Mistral revela prévia do Mistral Large 4, destacando escala de 1 trilhão de parâmetros e recursos de cibersegurança

A startup europeia de IA Mistral lançou uma prévia pública do Mistral Large 4 (ML4), seu maior sistema de inteligência artificial até o momento. Apelidado de "le Chonk", o modelo nativamente multimodal conta com um trilhão de parâmetros e já está acessível via API no Mistral Studio, com a liberação dos pesos abertos do modelo prevista para o final de outubro.

A Mistral afirma que o ML4 é o modelo de pesos abertos mais capaz produzido na Europa ou nos Estados Unidos em benchmarks agregados, destacando resultados expressivos em correção de vulnerabilidades de software, manufatura, finanças e fundamentação visual (visual grounding).

Cibersegurança como diferencial estratégico

A Mistral está posicionando o ML4 fortemente no segmento de segurança de TI corporativa e ciberdefesa. No Artificial Analysis Cyber Index, o ML4 figura entre os cinco principais modelos globais e lidera entre os modelos de pesos abertos não chineses por uma margem significativa.

Em um benchmark que avalia a capacidade de um modelo reproduzir e, em seguida, corrigir vulnerabilidades reais em softwares de código aberto, o ML4 alcançou 82% — a pontuação mais alta entre todos os modelos testados. A Mistral observou que os principais modelos fechados, como o Claude Opus 5.5 e o GPT-6 Astra, pontuaram perto de zero nesse teste, principalmente porque seus filtros de segurança se recusaram a processar os prompts.

A Mistral argumentou que defender softwares exige verificar vulnerabilidades em primeira mão, alertando que filtros de segurança excessivamente restritivos impedem o trabalho legítimo de segurança, enquanto agentes mal-intencionados conseguem contornar essas proteções por meio de jailbreaks. O ML4 foi projetado para ser implementado em nuvens privadas ou on-premises, eliminando riscos operacionais durante respostas a incidentes.

Ao mesmo tempo, a Mistral destacou que o ML4 manteve a maior taxa de recusa entre os modelos abertos ao lidar com prompts cibernéticos abertamente maliciosos no JailbreakBench, StrongREJECT e AgentHarm. O modelo também bloqueou 93,3% dos ataques no B3 AI Security Benchmark, da Lakera.

Desempenho em benchmarks em código, visão e raciocínio geral

No Artificial Analysis Intelligence Index — que combina dez benchmarks entre diferentes domínios —, o ML4 marcou 38 pontos. Isso representa um avanço substancial em relação ao Mistral Large 3 (9 pontos) e ao Mistral Medium 3.5 (14 pontos), bem como ao GLM-5.2 da Z.ai. No entanto, o ML4 ainda fica atrás dos modelos fechados de ponta, com o Claude Opus 5.5 (Max) liderando o índice com 58 pontos.

Em benchmarks de desenvolvimento de software, o ML4 atingiu 49,8% no Artificial Analysis Coding Agent Index, superando o Deepseek V4 Pro e o Qwen3.8 Max. Em uma avaliação cega de qualidade de código conduzida pela Surge AI, avaliadores humanos colocaram o ML4 em segundo lugar entre cinco modelos, com uma pontuação de 3,74 de 5, ficando atrás do Claude Opus 5 (4,22), mas superando o GLM-5.3 e o Kimi K3.

No processamento visual, o ML4 marcou 42% no benchmark Dense 200, superando ligeiramente os 41% do GPT-6 Astra. A Mistral afirma que o modelo pode analisar documentos, gráficos, arquivos CAD e imagens de satélite na escala de gigapixels. Em fluxos de trabalho empresariais, avaliações da Vals.ai indicaram que o ML4 superou o GPT-6 Astra nos setores jurídico e financeiro.

Arquitetura e infraestrutura soberana

De acordo com a documentação técnica da Mistral, o ML4 utiliza uma arquitetura mixture-of-experts (MoE) de granularidade fina com 1,05 trilhão de parâmetros no total, dos quais 49 bilhões são ativos por token. Ele integra um codificador visual de 1,6 bilhão de parâmetros e conta com uma janela de contexto de um milhão de tokens.

O modelo foi treinado do zero nos data centers europeus da Mistral utilizando 3.800 GPUs Nvidia Grace Blackwell, com corpora de treinamento que abrangem mais de 160 idiomas. O pós-treinamento contínuo com aprendizado por reforço (RL) utiliza aproximadamente 3.000 GPUs, gerando cerca de 33 bilhões de tokens por dia. A Mistral destacou que a fase de treinamento por RL ainda não atingiu um patamar de estabilização e trará mais ganhos antes do lançamento final dos pesos.

O expressivo avanço em capacidade computacional ocorre após a recente rodada de financiamento Série D de 3 bilhões de euros da Mistral, além de um empréstimo de US$ 830 milhões obtido em março para um data center perto de Paris, com o objetivo de alcançar 200 megawatts de capacidade de computação europeia até o final de 2027. O CEO da Mistral, Arthur Mensch, já havia alertado autoridades europeias contra a dependência total de modelos de IA sediados nos EUA para auditorias de código sensíveis nas áreas militar e de defesa.

Durante o período de prévia no Mistral Studio, o uso da API custa US$ 0,68 por milhão de tokens de entrada, US$ 2,09 por milhão de tokens de saída e US$ 0,07 por milhão de tokens de entrada em cache. A documentação também descreve um plano padrão com o dobro desses valores (US$ 1,36 para entrada, US$ 4,18 para saída e US$ 0,14 para entradas em cache). Relatórios técnicos completos, detalhes de licenciamento e os pesos do modelo serão divulgados no final de outubro.