A empresa francesa de IA Mistral lançou em 6 de outubro uma preview de pesquisa do Mistral Large 4. A empresa deu a ele o apelido de "le Chonk", algo como "o grandalhão". É um modelo de mistura de especialistas (MoE) nativamente multimodal, com 1 trilhão de parâmetros no total, dos quais cerca de 49 bilhões são ativados por token, com janela de contexto de 512K; aceita entrada de texto e imagem e produz saída em texto.
A preview está disponível pela API da Mistral, voltada primeiro para desenvolvedores, responsáveis por segurança cibernética e órgãos governamentais; a empresa planeja ampliar o acesso ainda este mês e lançar os pesos abertos no fim de outubro.
Treinamento e posicionamento
Segundo o blog oficial da Mistral, o Large 4 foi treinado do zero, usando os próprios data centers da empresa na Europa, com cerca de 3.800 GPUs Nvidia Grace Blackwell; a CNBC informou que o ciclo de treinamento durou cerca de dois meses. A Mistral aponta como pontos fortes cibersegurança, programação, manufatura, finanças e tarefas multimodais.
Publicamente, a empresa afirma que o Large 4 é "o modelo de pesos abertos mais forte fora da China, e por uma margem considerável". A CNBC também relata que a Mistral reconhece ainda ficar atrás dos modelos fechados mais avançados em áreas como programação.
A API oferece dois modos de raciocínio: none e high. O desenvolvedor Simon Willison, ao testar, percebeu que o modo high gera, em média, menos tokens (2.717) do que o modo none (3.275), e que os resultados no modo high também são melhores. Sua avaliação geral é que o Large 4 fica cerca de meio ano atrás da fronteira.
Como terceiros avaliam
A avaliadora independente Artificial Analysis atribuiu 38 pontos no Índice de Inteligência. Em comparação:
| Modelo | Índice de Inteligência |
|---|---|
| DeepSeek V4.1 Flash | 39 |
| Mistral Large 4 | 38 |
| GPT-6 Luna (max) | 38 |
| Mistral Large 3 | 9 |
Há uma diferença de 29 pontos entre as duas gerações; a versão anterior, Large 3, com 9 pontos, fica claramente atrás nessa lista. Por isso, a Artificial Analysis chama o novo modelo de "o mais inteligente fora dos Estados Unidos e da China". No índice de cibersegurança da avaliadora, o Large 4 obteve 50 pontos, mas no teste de raciocínio sobre documentos (GDP.pdf) a taxa de acerto foi de apenas 19%, um ponto claramente fraco.
Fazendo as contas
O preço da API na preview é de US$ 1,36 por milhão de tokens de entrada e US$ 4,18 por milhão de tokens de saída, com tokens de entrada em cache a US$ 0,14 por milhão; há 50% de desconto nas primeiras duas semanas. A Artificial Analysis converte isso para seu próprio conjunto de tarefas, chegando a um custo de US$ 1,13 por tarefa, ou US$ 0,57 no período de desconto.
Um cálculo rápido de um cenário comum: alimentar 1 milhão de tokens de código ou documentos e gerar 200 mil tokens de saída custa cerca de US$ 2,2 no preço cheio e cerca de US$ 1,1 no período de desconto. O preço da saída é cerca de três vezes o da entrada, então tarefas de agentes com saídas longas saem mais caras.
A proporção de ativação também pode ser calculada: 49 bilhões de parâmetros ativados sobre 1 trilhão no total dá cerca de 4,9%, próximo do Reflection Beam, lançado um dia antes (23 bilhões ativados sobre 501 bilhões no total, cerca de 4,6%). Como o custo de inferência acompanha principalmente os parâmetros ativados, as duas empresas gostam de destacar a "eficiência".
O limiar de implantação é outra questão. Em precisão de 8 bits, só para armazenar os pesos de 1 trilhão de parâmetros são necessários cerca de 1 TB de VRAM; com quantização de 4 bits, ainda cerca de 500 GB. Depois de obter os pesos abertos, a maioria das equipes provavelmente ainda vai depender de hospedagem em nuvem ou esperar por versões destiladas feitas pela comunidade.
A carta da Europa
A Mistral acabou de concluir, em setembro, uma rodada de financiamento de 3 bilhões de euros, liderada pela Samsung. O Large 4 é o primeiro modelo de ponta lançado depois da chegada desse dinheiro; a empresa repete sempre os pontos de infraestrutura própria e treinamento em solo europeu, e, pelo foco da comunicação, o alvo são as compras de governos europeus e setores regulados.
Os termos de licença dos pesos abertos e a data exata de lançamento ainda não foram divulgados pela Mistral. Todas as pontuações, por ora, vêm apenas de dados oficiais e de poucas avaliadoras independentes; só no fim do mês será possível saber quanto a comunidade consegue reproduzir depois de obter os pesos.
Fontes: blog oficial da Mistral, Artificial Analysis, CocoLoop, CNBC, blog de Simon Willison; o Índice de Inteligência e o custo por tarefa seguem os dados publicados pela Artificial Analysis, os preços da API seguem a tabela de preview da Mistral, e a estimativa de VRAM é um cálculo aproximado com base no número de parâmetros.