Mistral Large 4 (Le Chonk): especificações, benchmarks, preço e quando chegam os pesos

O Mistral Large 4, alcunhado Le Chonk, é um modelo mixture-of-experts com 1 bilião de parâmetros e 49 mil milhões de parâmetros ativos. A Mistral AI lançou-o como API em pré-visualização pública a 6 de outubro de 2026 e diz que os pesos abertos chegam até ao fim de outubro. Lê texto e imagens, responde em texto e custa $1,36 por milhão de tokens de entrada a preço de tabela.

A Mistral apresenta-o como o modelo open-weight mais potente feito nos EUA ou na Europa, e como rival dos melhores modelos abertos do mundo. Os primeiros números independentes confirmam a primeira metade desta afirmação e complicam a segunda. Este guia coloca os benchmarks da Mistral ao lado das pontuações que a Artificial Analysis e a Vals.ai publicaram no dia do lançamento. Explica também as especificações, o preço e o que significa «pesos abertos» num modelo que ainda não é possível descarregar.

O essencial

• Tamanho: 1,05 biliões de parâmetros no total, 49 mil milhões ativos no lançamento (a ficha da documentação indica agora 52 mil milhões), mais um codificador de visão com 1,6 mil milhões. Entra texto e imagem, sai texto.
• Pontuação independente: 38 no Artificial Analysis Intelligence Index v4.3.2, muito à frente de modelos abertos norte-americanos como o Nemotron 3 Ultra (23), mas 6 a 8 pontos atrás do GLM-5.3, do Kimi K3 e do MiMo-V2.6-Pro.
• Preço: $1,36 de entrada / $4,18 de saída por milhão de tokens a preço de tabela. A página do modelo mostra agora metade, $0,68 / $2,09, sem dizer porquê nem por quanto tempo.
• Pesos: ainda não saíram. A Mistral diz até ao fim de outubro e à imprensa indicou 27 de outubro. Nenhuma licença foi anunciada.
• O verdadeiro argumento: ciberdefesa. A Mistral reporta 82% num teste de reproduzir e corrigir vulnerabilidades em que, segundo a empresa, o Claude Opus 5.5 e o GPT-6 Astra ficam perto de zero porque recusam a tarefa.

O que é o Mistral Large 4

O Mistral Large 4 é o maior e mais capaz modelo da Mistral AI até hoje, uma rede mixture-of-experts esparsa que só ativa cerca de 5% dos seus pesos em cada token. A própria Mistral descreve-o como um «open-weight hybrid instruct-and-reasoning MoE with multimodal input», ou seja, um único modelo que trata respostas rápidas, raciocínio passo a passo e uso de ferramentas como agente.

A Mistral anunciou-o no X às 13:06 UTC. A publicação reúne as quatro afirmações em que assenta todo o lançamento: o tamanho, a posição entre os modelos open-weight, os setores visados e a infraestrutura europeia.

Meet Mistral Large 4, aka Le Chonk.

• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding.
• Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure.
• Available to all via API today. Working with cybersecurity partners privately.

Open weights release end of October.

— Mistral AI (@MistralAI) October 6, 2026

As especificações abaixo vêm da ficha do modelo na documentação da Mistral e do anúncio. Quando uma fonte independente indica outro valor, a tabela assinala-o.

Há duas especificações em que as fontes não coincidem. O anúncio da Mistral e as duas publicações de lançamento no X indicam 49 mil milhões de parâmetros ativos, e era isso que dizia a ficha da documentação quando a lemos pela primeira vez no dia do lançamento. Menos de uma hora depois, a ficha indicava 52 mil milhões, sem qualquer explicação. A diferença maior está na janela de contexto. A ficha da Mistral indica 1M de tokens. A Artificial Analysis indica 524 288 tokens e a Vals 512K, com um limite de saída de 256K. Até a Mistral explicar a diferença, convém contar com 512K.

Porque se chama Le Chonk

Le Chonk é calão da internet para um gato muito gordo, e o nome é uma piada que começou na comunidade. A VentureBeat liga-o ao Le Chaton Fat, um modelo gigante fictício da Mistral que se tornou viral no X e no Reddit em junho, com gráficos de benchmarks falsos. O CEO da Mistral, Arthur Mensch, respondeu na altura que era «actually le gros chaton». O cientista-chefe Guillaume Lample disse à VentureBeat que a Mistral se divertiu com o meme e que o ML4 pode ser visto como uma primeira versão da ideia, com modelos maiores ainda por vir.

O treino não foi nenhuma piada. A Mistral diz que treinou o ML4 de raiz em 3800 GPU NVIDIA Grace Blackwell nos seus próprios centros de dados europeus, e que a pré-visualização corre nas mesmas máquinas. A VentureBeat, a CNBC e a Euronews falam de 4000 GPU durante cerca de dois meses, um número que parece vir da sessão de imprensa. O anúncio escrito da Mistral indica 3800.

O nosso artigo sobre o Le Chaton Fat terminava com um teste simples para qualquer modelo da moda: sem pesos, sem API e sem documentação, provavelmente é um gatinho. O Le Chonk passa hoje em dois dos três critérios. O terceiro são os pesos.

Benchmarks do Mistral Large 4: os números da Mistral contra os independentes

O Mistral Large 4 supera todos os modelos abertos dos EUA e da Europa nos dados independentes publicados até agora, mas não está ao nível dos melhores modelos abertos chineses. Os gráficos da Mistral e as primeiras pontuações de terceiros contam duas histórias ligeiramente diferentes, por isso aparecem aqui em separado.

O que a Mistral reporta

A Mistral reporta 61,7% no DeepSWE v1.1 em programação, o número principal do seu anúncio de lançamento. Acrescenta 59,4% no SWE-Atlas-QnA e 28,3% no Terminal-Bench 4.0, para um Coding Agent Index combinado de 49,8%. Segundo a Mistral, isso coloca-o à frente do DeepSeek V4 Pro 0813 e do Qwen3.8 Max.

A VentureBeat comparou o gráfico de programação com a classificação ao vivo do DeepSWE. Essa tabela, que usa a melhor configuração de agente publicada para cada modelo, coloca o GLM-5.3 e o Kimi K3 por volta dos 69%, e o GPT-6 Astra, o Gemini 3.8 Flash e o Claude Opus 5 à volta dos 74%.

Os 61,7% são, portanto, competitivos, mas não lideram.

As restantes afirmações principais vêm todas da Mistral. O Mistral Large 4 obtém 59,9% no AutomationBench, um conjunto de 657 fluxos de trabalho empresariais no Gmail, no Google Sheets, no Slack e no Salesforce. Chega aos 1393 Elo no AA-Briefcase, que mede trabalho de conhecimento de longo prazo. No teste de visual grounding Dense 200, tem 42% contra 41% do GPT-6 Astra, a base da frase do anúncio segundo a qual «surpasses closed frontier models on visual grounding». Num teste cego de qualidade de código feito com a Surge AI, os avaliadores deram-lhe 3,74 em 5, segundo de cinco modelos e só atrás do Claude Opus 5, com 4,22.

O que mediram os avaliadores independentes

A Artificial Analysis dá ao Mistral Large 4 Preview 38 pontos no seu Intelligence Index v4.3.2, uma síntese de 10 avaliações. Fica muito acima dos modelos abertos norte-americanos da tabela da AA, como o Nemotron 3 Ultra da NVIDIA (23), o Gemma 4 31B da Google (15) e o gpt-oss-120b da OpenAI (12). E fica claramente abaixo dos melhores modelos abertos chineses, cada um verificado na sua própria página da AA no dia do lançamento.

Há mais dois detalhes importantes na página da AA. O Mistral Large 4 é rápido, cerca de 116 tokens de saída por segundo, mas muito palavroso: gerou 200 milhões de tokens a correr o índice, contra uma mediana de 81 milhões. É por isso que a AA calcula o seu custo por tarefa do índice em $1,13, apesar do preço de tabela modesto. O nosso guia de benchmarks de IA explica o que o índice mede e porque é que um único número nunca decide uma comparação.

A Vals.ai, o segundo avaliador independente, deu-lhe 48,05% no Vals Index, 32.º de 44 modelos no total e nono entre os modelos open-weight. O melhor resultado é no Harvey's Legal Agent Benchmark, com 15,83%, sexto de 75 e primeiro entre os modelos abertos. A Vals publicou essa classificação poucos minutos depois do lançamento.

Mistral Large 4 is now the #1 open-weight model on HLAB and #9 among open-weight models on the Vals Index.

— Vals AI (@ValsAI) October 6, 2026

O resumo honesto: a afirmação de que o ML4 é o melhor modelo aberto dos EUA ou da Europa confirma-se na Artificial Analysis. A afirmação de que rivaliza com os modelos abertos mais fortes do mundo é exagerada. Na Artificial Analysis, o GLM 5.3 e o Kimi K3 estão seis a sete pontos à frente. A Mistral diz que o treino por reforço continua em curso, por isso a versão final pode encurtar parte dessa distância.

A cibersegurança é a verdadeira diferença

O argumento mais forte do Mistral Large 4 é a cibersegurança, não a inteligência geral. A Mistral diz que está entre os cinco melhores modelos do mundo no Artificial Analysis Cyber Index e que lidera com larga vantagem os modelos open-weight desenvolvidos fora da China. Um dos testes do índice pede ao modelo que reproduza uma vulnerabilidade real em software open source e depois a corrija. A Mistral reporta 82% nesse teste, o valor mais alto de qualquer modelo. Diz ainda que o ML4 resolve 93% dos 40 desafios do Cybench.

O interessante é perceber porque ganha esse teste.

Segundo a Mistral, o Claude Opus 5.5 e o GPT-6 Astra ficam perto de zero na mesma tarefa porque se recusam a fazê-la. A Mistral argumenta que quem defende um sistema precisa muitas vezes de provar que uma falha é real antes de a corrigir. O filtro de segurança de um fornecedor pode bloquear exatamente esse trabalho a meio de um incidente. Um modelo open-weight a correr nos seus próprios servidores não pode ser desligado por uma mudança de política.

A Mistral também se protege nesta aposta. Até os pesos saírem, está a fazer red-teaming do modelo com empresas de cibersegurança, parceiros verificados e autoridades públicas, que têm acesso com moderação reduzida e capacidades de cibersegurança alargadas. A Mistral reporta também que o ML4 recusa prompts maliciosos de cibersegurança com mais frequência do que qualquer outro modelo aberto que testou. Lample descreveu o objetivo no dia do lançamento como permitir que empresas e governos possam «defend themselves against threat actors that are jailbreaking closed models to perform cyber attacks», segundo a citação da CNBC.

A Z.ai viveu a mesma tensão em agosto. Lançou o GLM 5.3 sem pesos e disse no X que seriam publicados «in stages following rigorous safety evaluations». A Mistral fez uma promessa mais firme, e o 27 de outubro será o teste.

O Mistral Large 4 já é open source?

Não. O Mistral Large 4 foi anunciado como modelo open-weight, mas no dia do lançamento só existe a API em pré-visualização. O anúncio da Mistral diz que os pesos saem «by the end of the month», juntamente com detalhes da arquitetura, mais benchmarks e o método de pós-treino. A VentureBeat e a Euronews receberam uma data concreta, 27 de outubro.

A thread de Lample no lançamento explica o desfasamento. O treino por reforço por trás da pré-visualização continua em curso, e a Mistral quer lançar uma versão final juntamente com os pesos.

Today, we are launching a preview of our new model, Mistral Large 4 (ML4), aka le Chonk 🐈.
ML4 is a 1T-parameter model with 49B active parameters, trained natively with multimodal capabilities.

It is at the frontier of open models, and by far the strongest open-weight model from the US or Europe.
The RL run behind this preview is still in flight and shows no sign of saturation -- we will release a final version before the end of the month along with the weights of the model.
🧵
1/n

— Guillaume Lample (@GuillaumeLample) October 6, 2026

A grande incógnita é a licença. A ficha da documentação da Mistral marca o modelo como «Open», mas não indica nenhuma licença, e a VentureBeat diz que se espera uma licença própria da Mistral. Isto importa, porque o catálogo da Mistral não está todo sob Apache 2.0. O Large 3 sai sob Apache 2.0, enquanto o Mistral Medium 3.5 usa uma licença MIT modificada, segundo a própria documentação da Mistral. Até a Mistral publicar os termos do Large 4, não convém assumir uso comercial gratuito.

A Artificial Analysis classifica, para já, o Mistral Large 4 Preview como «proprietary», e ainda não há nada para descarregar. Para quem precisa de pesos que possa correr já hoje, a nossa lista dos melhores modelos de IA open source reúne o que está de facto disponível.

Preço do Mistral Large 4

O Mistral Large 4 tem um preço de tabela de $1,36 por milhão de tokens de entrada e $4,18 por milhão de tokens de saída, com a entrada em cache a $0,14. São os valores do anúncio da Mistral e das páginas da Artificial Analysis e da Vals.

A ficha do modelo na documentação da Mistral mostra outra coisa. Risca esses três preços e substitui-os por exatamente metade: $0,68 de entrada, $0,07 de entrada em cache e $2,09 de saída. Nem a ficha nem o anúncio dizem se é um desconto da pré-visualização, quanto tempo dura ou o que acontece quando sair o modelo final. Para orçamentar, convém usar o preço de tabela e tratar o meio preço como um bónus.

O Mistral Large 4 custa mais do que o Large 3, que continua à venda a $0,50 e $1,50 para as equipas que querem o modelo aberto anterior. O nosso guia de preços da Mistral AI cobre as subscrições do Vibe e o resto da oferta de API. A Mistral compara-se com o DeepSeek V4 Pro mais do que com qualquer outro modelo, e a nossa análise do DeepSeek V4 apresenta esse rival.

Como experimentar o Mistral Large 4 hoje

No dia do lançamento, a única forma de usar o Mistral Large 4 é a API em pré-visualização no Mistral Studio, a plataforma para programadores da Mistral. Crie uma conta no Studio, adicione um método de pagamento, gere uma chave de API e chame o modelo pelo nome a partir dos endpoints chat completions ou conversations. A ficha da documentação indica suporte para saídas estruturadas, chamada de funções, perguntas sobre documentos, processamento em lote e as ferramentas de agente integradas da Mistral.

O anúncio da Mistral não menciona o Vibe, o assistente para consumidores antes chamado Le Chat, por isso não conte encontrar o Large 4 no menu de modelos do Vibe para já. A Mistral diz que o ML4 vai correr em várias regiões, incluindo uma implementação europeia que opera de ponta a ponta ao abrigo da lei europeia. A cloud privada e o uso on-premise chegam quando saírem os pesos. Para quem quer sobretudo comparar respostas de vários modelos de topo sem gerir chaves de API, o Fello AI junta a Mistral ao Claude, ao GPT e ao Gemini numa única aplicação para Mac.

Vale a pena mudar para o Mistral Large 4?

Só vale a pena mudar já se a procura for motivada por alojamento europeu ou cibersegurança. Para uma equipa que precisa de processar a sua IA na UE ao abrigo da lei europeia, o Mistral Large 4 é o modelo mais potente que a Mistral alguma vez serviu a partir da sua própria infraestrutura europeia. Nenhum outro modelo europeu se aproxima na Artificial Analysis. Para as equipas de segurança fartas de recusas em trabalho legítimo com vulnerabilidades, o resultado da Mistral no teste de reproduzir e corrigir é a melhor razão para o experimentar este mês.

Para todos os outros, o melhor é esperar pelo 27 de outubro.

Com os números independentes de hoje, o GLM-5.3 e o Kimi K3 continuam a ser os modelos abertos mais fortes, e ambos podem ser descarregados já. A pré-visualização ainda está a mudar, nas palavras da própria Mistral, a licença é desconhecida e o meio preço pode não durar. O veredicto real sobre o Le Chonk chega quando os pesos saírem e outros puderem testar a versão final no seu próprio hardware.

Perguntas frequentes