysis Cyber Index, voltado à reprodução e correção de vulnerabilidades, e 93% no Cybench. Para entendimento visual, informa 42% no Dense 200 visual grounding, ante 41% do GPT-6 Astra na comparação mencionada.
| Benchmark | Resultado informado | Área avaliada |
|---|---|---|
| DeepSWE v1.1 | 61,7% | Engenharia de software |
| AutomationBench | 59,9% | Automação agentiva |
| Cybench | 93% | Cibersegurança |
| Dense 200 | 42% | Visual grounding |
Esses números são úteis como sinal de posicionamento, mas não devem ser interpretados como garantia de desempenho em qualquer empresa. Conjuntos de avaliação diferem em dados, regras e métricas. A validação mais importante é testar o modelo com casos reais, dados autorizados, critérios de qualidade e revisão humana, sobretudo em direito, finanças e defesa cibernética.
Preço, regiões e controle de dados
O preço anunciado para a API do Mistral Large 4 é de US$ 1,36 por milhão de tokens de entrada e US$ 4,18 por milhão de tokens de saída. A empresa também prevê oferta em múltiplas regiões, incluindo uma implantação europeia operada de ponta a ponta pela própria Mistral sob legislação europeia. Para times de segurança, estão planejadas opções de nuvem privada e uso on-premises.
Esse desenho é especialmente relevante para organizações submetidas ao GDPR e a exigências de residência de dados. Ainda assim, conformidade não é uma característica automática do modelo: depende de contratos, controles de acesso, retenção, bases legais, configuração do produto e governança do cliente. A Mistral afirma que o treinamento cobriu mais de 160 idiomas, incluindo todos os idiomas oficiais da União Europeia.
Pesos abertos, red teaming e infraestrutura
Antes de liberar os pesos abertos, a Mistral diz estar submetendo o modelo a red teaming com líderes de cibersegurança, parceiros avaliados e autoridades estatais. O processo usa uma versão com moderação reduzida e capacidades cibernéticas ampliadas para encontrar riscos antes da disponibilização mais ampla. A companhia também declarou resistência de 93,3% no benchmark Lakera B3.
Segundo o anúncio, o treinamento começou do zero em 3.800 GPUs NVIDIA Grace Blackwell, nos próprios data centers europeus da empresa. O ambiente é o mesmo ecossistema do Mistral Forge, plataforma destinada a treinamento, customização e reinforcement learning empresarial. A rodada Série D de € 3 bilhões financia a nova etapa e deve servir de base para modelos especializados com maior controle de implantação.
O que empresas devem avaliar no preview
- Compare qualidade em documentos, planilhas e imagens reais.
- Meça latência, consumo de tokens e custo por fluxo.
- Teste permissões, isolamento de dados e auditoria.
- Estabeleça revisão humana para decisões sensíveis.
- Confirme requisitos de GDPR e residência de dados.
O preview público é uma oportunidade de avaliação, não uma promessa de configuração final. Empresas interessadas devem consultar a documentação oficial do modelo e os termos do Mistral Studio antes de mover cargas de produção. Também é prudente acompanhar a data efetiva da liberação dos pesos, as licenças aplicáveis e eventuais mudanças de preço.
Perguntas frequentes sobre o Mistral Large 4
O Mistral Large 4 já está disponível?
Sim, em preview público via API no Mistral Studio. A Mistral afirma que os pesos abertos devem ser liberados até o fim do mês; cronogramas podem mudar.
Quantos parâmetros ativos o Mistral Large 4 usa?
O modelo tem 1 trilhão de parâmetros totais e 49 bilhões ativos. A diferença decorre da arquitetura mixture-of-experts, que ativa apenas parte da rede por consulta.
Qual é o preço da API do Mistral Large 4?
O preço divulgado é US$ 1,36 por milhão de tokens de entrada e US$ 4,18 por milhão de tokens de saída. O custo final depende do volume e do uso.
O modelo pode ser usado em ambientes privados?
A Mistral planeja nuvem privada e implantação on-premises para equipes de segurança. A disponibilidade e as condições devem ser confirmadas diretamente com a empresa.
Considerações finais
O Mistral Large 4 coloca a Mistral AI na disputa por modelos multimodais de grande escala com uma proposta centrada em API, pesos abertos e soberania tecnológica europeia. Seus benchmarks são promissores, mas a decisão de adoção deve considerar testes independentes, segurança, custo, governança e adequação ao caso de uso. Para organizações reguladas, a combinação de implantação europeia, opções privadas e suporte multilíngue pode ser tão decisiva quanto a pontuação em avaliações.
Fontes: anúncio e documentação do Mistral Large 4 da Mistral AI
