Mistral Large 4: modelo de 1 trilhão de parâmetros em preview

Notícia
Large Language Model
06/10/2026

Em 6 de outubro de 2026, a Mistral colocou em preview o Mistral Large 4, apelidado de "Le chonk" — um modelo de 1 trilhão de parâmetros, com 49 bilhões de parâmetros ativos, treinado em um cluster próprio de 3.800 GPUs NVIDIA Grace Blackwell. O lançamento foi registrado por Simon Willison, que resumiu a novidade em seu blog com a avaliação de que a empresa francesa está de volta ao jogo depois de um período distante da conversa sobre modelos de fronteira.

Um preview com pesos abertos prometidos

A versão divulgada agora é um preview, acessível pela API da Mistral. A empresa promete publicar os pesos abertos do modelo no "fim deste mês".

Na API, o Large 4 oferece apenas dois níveis de raciocínio: "none" e "high", uma configuração enxuta quando comparada ao cardápio de esforços intermediários adotado por outros laboratórios. Na prática, desenvolvedores já podem testar o modelo em produção experimental enquanto aguardam a liberação dos pesos, mas com menos granularidade para calibrar custo e profundidade de raciocínio por tarefa.

O anúncio completo está no comunicado oficial da Mistral, e a repercussão inicial pode ser acompanhada na discussão no Hacker News.

Desempenho: 38 pontos e um salto sobre o large 3

No Artificial Analysis, o Mistral Large 4 marca 38 pontos, ficando logo atrás do DeepSeek 4.1 Flash, um modelo de 552 bilhões de parâmetros. O número representa uma melhora considerável sobre o Mistral Large 3, lançado em dezembro passado, que havia obtido apenas 9 pontos no mesmo índice, uma diferença que ajuda a explicar o tom de recuperação do anúncio.

O Large 3 também ficou marcado negativamente pelo tradicional teste do pelicano andando de bicicleta, prova informal que Willison usa há anos para comparar a capacidade de geração gráfica dos modelos.

O teste do pelicano: menos tokens, mais qualidade

No teste do pelicano andando de bicicleta, o resultado do nível "high" ficou visualmente melhor do que o do nível "none", mas, curiosamente, gastou menos tokens de saída: 2.717 contra 3.275. O dado contraria a intuição de que mais raciocínio significa respostas mais longas e sugere que o modo "high" organiza melhor o trabalho antes de produzir a imagem final.

Para quem paga por token, a diferença é relevante: o nível mais sofisticado não saiu mais caro em volume de saída neste caso específico.

Na fronteira, cerca de seis meses atrás

Willison é direto ao classificar o modelo: não é um modelo da classe Fable, mas é bom ver a Mistral publicar algo que a coloca talvez cerca de seis meses atrás da fronteira. Para uma empresa que já esteve entre as referências do setor, o avanço recoloca a companhia na disputa e reforça a tese de que há espaço para alternativas além dos modelos americanos e chineses que dominam os rankings.

Resta saber se os pesos abertos prometidos para o fim do mês sairão no prazo e sob quais termos de licença, ponto que o anúncio do preview não detalha.

Por que isso importa

Dois elementos chamam atenção. O primeiro é a infraestrutura: treinar um modelo de 1 trilhão de parâmetros em um cluster próprio de 3.800 GPUs Grace Blackwell indica que a Mistral investiu em capacidade computacional dedicada, e não apenas em aluguel de nuvem.

O segundo é a arquitetura de parâmetros ativos: com 49 bilhões ativados por vez, o Large 4 busca equilibrar escala e custo de inferência, desenho que já virou padrão entre os grandes laboratórios. O fato de um modelo de 552 bilhões de parâmetros, o DeepSeek 4.1 Flash, ainda aparecer à frente no ranking do Artificial Analysis mostra que tamanho bruto não é tudo, mas a proximidade na pontuação é um sinal positivo para a Mistral.

A combinação de preview via API, promessa de pesos abertos e um salto de 9 para 38 pontos em relação à geração anterior desenha uma estratégia clara: entrar rápido nas mãos de desenvolvedores, medir o desempenho real e só então abrir o modelo. Se o prazo dos pesos abertos for cumprido, o Mistral Large 4 pode se tornar uma peça relevante para equipes que buscam rodar modelos de grande porte fora das APIs fechadas, com a ressalva de que estar seis meses atrás da fronteira, no ritmo atual do setor, ainda é uma distância considerável.