Mistral libera pesos do Mistral Large 4 com 1 trilhão de parâmetros
Modelo multimodal focado em programação e segurança defensiva ganha três modos de raciocínio e promete gastar 47% menos tokens por tarefa.
Por que importa. Equipes de tecnologia ganham uma opção de modelo de fronteira de pesos abertos para rodar localmente ou em nuvem própria, reduzindo custos de inferência em agentes de código.
A Mistral AI liberou nesta quinta-feira (29) os pesos abertos do Mistral Large 4, apelidado internamente de Le Chonk. O modelo multimodal nativo tem 1 trilhão de parâmetros e chega em versão final após três semanas de testes em prévia pública, com melhorias em geração de código e cibersegurança defensiva obtidas por aprendizado por reforço.
Na prática, os pesos já podem ser baixados no Hugging Face para execução local ou em infraestrutura própria via vLLM e SGLang. O sistema também passou a ser oferecido na API da Mistral, no Mistral Studio, no OpenRouter, em contêineres Nvidia NIM e como serviço gerenciado no Microsoft Foundry, plataforma corporativa do Azure. A empresa francesa não revelou os custos por milhão de tokens na sua API comercial nem o hardware mínimo necessário para auto-hospedagem.
Para controlar os gastos computacionais durante a inferência, o modelo introduziu três níveis de raciocínio. A configuração High vem habilitada por padrão para problemas complexos de lógica; a Medium é voltada a rotinas operacionais diárias; e a Low substitui a antiga opção sem raciocínio em tarefas simples de baixa complexidade.
Desempenho em código e economia de tokens
De acordo com a Mistral, o aprendizado por reforço adicional permitiu reduzir significativamente o consumo de tokens em tarefas de agentes autônomos. No Coding Agent Index da Artificial Analysis, o Mistral Large 4 registrou 48% de aproveitamento, empatando com o GLM-5.3, mas consumindo 47% menos tokens por tarefa em média.
No benchmark fechado FrontierCode 2.0 da Cognition, que avalia se a alteração feita por um agente seria aceita por mantenedores de repositórios, o modelo marcou 19,7%, superando concorrentes abertos como Kimi K3 e GLM-5.3. Já no Terminal-Bench 4.0, o índice alcançou 41% de acerto, avanço de 13 pontos percentuais frente à versão prévia, gerando 30% menos tokens na resposta.
A empresa também divulgou testes cegos conduzidos pela Surge Code com desenvolvedores humanos. O modelo superou concorrentes de pesos abertos como DeepSeek V4.1 Flash e Kimi K3 na preferência dos programadores, ficando atrás apenas do proprietário Claude Opus 5.5 entre as opções testadas.
Segurança defensiva e recusa a ataques
No recorte de segurança cibernética, o Large 4 marcou 51% no Cyber Index da Artificial Analysis, teste voltado a identificar falhas, reproduzi-las em ambiente controlado e aplicar correções em bases de código sem quebrar recursos existentes. Segundo o anúncio, o modelo foi ajustado para permitir tarefas de defesa legítimas sem emitir recusas indevidas.
Em contrapartida, a Mistral reportou uma taxa de recusa de 96,6% diante de comandos com intenção maliciosa, a partir de baterias de testes baseadas nos parâmetros JailbreakBench, StrongREJECT e AgentHarm. No teste de resistência de agentes B3 Agent Security Benchmark, a barreira a ataques de injeção de código ou extração de instrução de sistema atingiu 97,1%.
A empresa afirmou ter identificado tentativas de usar a versão prévia contra alvos reais na internet, o que motivou ajustes de filtros antes da publicação dos pesos. Clientes corporativos específicos, como a operadora francesa Orange Cyberdefense, terão acesso a uma variação restrita sob contrato voltada a testes de intrusão autorizados.
Fontes
- Mistral: Le Chonk: Built for Coders, Trusted by Defenders.
Reportagem produzida pela redação do Flipters com apoio de inteligência artificial, a partir das fontes acima. Como trabalhamos. Editor responsável: João Paulo Resende.
