Mistral AI lança modelo de 1T de parâmetros com pesos abertos

Modelo dobra performance em programação com pesos abertos

A Mistral usou três semanas de reinforcement learning para melhorar o modelo após o preview público. O resultado: o Mistral Large 4 lidera benchmarks abertos de programação. No FrontierCode 2.0 da Cognition, atingiu 19,7% de acerto em qualidade de código end-to-end. Na Artificial Analysis Coding Agent Index, empatou com o melhor modelo open-weight (GLM-5.3) com 48% de acerto, mas usando 47% menos tokens por tarefa. No Terminal-Bench 4.0, subiu 13 pontos percentuais para 41% de acerto, também reduzindo tokens de saída em 30%.

A preferência humana confirma os números. Na avaliação cega da Surge Code, o Mistral Large 4 foi preferido em comparações pareadas contra GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash. Apenas o Claude Opus 5.5 ficou à frente entre os modelos testados.

O modelo processa texto e imagem. A Mistral não detalha o suporte multimodal nos benchmarks, mas afirma que é nativo. Os pesos abertos permitem que qualquer organização implante o modelo internamente, sem depender de provedores externos. A empresa destaca o treinamento integral em infraestrutura europeia como diferencial para soberania de dados.

Para ajustar custo e performance, o modelo oferece três modos de raciocínio. O modo Low serve para tarefas simples. O Medium cobre uso cotidiano. O High, padrão, é para casos que exigem alta precisão e raciocínio detalhado. A Mistral não informa limites de tokens ou hardware mínimo, mas recomenda avaliação interna antes de implantação em produção.

Cibersegurança e implantação soberana ganham reforço

O modelo também mira o mercado de segurança. Em testes com fornecedores líderes, o Mistral Large 4 atingiu 51% no Artificial Analysis Cyber Index, que mede descoberta, reprodução e correção de vulnerabilidades sem quebrar o código existente. A Mistral reforça que o treinamento foi feito integralmente em infraestrutura europeia, com linhagem clara desde a concepção até o lançamento. Os pesos abertos permitem implantação customizada e self-hosted, alinhada à estratégia de IA soberana.