O checkpoint Le Chonk, de 1 trilhão de parâmetros da Mistral, chega ao Hugging Face

Em 29 de outubro de 2026, a Mistral AI lançou os pesos do Mistral Large 4, seu modelo multimodal nativo de ponta com 1 trilhão de parâmetros, conhecido como Le Chonk, disponibilizando o checkpoint para download no Hugging Face para hospedagem própria e também por meio de sua API e de plataformas parceiras, sob uma licença de pesos abertos MIT modificada.

O lançamento ocorre após a prévia pública do modelo, em 6 de outubro de 2026, quando a Mistral apresentou pela primeira vez o sistema de mistura de especialistas com 1,05 trilhão de parâmetros. Em seu anúncio, a Mistral afirmou ter incorporado o feedback recebido durante a prévia e continuado a ampliar o aprendizado por reforço, obtendo o que descreveu como grandes avanços em programação, cibersegurança defensiva e eficiência de raciocínio. A empresa classificou o Mistral Large 4 como o melhor modelo de pesos abertos para programação e afirmou que os avanços continuavam a acelerar, sem sinais de saturação.

Licença, preços e disponibilidade

Os pesos foram publicados no Hugging Face sob a Mistral Ecosystem Open-Weight License, uma versão modificada da licença MIT. De acordo com seus termos, o modelo pode ser usado, modificado, ajustado e comercializado gratuitamente, com uma condição: empresas que ofereçam um modelo como serviço devem obter da Mistral uma licença comercial separada antes de usar o modelo comercialmente.

Segundo a documentação do modelo da Mistral, o acesso à API custa US$ 0,70 por milhão de tokens de entrada, US$ 0,07 por milhão de tokens de entrada em cache e US$ 2,10 por milhão de tokens de saída. O modelo é disponibilizado como mistral-large-4 pela Mistral API e pelo Mistral Studio e também está disponível no OpenRouter, no assistente de programação Vibe Code da Mistral, em endpoints hospedados pela NVIDIA com um contêiner NVIDIA NIM otimizado e no Microsoft Foundry. A Mistral afirmou que os desenvolvedores do Azure podem usar opções de implantação privada pelo Foundry, e Tina Schuchman, vice-presidente corporativa do Foundry na Microsoft, disse que a Microsoft é a primeira provedora de nuvem a disponibilizar o Mistral Large 4 aos clientes.

Benchmarks de programação e modos de raciocínio

A Mistral informou que o Mistral Large 4 lidera o benchmark privado FrontierCode 2.0, da Cognition, que avalia a qualidade do código de ponta a ponta e se o responsável pela manutenção de um repositório aceitaria a alteração feita por um agente, com pontuação de 19,7%, à frente dos modelos de pesos abertos listados, entre eles GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash.

No Artificial Analysis Coding Agent Index, a Mistral informou uma pontuação de 48%, descrevendo o resultado como praticamente empatado com o principal modelo de pesos abertos, GLM-5.3, embora use, em média, 47% menos tokens por tarefa. No Terminal-Bench 4.0, a empresa informou uma melhora de 13 pontos percentuais em relação à prévia pública, chegando a 41% e assumindo a liderança entre os modelos de pesos abertos, ao mesmo tempo que reduziu em 30% os tokens de saída. Nas avaliações cegas de preferência humana, com comparações pareadas, do Surge Code, citadas pela Mistral, o modelo foi preferido ao GLM-5.3, ao Kimi K3 e ao DeepSeek V4.1 Flash, ficando atrás apenas do Claude Opus 5.5 entre os modelos avaliados.

O modelo oferece três modos de raciocínio: baixo, médio e alto, sendo o alto o padrão. A Mistral afirmou que o modo baixo substitui o modo de raciocínio anterior, “None”, e é adequado para tarefas simples; o modo médio atende ao uso cotidiano, enquanto o alto se destina aos casos de uso mais difíceis, que exigem raciocínio aprofundado, permitindo que os desenvolvedores equilibrem desempenho e custo.

Resultados de cibersegurança e mudanças nas barreiras de proteção

A Mistral informou uma pontuação de 51% no Artificial Analysis Cyber Index, que mede a capacidade de um modelo de descobrir vulnerabilidades em uma base de código, reproduzi-las e validá-las e corrigi-las sem comprometer funcionalidades existentes. A empresa afirmou que o modelo lida com tarefas legítimas de segurança defensiva sem recusas desnecessárias e que suas barreiras de proteção integradas distinguem tarefas defensivas de tarefas ofensivas maliciosas. A Mistral informou uma taxa média de recusa de 96,6% diante de solicitações cibernéticas maliciosas nos prompts relacionados a cibersegurança do JailbreakBench, do StrongREJECT e do AgentHarm, descrevendo-a como a mais alta registrada em suas medições entre os modelos abertos.

O anúncio também revelou que, após a prévia, a Mistral monitorou o uso relacionado à cibersegurança em seu tráfego ativo. A empresa afirmou ter observado o modelo se recusar a colaborar com ataques de caixa-preta contra alvos ativos, mas disse ver potencial para facilitar a realização de ataques reais e estar modificando suas barreiras de proteção de acordo com isso, com novas atualizações prometidas para os próximos meses. Parceiros de design corporativo, como a Orange Cyberdefense, estão recebendo acesso prévio a uma variante especializada do Mistral Large 4, otimizada para testes de penetração, avaliação de vulnerabilidades e exercícios de red team, sujeita a verificação e salvaguardas contratuais que limitam os testes a sistemas próprios ou explicitamente autorizados, em ambientes controlados.

O anúncio incluiu declarações sobre avaliações feitas por executivos da Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik e Zscaler. Brad Medairy, presidente da área de cibersegurança nacional da Booz Allen Hamilton, afirmou que os testes mostraram que o modelo igualou as taxas de recuperação na detecção de vulnerabilidades de outros modelos cibernéticos de ponta, segundo o benchmark interno da empresa para análise de segurança de código-fonte.

Arquitetura e treinamento

De acordo com o cartão do modelo, Mistral Large 4 é um modelo granular de mistura de especialistas, com aproximadamente 1 trilhão de parâmetros no total e cerca de 52 bilhões de parâmetros ativos por token (49 bilhões sem contar embeddings e camadas de saída), com 128 especialistas roteados, dos quais quatro ficam ativos por token, além de um especialista compartilhado. O modelo oferece uma janela de contexto de 1 milhão de tokens e aceita texto e imagens como entrada, gerando texto como saída por meio de um codificador visual no estilo Pixtral, com 1,6 bilhão de parâmetros, treinado para lidar com imagens de tamanhos e proporções variados. A Mistral afirma que o modelo foi treinado do zero em 3.800 GPUs NVIDIA Grace Blackwell nos próprios centros de dados da empresa na Europa e tem fluência nativa em mais de 160 idiomas, incluindo todos os idiomas oficiais da União Europeia.

O checkpoint vem com uma cabeça de rascunho integrada para decodificação especulativa DSpark, que propõe blocos de três tokens e que, segundo as medições da Mistral, oferece uma taxa de transferência até 1,9 vez maior do que a obtida ao servir apenas o modelo-alvo; também está disponível um checkpoint quantizado NVFP4 voltado para GPUs Blackwell. No Artificial Analysis Intelligence Index v5, o cartão do modelo informa uma pontuação de 26, descrita como a mais alta entre os modelos ocidentais de pesos abertos, embora observe que os principais modelos chineses de pesos abertos obtêm pontuações mais altas no índice agregado. A Mistral também informou que sua pontuação no Finch (FinWorkBench) subiu para 73,3%, a segunda maior entre os modelos abertos, atrás de Kimi K3; que o BrowseComp chegou a 84,5%, ante 75% em um checkpoint de ajuste fino supervisionado; e que a resistência a ataques foi de 97,1% no B3 Agent Security Benchmark, acima dos 93,3% da prévia.

A Mistral afirmou que Mistral Large 4 servirá de base para uma nova geração de modelos Mistral especializados e otimizados, citando lançamentos recentes como Voxtral e Timestral.