Mistral Large 4 é uma prévia de 1T de parâmetros: os pesos ainda não foram divulgados

Mistral Large 4 chegou em 6 de outubro de 2026 como uma pré-visualização pública — um modelo de mistura de especialistas com um trilhão de parâmetros, com 49 bilhões de parâmetros ativos, um codificador de visão com 1,6 bilhão de parâmetros, e uma afirmação de seu criador de que é o modelo de pesos abertos mais forte construído fora da China. O que não chegou é a parte que as palavras "pesos abertos" descrevem. Não há checkpoints para baixar hoje, nem arquivo de licença, nem repositório. A Mistral diz que os pesos chegam "no final deste mês", após uma janela de red-teaming durante a qual parceiros verificados e autoridades nacionais recebem uma versão desbloqueada com moderação reduzida e capacidade cibernética expandida. Portanto, a descrição precisa do Mistral Large 4 esta semana é uma API de pré-visualização que você pode chamar e um modelo que você ainda não pode possuir.

Essa divisão é a história, não uma nota de rodapé dela. Cada número que a Mistral publicou junto com o anúncio — as pontuações de programação, as pontuações de cibersegurança, as avaliações financeiras e jurídicas — foi produzido em um build que ainda está sendo alterado, e cada manchete que o compara a um modelo de fronteira fechado está comparando um artefato que não será o artefato que você baixará. A coisa útil a fazer com um lançamento como este é separar o que você pode verificar hoje do que estão pedindo que você aceite por fé, e o próprio post da mistral.ai é excepcionalmente generoso quanto a qual é qual.

O que está realmente no ar em 6 de outubro

A API de pré-visualização está disponível no Mistral Studio sob o id de modelo mistral-large-4-0. O próprio cartão de modelo da Mistral descreve-o como "um modelo multimodal de uso geral, de pesos abertos e de última geração", construído sobre uma arquitetura MoE granular, e decompõe a contagem de parâmetros em 49B ativos contra 1,05T no total, além do codificador de visão. A Mistral treinou-o de raiz em 3 800 GPUs NVIDIA Grace, nos seus próprios datacenters europeus, e a pré-visualização é servida nessa mesma infraestrutura — uma soberania que a Mistral está a afirmar tão alto como a do desempenho.

A especificação, como o fornecedor a apresenta:

• Parâmetros totais vs. ativos — 1,05 trilhão no total, 49 bilhões ativos por token, MoE esparso

• Modalidades — texto e imagem como entrada, texto como saída; nativamente multimodal, em vez de um adaptador acoplado posteriormente

• Janela de contexto — A documentação da Mistral afirma 1M de tokens; o Artificial Analysis observa 524.288 na configuração que está testando, então trate 1M como o teto do fornecedor, e não como a janela efetivamente servida

• Preço — US$ 1,36 por milhão de tokens de entrada e US$ 4,18 por milhão de tokens de saída, com entrada em cache a US$ 0,14, conforme a tabela publicada da Mistral

Oferta de lançamento — o mesmo cartão exibe uma promoção riscada de $0,68 / $2,09 com $0,07 de entrada em cache, ou seja, metade do preço

• Pesos — não divulgados; "fim deste mês", conforme o anúncio

• Licença — não nomeada no anúncio nem na página de documentação, que classifica a entrada apenas como "Open"

Duas dessas linhas merecem ser lidas duas vezes. A janela de contexto difere por um fator de dois dependendo de você consultar o fornecedor ou o laboratório de terceiros, o que não é incomum para uma prévia cuja configuração de serving ainda está mudando, mas vale a pena saber antes de dimensionar uma carga de trabalho com base nisso. E o preço que você pagará depende de a tarifa promocional sobreviver à janela de lançamento; $1.36 / $4.18 é o número que a própria tabela de preços da Mistral lista, e $0.68 / $2.09 é o número que ela está cobrando atualmente. Considere o primeiro quando modelar sua fatura.

Os números do benchmark, e quem os executou

A publicação da Mistral é criteriosa quanto à proveniência, e vale a pena manter essa cautela. Três dos principais números de codificação agêntica — 61,7% no DeepSWE v1.1, 59,4% no SWE-Atlas-QnA e 28,3% no Terminal-Bench 4.0, que se combinam em uma pontuação de 49,8% no Coding Agent Index — são, nas próprias palavras da Mistral, "os números avaliados em caráter privado pela Artificial Analysis antes do lançamento público do harness". Eles ainda não estão no índice público da Artificial Analysis. Estarão, quando o harness for lançado. Até lá, são números publicados pelo fornecedor que um terceiro produziu, mas ainda não publicou, o que é uma proveniência mais sólida do que a maioria das alegações de lançamento e ainda não é a mesma coisa que uma pontuação pública reproduzível.

O que é público e independente hoje, segundo a página do modelo da Artificial Analysis em 6 de outubro: o Mistral Large 4 Preview pontua 38,4 no Intelligence Index v4.3, levando cerca de 507 segundos por tarefa, com Terminal-Bench 4.0 em 26,8% e Long-Context Reasoning em 81,3%. A mesma página o lista como um modelo de pesos abertos que, na verdade, não é de pesos abertos — a flag indica isOpenWeights: false com a categorização "proprietary", porque o que existe é um preview servido pelo próprio cluster do fornecedor. Essa flag é a ilustração mais clara e singular da lacuna sobre a qual este artigo trata.

O resultado mais citável é aquele que a própria Mistral não executou. A Surge AI, uma empresa terceirizada de anotação, realizou uma avaliação humana cega da qualidade de codificação com as identidades dos modelos ocultas, e anotadores profissionais avaliaram o Mistral Large 4 Preview em 3,74 numa escala de 1 a 5 — o segundo entre cinco, à frente do Kimi K3, com 3,59, do GLM-5.3, com 3,60, e do GLM-5.2, com 3,40, e atrás apenas de Claude Opus 5 com 4,22. Uma avaliação humana cega com um laboratório nomeado na outra ponta é um tipo diferente de evidência em relação a um benchmark autoexecutado, e é o ponto de dados independente mais forte do anúncio.

Depois, há a cibersegurança, onde a Mistral faz sua alegação mais incisiva. No Cyber Index da Artificial Analysis, a empresa afirma que o Mistral Large 4 está entre os cinco primeiros no ranking global e lidera os modelos de pesos abertos desenvolvidos fora da China. Em um teste específico — reproduzir uma vulnerabilidade real em software de código aberto e depois corrigi-la — ele obtém 82%, descrito como a maior pontuação entre todos os modelos, com 93% nos 40 exercícios de competição do Cybench. A Mistral acrescenta uma observação incisiva: vários dos principais modelos fechados, Claude Opus 5.5 e GPT-6 Astra citados entre eles, têm pontuação próxima de zero nesse mesmo teste porque se recusam a realizar a tarefa. Sem a página de terceiros diante de você, os 82% são um número do fornecedor; o argumento da taxa de recusa é uma interpretação do fornecedor. Ambos são plausíveis e nenhum dos dois está confirmado de forma independente hoje.

Porque é que o enquadramento da pré-visualização altera os cálculos de preço

Uma versão prévia não é apenas um rótulo de estágio. Significa que o modelo pode ser redirecionado, ter o preço alterado ou ser descontinuado com menos aviso prévio do que um lançamento GA, e significa que a configuração de serving com a qual você faz benchmark pode não ser a configuração com a qual você implanta. Para uma decisão de roteamento, isso é um custo real: um pipeline ajustado à build desta semana carrega uma conta de revalidação para a qual você não reservou orçamento.

No OrcaRouter, onde mais de 200 modelos ficam atrás de um único endpoint compatível com a OpenAI, pelo preço de tabela do fornecedor, com 0% de markup repassado diretamente, uma mudança de preço no catálogo do próprio fornecedor é uma mudança de preço no nosso no mesmo dia — o que importa aqui justamente porque este lançamento traz dois preços, um riscado. O failover automático é a outra metade da resposta para uma prévia ainda não comprovada: ele permite colocar uma fração do tráfego de produção no Mistral Large 4 enquanto um modelo próprio sustenta o restante, de modo que uma prévia que regride sob sua carga de trabalho real se transforma em um redirecionamento, e não em um incidente. O que leitores atentos não devem presumir é que o Mistral Large 4 seja roteável no OrcaRouter hoje. Ele não está no catálogo — a prévia é acessada pela própria API da Mistral e por várias plataformas de terceiros, e seus pesos, quando chegarem, serão uma proposta de auto-hospedagem.

A alegação de pesos abertos é atualmente uma promessa

O enquadramento da Mistral é que o Mistral Large 4 empurra a fronteira do desempenho de pesos abertos e que os pesos abertos são o mecanismo pelo qual as empresas mantêm o controlo de um modelo. Esse é um argumento defensável para o modelo que a Mistral pretende lançar. Para o modelo que lançou esta semana, o mecanismo está ausente: nenhum repositório no Hugging Face, nenhum texto de licença, nenhum checkpoint descarregável. A própria organização da empresa no Hugging Face, verificada em 6 de outubro, não tem nada mais recente do que julho, e as suas entradas mais recentes não estão relacionadas com a linha Large.

Isto não é uma crítica ao plano; a liberação escalonada dos pesos após uma janela de red-teaming é uma política coerente, e a Mistral é explícita quanto a isso. É uma advertência sobre o adjetivo. "Open-weight" está fazendo trabalho de marketing em um parágrafo no qual os pesos só chegam daqui a quatro semanas, e a licença que os rege não foi nomeada. Uma licença permissiva e termos ao estilo Apache são um desfecho; uma licença apenas para pesquisa ou com teto de receita é outro, e o anúncio não escolhe entre eles.

O que verificar antes do final de outubro

Cinco coisas transformariam esta prévia em um fato estabelecido, e cada uma é verificável sem perguntar nada à Mistral:

• Um repositório Hugging Face sob a organização Mistral que contém o checkpoint e um ficheiro de licença — o lançamento que a Mistral se comprometeu a fazer este mês

• O próprio nome da licença, que determina se "open weight" significa liberdade ao estilo Apache-2.0 ou uma concessão com limite de uso

• Se a tarifa promocional de US$ 0,68 / US$ 2,09 se mantém, ou reverte para US$ 1,36 / US$ 4,18 na tabela de tarifas

• Se a Artificial Analysis transfere os números de codificação avaliados de forma privada para o seu índice público quando o harness for lançado, e se estes se mantêm nos mesmos valores

• A janela de contexto servida, atualmente listada como 1M pelo fornecedor e lida como 524.288 pelo laboratório independente

Até que essas questões se resolvam, a postura correta em relação ao Mistral Large 4 é a que o próprio lançamento dele convida: chame-o, avalie-o na sua carga de trabalho e mantenha o caminho de produção em um modelo cujo comportamento não está programado para mudar. Os pesos são o evento. A prévia é o trailer.