Mistral Large 4 com Pesos Abertos: o Que Muda

Um modelo de 1 trilhão de parâmetros, treinado do zero na Europa, que qualquer empresa agora pode baixar e rodar nos próprios servidores. A Mistral liberou os pesos do Mistral Large 4, apelidado de “Le Chonk”.

O modelo já estava em prévia pública desde o começo do mês, e a gente explicou a proposta dele no artigo sobre o Mistral Large 4 como IA soberana da Europa. A novidade agora é dupla: os pesos abertos e uma versão melhorada.

Neste artigo você vê o que mudou no Mistral Large 4, os números divulgados pela empresa e o que significa um modelo com pesos abertos para quem desenvolve com IA no Brasil.

O que mudou desde a prévia

Segundo a Mistral, a resposta à prévia superou as expectativas, e a empresa usou o retorno dos desenvolvedores para continuar o treinamento. Foram três semanas extras de aprendizado por reforço, técnica em que o modelo melhora tentando, errando e sendo recompensado pelos acertos.

O resultado, de acordo com o anúncio, foram ganhos grandes em programação e em cibersegurança defensiva, além de mais eficiência no raciocínio. Na prática, isso significa entregar respostas melhores gastando menos tokens, o que barateia o uso.

O modelo é multimodal de forma nativa, ou seja, foi treinado para lidar com mais de um tipo de dado, como texto e imagem. A Mistral diz que os ganhos “continuam acelerando, sem sinais de saturação”.

Os números do Mistral Large 4 em programação

A empresa afirma que o Large 4 é o melhor modelo de pesos abertos para programação. Os resultados divulgados são estes:

Em avaliações às cegas da Surge Code, em que pessoas comparam duas respostas sem saber de qual modelo vieram, o Large 4 foi preferido em relação a GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash. Entre os modelos avaliados, ficou atrás apenas do Claude Opus 5.5.

Vale lembrar: esses são números divulgados pela própria fabricante. Benchmarks ajudam a comparar, mas o teste definitivo é sempre no seu caso de uso real.

Três modos de raciocínio para controlar o custo

Uma novidade prática é a escolha do nível de raciocínio. Quanto mais o modelo “pensa”, melhor tende a ser a resposta, mas maior o custo e o tempo de espera. Agora você escolhe:

• Low: para tarefas simples. Substitui o antigo modo sem raciocínio.
• Medium: para tarefas do dia a dia.
• High (padrão): para os casos mais difíceis, que pedem precisão e raciocínio cuidadoso.

Foco em cibersegurança defensiva

A Mistral diz ter trabalhado com empresas de segurança para testar o modelo em tarefas reais, como reproduzir e corrigir vulnerabilidades. Executivos de Booz Allen, Cisco, Cloudflare, CrowdStrike, Elastic, Fortinet, Orange Cyberdefense e Zscaler, além da agência europeia ENISA, comentaram o lançamento.

Segundo a empresa, as proteções do modelo distinguem tarefas de defesa de pedidos de ataque, com taxa média de recusa de 96,6% em pedidos maliciosos de cibersegurança, a mais alta medida pela Mistral entre modelos abertos.

A própria Mistral, porém, admite um ponto de atenção: monitorando o uso real na prévia, viu “potencial de ganho” para ataques reais e está ajustando as proteções. Uma versão especializada para testes de invasão ficou restrita a parceiros selecionados, com contratos e verificação rigorosa.

O que são pesos abertos e por que isso importa

Pesos são os números que o modelo aprendeu durante o treinamento, a “memória” dele. Quando uma empresa libera os pesos, qualquer um pode baixar o modelo, rodar na própria infraestrutura e adaptá-lo com dados próprios, sem depender da API do fabricante.

Para empresas brasileiras de setores regulados, como bancos e saúde, isso pode fazer diferença: os dados não precisam sair da casa. Não por acaso, bancos europeus como ABN AMRO, Belfius, Crédit Agricole e La Banque Postale aparecem entre os que comentaram o lançamento.

Mas atenção: um modelo de 1 trilhão de parâmetros exige servidores com muitas GPUs. Para a maioria das pessoas e pequenas empresas, o caminho mais realista é usar via API ou serviços que hospedam o modelo.

Onde usar o Mistral Large 4

Segundo o anúncio, o modelo está disponível:

• No Mistral Studio e na API da Mistral.
• No OpenRouter, que reúne vários modelos numa única conta.
• Para download no Hugging Face, para rodar com vLLM ou SGLang.
• No Microsoft Foundry, com opções de implantação privada no Azure.
• Em endpoints da NVIDIA e como contêiner NIM otimizado.

A Mistral também diz que dá para testar o modelo no Vibe Code, pedindo uma funcionalidade ou correção de bug no seu próprio repositório. Um relatório técnico completo foi prometido para breve.

Perguntas frequentes

O Mistral Large 4 é gratuito?

Os pesos podem ser baixados no Hugging Face, seguindo a licença indicada no cartão do modelo. Usar pela API ou por serviços de nuvem é pago conforme o consumo de cada plataforma.

Consigo rodar o Mistral Large 4 no meu computador?

Dificilmente. Com 1 trilhão de parâmetros, ele exige infraestrutura de servidor com várias GPUs. Para uso pessoal, a API ou o OpenRouter são as opções práticas.

Qual a diferença entre a prévia e a versão com pesos abertos?

Além de liberar os pesos, a Mistral treinou o modelo por mais três semanas com aprendizado por reforço, melhorando programação, cibersegurança e eficiência, e adicionou três modos de raciocínio.

O Mistral Large 4 é melhor que o Claude?

Nas avaliações às cegas citadas pela Mistral, ele ficou atrás do Claude Opus 5.5 e à frente de outros modelos abertos. A comparação vale para programação, segundo os testes divulgados.

Conclusão

O Mistral Large 4 agora tem pesos abertos e chega mais forte em programação e cibersegurança, com três modos de raciocínio para equilibrar custo e qualidade. Para quem precisa controlar onde os dados ficam, é uma das opções abertas mais completas do momento.

Quer comparar com outro modelo aberto de peso? Veja nossa análise do Kimi K3.1 Pro. O anúncio original está no blog da Mistral.