A Mistral apresentou o Mistral Large 4, seu maior modelo até hoje, com 1 trilhão de parâmetros e o apelido de "Le Chonk". Por enquanto, só a API está no ar. Os pesos abertos, que permitem rodar o modelo em servidor próprio, devem sair apenas no fim de outubro.
O que o Mistral Large 4 traz na prévia
O Mistral Large 4 (ML4) entrou no ar em 6 de outubro como prévia pública. O laboratório francês o apelidou de "Le Chonk", e o apelido pegou manchete. Atrás da brincadeira há um modelo grande: são 1 trilhão de parâmetros no total, com 49 bilhões ativos a cada resposta.
Essa divisão é o ponto que vale entender. O ML4 usa uma arquitetura de mistura de especialistas (MoE, na sigla em inglês): ele guarda muito conhecimento, mas acorda só uma fatia por vez a cada pedido. Na prática, você tem a amplitude de um modelo gigante sem pagar por cada parâmetro em cada palavra. Para quem roda esses modelos por API, isso muda a conta.
Só uma fatia por vez. É essa a ideia.
Segundo a Mistral, o modelo é nativamente multimodal, ou seja, entende imagens e texto na mesma passada, sem precisar de um modelo de visão separado ao lado. A Mistral treinou o ML4 do zero em 3.800 GPUs NVIDIA Grace Blackwell, dentro dos próprios data centers dela na Europa. Esse detalhe pesa num momento em que quase qualquer treinamento de ponta acontece em solo americano ou chinês.
O que significa "pesos abertos" no Mistral Large 4
A Mistral chama o ML4 de fronteira de desempenho entre os modelos com pesos abertos. A empresa diz que ele supera qualquer lançamento aberto dos Estados Unidos ou da Europa. No campo da visão, vai além e afirma que o Le Chonk passa à frente de alguns modelos de fronteira fechados em ancoragem visual, a tarefa de apontar em qual região da imagem está o objeto descrito.
A promessa de pesos abertos, porém, tem data. Os pesos devem sair até o fim de outubro, e a página no Hugging Face aponta para 31 de outubro. Até lá, o modelo é uma prévia na API do Mistral Studio. Sem os pesos em mãos, ele ainda não é um modelo aberto de verdade. E essa diferença importa para quem escolhe modelo pela possibilidade de baixar, hospedar e ajustar, em vez de alugar por token.
Vale a pena esperar? Depende do seu caso.
Onde o Mistral Large 4 mira o trabalho corporativo
O discurso da prévia é voltado a cargas corporativas, não a truques de chatbot. A Mistral afirma que o ML4 alcança resultados de ponta entre os modelos abertos em cibersegurança, finanças e tarefas jurídicas, três áreas em que empresas europeias relutam em enviar trabalho para sistemas hospedados nos Estados Unidos. Um modelo que lida com contratos confidenciais ou análise de ameaças em infraestrutura dentro da União Europeia responde a uma questão de conformidade, não só de desempenho.
Conformidade, não só desempenho.
O ângulo multilíngue é a promessa mais discreta. A Mistral treinou o ML4 em mais de 160 idiomas, incluindo cada língua oficial da União Europeia. Para um banco que atende clientes em uma dúzia de países, um único modelo que lê polonês, holandês e grego sem quebrar é um ganho prático. É o tipo de cobertura que muitos modelos de ponta americanos tratam como detalhe.
A Mistral também colocou o modelo na arena de avaliação da Artificial Analysis no dia do lançamento. É um sinal de que a empresa quer olhos independentes nos números, e não só um comunicado de imprensa. As primeiras posições colocam o ML4 perto do topo do campo dos modelos com pesos abertos, embora o ranking ainda estivesse se preenchendo quando a prévia abriu.
O que 1 trilhão de parâmetros muda no seu uso
Contagem de parâmetros rende manchete fácil, e o Le Chonk rendeu várias. O número que molda sua experiência é 49 bilhões, a fatia ativa usada por palavra. Numa tarefa de código, esse conjunto ativo ajuda o ML4 a raciocinar sobre uma mudança em vários arquivos antes de editar, em vez de acertar uma linha por vez. Numa revisão jurídica, a janela de contexto de 1 milhão de tokens deixa você entregar um contrato inteiro e pedir todas as cláusulas que transferem responsabilidade, sem dividir o documento na mão.
A parte multimodal aparece nos mesmos fluxos de trabalho. Envie ao ML4 a captura de tela de um painel com erro e ele consegue ligar o que está na imagem ao relatório de incidente que você também forneceu, porque lê imagem e texto juntos. Antes dessa geração, isso exigia rodar um modelo de visão à parte e costurar a saída de volta no seu prompt.
O que ainda não dá para fazer é rodá-lo por conta própria. Um modelo de 1 trilhão de parâmetros carrega custo real de hospedagem mesmo em mistura de especialistas, então a prévia é uma história de API. A história de hospedagem própria começa quando os pesos forem liberados.
Por ora, ninguém roda o Le Chonk em casa.
Como testar o Mistral Large 4 hoje
A API de prévia já está disponível pelo Mistral Studio, então dá para colocar o ML4 contra os seus próprios prompts antes de os pesos chegarem. Se você avalia o modelo para um produto, as próximas semanas são a janela para compará-lo nos seus dados reais, e não no benchmark de outra pessoa. Os pesos estão previstos para o fim de outubro, e é nesse momento que o modelo passa a ser algo que você baixa, hospeda e ajusta, em vez de apenas chamar.
