Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarMistral AI Blog→ original

Mistral abre os pesos do Large 4: 19,7% das correções de agentes seriam aceitas por mantenedores

A Mistral publicou os pesos do Large 4 (apelidado de Le Chonk), um modelo aberto de 1 trilhão de parâmetros voltado para código. No teste fechado FrontierCode 2.0, da Cognition, avalia-se se um mantenedor do repositório aceitaria a correção feita pelo agente: o Large 4 alcança 19,7%, e o DeepSeek V4.1 Flash, 19,3%. No Coding Agent Index, ele tem 48%, igualando o líder GLM-5.3, mas usa 47% menos tokens por tarefa. Para quem roda um agente de código na própria infraestrutura, isso pode significar uma redução na conta de tokens.

Processado por IA de Mistral AI Blog; editado por Hamidun News
Mistral abre os pesos do Large 4: 19,7% das correções de agentes seriam aceitas por mantenedores
Fonte: Mistral AI Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalMistral AI Blog ↗
Editor-chefe
Terminal-Bench 4.041%, 13 p.p. acima da prévia, com 30% menos tokens de saída
Cyber Index51%; recusa pedidos maliciosos de cibersegurança em 96,6% dos casos
Três modos de raciocínioLow, Medium e High (padrão)

A Mistral publicou os pesos do Mistral Large 4, que a empresa chama de Le Chonk. Trata-se de um modelo multimodal de ponta com 1 trilhão de parâmetros, treinado do zero em infraestrutura europeia. Ele pode ser baixado, implantado localmente e ajustado sem depender da API da Mistral. O principal número do lançamento é 19,7% no teste fechado FrontierCode 2.0, da Cognition. O teste é pragmático: o agente corrige um repositório real, e avalia-se se o código, como um todo, está bom e se um mantenedor vivo do projeto o aceitaria. Ou seja, quase uma em cada cinco correções do Large 4 chegaria à integração. Entre os modelos abertos, trata-se do melhor resultado na tabela da própria Mistral.

Todos os números abaixo são divulgados pela própria Mistral. Parte dos testes foi conduzida por equipes externas, mas não há reavaliação independente neste material.

Programação: mais forte que os concorrentes e mais econômico em tokens

A prévia do modelo foi lançada no início deste mês. Depois, a equipe continuou por mais três semanas o treinamento por aprendizado por reforço (RL), em que o modelo recebe recompensa por resolver tarefas corretamente. O resultado melhorou, e a Mistral não identifica sinais de saturação.

No FrontierCode 2.0, o Large 4 aparece ao lado do DeepSeek V4.1 Flash (19,3%), do GLM-5.3 (17,8%) e do Kimi K3 (17,3%). A vantagem é pequena, mas perceptível.

No Artificial Analysis Coding Agent Index, o Large 4 tem 48%, praticamente o mesmo que o líder entre os modelos abertos, o GLM-5.3. Em compensação, o modelo gasta em média 47% menos tokens por tarefa. Se um agente resolve centenas de tarefas por dia, a diferença aparece na conta de inferência.

Em cenários de terminal, nos quais o agente executa comandos por conta própria, o modelo atingiu 41% no Terminal-Bench 4.0. Isso representa 13 p.p. a mais que a prévia e o melhor resultado entre os modelos abertos da comparação. Ao mesmo tempo, os tokens de saída caíram 30%.

Em comparações cegas em pares feitas pela Surge Code, os avaliadores escolheram as respostas do Large 4 com mais frequência do que as do GLM-5.3 (64%), do Kimi K3 (64%) e do DeepSeek V4.1 Flash (56%). Ele perdeu apenas para o Claude Opus 5.5, que venceu 78% das vezes.

Agora há três modos de raciocínio:

  • Low para tarefas simples, substituindo o antigo modo sem raciocínio;
  • Medium para o trabalho do dia a dia;
  • High para as tarefas mais complexas, em que a precisão é essencial. É o modo padrão.

Cibersegurança: ajudar defensores, não ajudar atacantes

No Artificial Analysis Cyber Index, o modelo obteve 51%. O índice avalia três etapas: encontrar uma vulnerabilidade no código, reproduzi-la e confirmá-la, e então corrigi-la sem quebrar nada. No gráfico da Mistral há modelos com pontuações mais altas, de até 57%. A empresa destaca outro ponto: em tarefas defensivas legítimas, o Large 4 não recusa sem motivo.

As salvaguardas integradas separam defesa de ataque. Diante de pedidos maliciosos de cibersegurança, o modelo recusa em média 96,6% das vezes. É o índice mais alto entre os modelos abertos medidos pela Mistral. As medições usaram pedidos dos conjuntos JailbreakBench, StrongREJECT e AgentHarm. Para comparação, no mesmo gráfico o DeepSeek-V4-Pro tem cerca de 51%, o Gemma-4-31B cerca de 84%, o GLM-5.3 cerca de 87% e o Kimi K3 cerca de 94%.

Os parceiros também demonstram interesse. A Booz Allen afirma que o modelo igualou outras soluções de cibersegurança de ponta em abrangência na detecção de vulnerabilidades, com custo mais vantajoso. A agência ENISA o testa para busca de vulnerabilidades, auditoria de código e análise de logs defensivos. A Elastic já oferece os modelos abertos da Mistral no Elastic Security. Também comentaram o modelo Cisco, Cloudflare, CrowdStrike, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik e Zscaler. Quase todos repetem o mesmo argumento: defensores precisam de um modelo que controlem por conta própria.

Soberania e limitações

Para bancos, órgãos governamentais e setores regulados da Europa, pesa o fato de o modelo ter sido inteiramente treinado na Europa e de sua origem ser rastreável do início ao lançamento. Os dados não precisam ser enviados a outra jurisdição, e a arquitetura pode ser estudada e auditada. A Mistral chama isso de "IA soberana".

Há também ressalvas. Os resultados dos testes foram publicados pela própria empresa, e o FrontierCode 2.0 é fechado, então não é possível reproduzi-lo manualmente. A liderança em programação foi registrada entre os modelos abertos: o Claude Opus 5.5 foi superior na comparação cega. E um modelo de 1 trilhão de parâmetros exigirá um parque de GPUs robusto.

A conclusão prática é simples. Se você desenvolve um agente de código ou de defesa e quer mantê-lo na sua infraestrutura, inclua o Large 4 na comparação. Teste-o com suas próprias tarefas e compare quantos tokens ele consome nos modos Medium e High. Essa economia deve ser o principal argumento para a escolha.

História

Perguntas frequentes sobre a notícia

O que se sabe sobre Programação: mais forte que os concorrentes e mais econômico em tokens?

A prévia do modelo foi lançada no início deste mês. Depois, a equipe continuou por mais três semanas o treinamento por aprendizado por reforço (RL), em que o modelo recebe recompensa por resolver tarefas corretamente. O resultado melhorou, e a Mistral não identifica sinais de saturação. No FrontierCode 2.0, o Large 4 aparece ao lado do DeepSeek V4.1 Flash (19,3%), do GLM-5.3 (17,8%) e do Kimi K3 (17,3%). A vantagem é pequena, mas perceptível.

O que se sabe sobre Cibersegurança: ajudar defensores, não ajudar atacantes?

No Artificial Analysis Cyber Index, o modelo obteve 51%. O índice avalia três etapas: encontrar uma vulnerabilidade no código, reproduzi-la e confirmá-la, e então corrigi-la sem quebrar nada. No gráfico da Mistral há modelos com pontuações mais altas, de até 57%. A empresa destaca outro ponto: em tarefas defensivas legítimas, o Large 4 não recusa sem motivo. As salvaguardas integradas separam defesa de ataque. Diante de pedidos maliciosos de cibersegurança, o modelo recusa em média 96,6% das vezes.

O que se sabe sobre Soberania e limitações?

Para bancos, órgãos governamentais e setores regulados da Europa, pesa o fato de o modelo ter sido inteiramente treinado na Europa e de sua origem ser rastreável do início ao lançamento. Os dados não precisam ser enviados a outra jurisdição, e a arquitetura pode ser estudada e auditada. A Mistral chama isso de "IA soberana". Há também ressalvas. Os resultados dos testes foram publicados pela própria empresa, e o FrontierCode 2.0 é fechado, então não é possível reproduzi-lo manualmente.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…