O Mistral Large 4 tem um trilhão de parâmetros, e a Mistral diz que vai liberá-los como pesos abertos antes do fim de outubro. A empresa francesa de IA abriu uma prévia pública do seu novo modelo principal em 6 de outubro e afirmou que os pesos do modelo, os números treinados que o fazem funcionar, serão liberados ainda este mês, oferecendo a empresas e desenvolvedores um modelo de nível de fronteira que eles podem hospedar, inspecionar e modificar por conta própria.
Isso importa para além das tabelas de benchmarks. A maioria dos sistemas de IA mais fortes hoje é fechada e alugada por meio de uma API, nos termos do fornecedor. Um modelo de pesos abertos deste tamanho, construído e treinado na Europa, dá aos criadores outra opção num momento em que onde a IA roda, e quem a controla, virou uma decisão de negócio por si só.
O que a Mistral lançou e quando
A Mistral chama o modelo internamente de ML4 e, no próprio anúncio, de "le Chonk", em tom de brincadeira. A API em prévia já está disponível no Mistral Studio, e a empresa diz que vai liberar os pesos até o fim do mês. Até lá, segundo a Mistral, o modelo passa por testes de red-teaming em situações reais com líderes de cibersegurança, parceiros selecionados e autoridades estatais, que avaliam uma versão com moderação reduzida e capacidades cibernéticas ampliadas.
A empresa descreve o ML4 como um modelo nativamente multimodal com um trilhão de parâmetros no total e 52 bilhões de parâmetros ativos, ou seja, apenas uma fração da rede é usada para processar cada pedido. Esse desenho ajuda a tornar viável servir um modelo desta escala. O Mistral Large 4 é o maior e mais capaz modelo da Mistral até agora, e a empresa diz que ele continua melhorando à medida que o treinamento avança.
Mais detalhes estão prometidos antes da chegada dos pesos. A Mistral diz que vai publicar informações sobre a arquitetura do modelo, benchmarks adicionais e sua metodologia de pós-treinamento, e que o ML4 servirá de base para uma nova geração de modelos especializados e otimizados da empresa.
Construído na Europa, em hardware próprio
O modelo foi treinado do zero em 3.800 GPUs NVIDIA Grace Blackwell nos data centers da própria Mistral na Europa, e a prévia pública roda na mesma infraestrutura, segundo a empresa. A CNBC informou um número de cerca de 4.000 GPUs ao longo de dois meses de treinamento.
A cobertura de idiomas é ampla. Uma parte significativa dos dados de treinamento era multilíngue, abrangendo mais de 160 idiomas, incluindo todas as línguas oficiais da União Europeia, o que importa para empresas e órgãos públicos que trabalham fora do inglês. O ML4 será oferecido em várias regiões do mundo, incluindo uma implantação europeia que a Mistral diz operar de ponta a ponta, de forma independente de outros provedores de serviços digitais e sob a lei europeia.
O diretor executivo Arthur Mensch apresentou essa independência como o ponto central. Em entrevista à CNN, Mensch disse que a construção europeia mantém a Mistral fora de um "duopólio" entre Estados Unidos e China na IA. "Existe um enorme desejo e uma enorme necessidade de fornecedores alternativos de tecnologia", acrescentou Mensch.
O que os benchmarks dizem
Os resultados publicados pela Mistral colocam o Mistral Large 4 no topo, ou perto dele, entre os modelos de pesos abertos em várias tarefas. Em engenharia de software, a empresa relata 61,7% no DeepSWE v1.1, 59,4% no SWE-Atlas-QnA e 28,3% no Terminal-Bench 4, com uma pontuação combinada de 49,8% no Coding Agent Index, que segundo a empresa o coloca à frente do DeepSeek V4 Pro e do Qwen3.8 Max. Numa avaliação humana às cegas da qualidade do código, feita com a Surge AI, o ML4 ficou em segundo lugar entre cinco modelos, atrás apenas do Claude Opus 5.
Em automação de negócios, a Mistral relata 59,9% no AutomationBench, um conjunto de 657 fluxos de trabalho em ferramentas como Gmail, Google Sheets, Slack e Salesforce, e 1.393 pontos Elo no AA-Briefcase, que testa tarefas longas de trabalho intelectual, como planilhas, apresentações e PDFs. Em ancoragem visual, a empresa diz que o ML4 superou por pouco o GPT-6 Astra no teste Dense 200, por 42% a 41%.
Esses são números da própria empresa e merecem contexto. A CNBC observou que o modelo ainda fica atrás da fronteira em áreas como programação, e a CNN disse que não conseguiu verificar de imediato as alegações da Mistral sobre custo e capacidade. Testes independentes virão quando os pesos forem públicos.
Por que a ciberdefesa é o principal uso
A Mistral aposta na segurança. No Artificial Analysis Cyber Index, uma avaliação independente de quão bem os modelos encontram e corrigem falhas em software real, a empresa diz que o ML4 está entre os cinco melhores modelos do mundo e lidera os modelos de pesos abertos desenvolvidos fora da China. Num teste que pede ao modelo para reproduzir uma vulnerabilidade real em software de código aberto e depois corrigi-la, o ML4 marcou 82%, que segundo a Mistral é a maior pontuação de qualquer modelo, e resolveu 93% do Cybench, um conjunto de 40 exercícios de competições de segurança.
O argumento da empresa gira em torno das recusas. Ela diz que vários modelos fechados de ponta pontuam perto de zero nesse teste de vulnerabilidade porque recusam a tarefa, embora provar que uma falha é real seja muitas vezes o primeiro passo para se defender dela. Um modelo de pesos abertos rodando nos sistemas da própria organização evita esse problema e mantém os dados sensíveis dentro de casa. O cofundador e cientista-chefe Guillaume Lample disse à CNBC que as capacidades de ciberdefesa do modelo vão permitir que empresas e governos se defendam de agentes de ameaça que estão burlando modelos fechados para realizar ataques cibernéticos.
Outras empresas defenderam o mesmo ponto a partir da experiência. O diretor executivo da Hugging Face, Clement Delangue, disse à CNN em julho que, durante um incidente de segurança na empresa, rodar um modelo na própria infraestrutura foi obrigatório porque os dados envolvidos eram privados, e que apenas modelos abertos tornavam isso possível.
O que os pesos abertos significam para criadores menores
Para startups, pequenas agências e desenvolvedores independentes, os pesos abertos mudam a posição de negociação. Uma equipe pode ajustar o modelo com seus próprios dados, rodá-lo na própria conta de nuvem ou numa região de sua escolha e evitar que um produto dependa das decisões de preço ou de política de um único fornecedor. O vice-presidente de ciência da Mistral, Pierre Stock, disse à CNN que o modelo foi construído com uma "fração da computação" usada pelos concorrentes, o que segundo a empresa o torna mais barato de construir e de usar.
Existe um limite prático. Um modelo de um trilhão de parâmetros não é algo que a maioria das pequenas equipes vai rodar num notebook ou num único servidor; servi-lo exige hardware robusto. Para muitos criadores, o caminho realista será a API hospedada, um provedor de nuvem que ofereça os pesos abertos ou os modelos especializados menores que a Mistral diz que vai derivar do ML4. O sentido dos pesos abertos é que essas opções existam e concorram entre si, e não que cada equipe rode o modelo completo por conta própria.
Na MW3.biz, acreditamos que a IA capaz deve estar disponível para o maior número possível de criadores, e não apenas para as maiores empresas. Do ponto de vista da democratização da tecnologia, um modelo de nível de fronteira lançado com pesos abertos amplia o grupo de pessoas que podem estudar, adaptar e implantar IA avançada. As preocupações com uso indevido são reais e merecem cuidado, e o red-teaming em etapas da Mistral é uma resposta a elas. Nossa visão é que o acesso mais amplo e responsável continua sendo a melhor resposta de longo prazo.
Os próximos passos da Mistral
A empresa tem dinheiro para continuar crescendo. A Mistral levantou 3 bilhões de euros numa rodada Série D em setembro, com avaliação de 21 bilhões de euros, segundo a CNBC, e Lample disse que as capacidades do modelo vão melhorar à medida que a capacidade de treinamento crescer com essa rodada. A CNN estimou o financiamento total da Mistral em cerca de US$ 6 bilhões desde a fundação, há três anos, uma fração do que os maiores laboratórios americanos levantaram.
A concorrência é grande. Laboratórios chineses como DeepSeek, Alibaba e Z.ai lideram boa parte do mercado de pesos abertos, e a startup americana Reflection lançou o próprio modelo aberto, o Beam, um dia antes do anúncio da Mistral. Para quem compara opções, nossa cobertura da semana passada sobre o OpenAI Codex rodando na nuvem mostra como as ferramentas fechadas de programação também avançam rápido.
O próximo marco são os próprios pesos. Quando o Mistral Large 4 puder ser baixado, benchmarks independentes, os termos da licença e o hardware necessário para servi-lo vão mostrar até onde um modelo aberto de um trilhão de parâmetros realmente chega além da infraestrutura da própria Mistral.
