Mistral Large 4: o gordinho de 1 trilhão feito na Europa

A Europa voltou para a briga. A Mistral, aquela empresa francesa, lançou o maior modelo da história dela: um trilhão de parâmetros, pesos abertos, treinado do zero lá na Europa. E não é modelo chinês com uma camada de verniz por cima, igual já fizeram aqui no Brasil. É fundação própria.

O apelido é a melhor parte. Le Chonk, o gordinho. Eu me senti totalmente inserido no processo.

Um trilhão que só acorda 49 bilhões

Durante meses a comunidade brincou que o próximo modelo da Mistral ia se chamar Le Chonk, um gato gordo. Ninguém sabia se era boato ou só meme. A Mistral abraçou a piada: o nome técnico é Mistral Large 4, o apelido interno é ML4, e o Le Chonk está escrito na página oficial do anúncio.

Um trilhão de parâmetros parece impossível de rodar, e para quase todo mundo é mesmo. Não adianta querer colocar no seu PC de casa. Mas tem um truque: mistura de especialistas, o tal do MoE. O modelo é dividido em muitos especialistas pequenos, e para cada pedaço de texto só alguns deles acordam. Do trilhão, uns 49 bilhões trabalham de cada vez. É como um hospital enorme: tem centenas de médicos no prédio, mas você é atendido por dois ou três. Isso deixa o modelo muito mais rápido e barato do que o tamanho sugere.

Ele também é multimodal: entende imagem e texto, mas só responde em texto. E junta numa coisa só o modo de seguir instrução, o modo de raciocínio e o uso de ferramentas como agente.

Soberania é o ponto

Esse modelo foi pensado, treinado e é servido dentro da Europa. Treinado do zero em 3.800 GPUs Nvidia Grace Blackwell, nos data centers da própria Mistral. E isso é raro. Muita empresa hoje pega um modelo chinês, tipo Qwen ou Kimi, e faz um pós-treino em cima. Funciona, sai um modelo bom, mas não é fundação.

Até agora a história era simples: os Estados Unidos com os melhores modelos fechados, a China com os melhores modelos abertos. Ter um terceiro jogador fazendo modelo desde a base é bom para todo mundo. Dinheiro para isso eles têm: a Mistral levantou 3 bilhões de euros numa série D, que eles dizem ser a maior rodada de uma empresa de tecnologia europeia até agora.

Preço de tabela: 1,36 dólar por milhão de tokens de entrada e 4,18 na saída. Números bem quebrados, ninguém sabe por quê. No lançamento tem 50% de desconto por duas semanas. Barato, mas guarda essa informação, porque daqui a pouco a gente vê que barato por token não quer dizer barato por tarefa.

Nos benchmarks de programação

No Deep SWE 1.1, que mede tarefas reais de engenheiro de software, ele fez 61,7%. No gráfico da própria Mistral, que só compara modelos abertos, fica em segundo, atrás da Qwen. No Terminal Bench 4.0, trabalho no terminal, fez 28,3%, e o GLM 5.3 fica bem na frente. No Automation Bench, que são 657 fluxos de trabalho de empresa com Gmail, planilha, Slack e Salesforce, fez 59,9%, colado no GLM 5.3.

O salto em relação ao modelo anterior deles, o Mistral Medium 3.5, foi enorme. Mas, em resumo: compete com os melhores modelos abertos, e os chineses ainda ganham na maioria das vezes.

Cibersegurança, com asterisco

Aqui tem um ponto forte de verdade. No teste em que o modelo precisa reproduzir uma falha real de um software de código aberto e depois corrigir, ele acerta 82%. Segundo a Mistral, a maior nota de todos os modelos testados. No Cybench, 40 desafios de competição de segurança, fez 93%. E no índice de cibersegurança da Artificial Analysis fica entre os cinco melhores do mundo, contando os fechados.

Só que repara no asterisco: no teste dos 82%, o Claude Opus 5.5 e o GPT Astra tiraram perto de zero. Não é porque não sabem. É porque se recusam a fazer a tarefa. E a Mistral transformou isso em argumento: quem defende sistema precisa de um modelo que não trava no meio de um incidente. Parte dessa vitória é capacidade, parte é política de uso. Fica esperto com isso.

Outro detalhe: por enquanto é só uma prévia por API. Os pesos ainda não foram liberados, e a promessa é para o fim de outubro. Até lá eles fazem red team com empresas de segurança e parceiros verificados, que recebem uma versão com menos moderação. É exatamente o roteiro que os laboratórios fechados criaram: guard-rail forte para o público, acesso mais solto para parceiro de confiança.

Quem mediu de fora

Quase tudo até aqui é número da própria Mistral. A Artificial Analysis junta vários benchmarks num índice só, e o Mistral Large 4 fez 38 pontos. O primeiro colocado, o Claude Opus 5.5, fez 58. Entre os modelos abertos feitos fora da China, ele é o melhor que a gente tem. Mas os abertos chineses ainda estão na frente.

E tem uma conta que pouca gente faz: ele é falador demais. Para rodar o índice inteiro, gerou algo em torno de 200 milhões de tokens, quando a mediana é 81 milhões. O custo médio por tarefa ficou em 1,13 dólar. Barato por token, gasta muito token na tarefa. Na velocidade vai bem, 116 tokens por segundo.

Teve confusão com a janela de contexto também. A documentação diz 1 milhão de tokens, mas quem mediu a prévia pela API encontrou 524 mil. Quase metade. Vale ficar de olho quando os pesos saírem.

Vale a pena?

Se você quer o melhor modelo do mundo hoje, com certeza não é esse. Os fechados americanos estão pelo menos seis meses à frente, e ficando mais baratos e mais rápidos. Mas o gordinho te dá uma coisa que os fechados não dão: controle. Você hospeda onde quiser, decide os próprios limites, não manda seus dados para ninguém e pode especializar o modelo para o seu problema. Quando os pesos saírem, é exatamente o tipo de modelo que dá para retreinar com o framework IT'S FINE, que eu ensino no meu livro de fine-tuning.

A própria Mistral diz que o ML4 é a base de uma nova geração de modelos especializados. Para a Europa, é um recomeço. Para a gente aqui no Brasil, é mais uma opção na mesa. E isso é muito bom.