A Mistral liberou em 29 de outubro os pesos do Large 4, apelidado de “Le Chonk”, depois de apresentar uma prévia pública em 6 de outubro.[9][18] No Terminal Bench 4.0, o resultado divulgado passou de 28% para 41%. A empresa também informa 48% no Artificial Analysis Coding Agent Index, empatado com o GLM 5.3 e usando...
Publicado porImagens geradas com GPT Image 2
Resposta de pesquisa

Create a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general web, ai safety, openai, agents, ai. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
A Mistral, empresa francesa de inteligência artificial, liberou em 29 de outubro os pesos do Mistral Large 4, conhecido pelo apelido “Le Chonk”. O lançamento veio depois da prévia pública apresentada em 6 de outubro.9
18
A novidade dá a desenvolvedores a possibilidade de baixar e adaptar os pesos do modelo, em vez de depender exclusivamente de uma API. Isso não significa automaticamente que o modelo seja software de código aberto sob qualquer definição: a licença publicada pela Mistral é uma versão modificada da MIT.7
Na programação, a Mistral informa que o Large 4 subiu de 28% para 41% no Terminal-Bench 4.0, uma avaliação de tarefas feitas em terminal. No Artificial Analysis Coding Agent Index, teria marcado 48% — empatado com o GLM-5.3 e usando 47% menos tokens por tarefa.10
11
Esses números apontam para um avanço nos testes citados, mas não provam que o modelo será melhor em todo tipo de projeto. O desempenho pode variar conforme a tarefa, as ferramentas usadas e a configuração escolhida. Também não há, nas informações disponíveis, confirmação suficiente para afirmar que o treinamento adicional por reforço durou exatamente três semanas.
A documentação descreve o Large 4 como um modelo multimodal com arquitetura Mixture of Experts: são 1,05 trilhão de parâmetros no total, 52 bilhões ativos e um codificador de visão de 1,6 bilhão de parâmetros.1 A Mistral diz que o treinamento usou 3.800 GPUs Nvidia Grace Blackwell em seus centros de dados na Europa.
15
A licença dos pesos se chama Mistral Ecosystem Open-Weight License e é descrita no repositório como uma versão modificada da MIT.7 Uma análise secundária afirma que há restrições adicionais para revendedores que oferecem o modelo como serviço.
12 Como os termos podem afetar usos comerciais, quem pretende hospedar o modelo para terceiros deve consultar a licença completa, em vez de presumir que ela equivale a uma MIT sem alterações.
Na área de cibersegurança, fontes secundárias atribuem ao modelo 51% no Cyber Index e uma taxa média de recusa de 96,6% diante de solicitações cibernéticas maliciosas.8 São resultados de avaliações divulgados, não uma garantia de que o modelo recusará todo pedido perigoso ou estará livre de uso indevido. As informações disponíveis também não detalham o suficiente a metodologia para interpretar esses números como uma medida abrangente de segurança.
Para equipes técnicas, pesos disponíveis para download podem ampliar as opções de execução e adaptação do modelo. O dado de menor uso de tokens nos testes de programação também pode ser relevante, mas, sozinho, não demonstra que operar o sistema será mais barato: custos dependem de fatores como hardware, latência e tipo de tarefa.
A leitura mais segura é separar as alegações de desempenho das conclusões mais amplas. O Large 4 marca uma nova opção de pesos abertos da Mistral, com resultados divulgados em programação e cibersegurança; avaliar sua utilidade exige testar tarefas reais e entender as condições da licença.
Studio Global AI
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
A Mistral liberou em 29 de outubro os pesos do Large 4, apelidado de “Le Chonk”, depois de apresentar uma prévia pública em 6 de outubro.[9][18]
A Mistral liberou em 29 de outubro os pesos do Large 4, apelidado de “Le Chonk”, depois de apresentar uma prévia pública em 6 de outubro.[9][18] No Terminal Bench 4.0, o resultado divulgado passou de 28% para 41%. A empresa também informa 48% no Artificial Analysis Coding Agent Index, empatado com o GLM 5.3 e usando 47% menos tokens por tarefa.[10][11]
O modelo é multimodal e usa arquitetura Mixture of Experts: tem 1,05 trilhão de parâmetros no total e 52 bilhões ativos, segundo a documentação da Mistral.[1]
A Mistral liberou em 29 de outubro os pesos do Large 4, apelidado de “Le Chonk”, depois de apresentar uma prévia pública em 6 de outubro.[9][18] No Terminal Bench 4.0, o resultado divulgado passou de 28% para 41%. A empresa também informa 48% no Artificial Analysis Coding Agent Index, empatado com o GLM 5.3 e usando...
Publicado porImagens geradas com GPT Image 2
Resposta de pesquisa

Create a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general web, ai safety, openai, agents, ai. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
A Mistral, empresa francesa de inteligência artificial, liberou em 29 de outubro os pesos do Mistral Large 4, conhecido pelo apelido “Le Chonk”. O lançamento veio depois da prévia pública apresentada em 6 de outubro.9
18
A novidade dá a desenvolvedores a possibilidade de baixar e adaptar os pesos do modelo, em vez de depender exclusivamente de uma API. Isso não significa automaticamente que o modelo seja software de código aberto sob qualquer definição: a licença publicada pela Mistral é uma versão modificada da MIT.7
Na programação, a Mistral informa que o Large 4 subiu de 28% para 41% no Terminal-Bench 4.0, uma avaliação de tarefas feitas em terminal. No Artificial Analysis Coding Agent Index, teria marcado 48% — empatado com o GLM-5.3 e usando 47% menos tokens por tarefa.10
11
Esses números apontam para um avanço nos testes citados, mas não provam que o modelo será melhor em todo tipo de projeto. O desempenho pode variar conforme a tarefa, as ferramentas usadas e a configuração escolhida. Também não há, nas informações disponíveis, confirmação suficiente para afirmar que o treinamento adicional por reforço durou exatamente três semanas.
A documentação descreve o Large 4 como um modelo multimodal com arquitetura Mixture of Experts: são 1,05 trilhão de parâmetros no total, 52 bilhões ativos e um codificador de visão de 1,6 bilhão de parâmetros.1 A Mistral diz que o treinamento usou 3.800 GPUs Nvidia Grace Blackwell em seus centros de dados na Europa.
15
A licença dos pesos se chama Mistral Ecosystem Open-Weight License e é descrita no repositório como uma versão modificada da MIT.7 Uma análise secundária afirma que há restrições adicionais para revendedores que oferecem o modelo como serviço.
12 Como os termos podem afetar usos comerciais, quem pretende hospedar o modelo para terceiros deve consultar a licença completa, em vez de presumir que ela equivale a uma MIT sem alterações.
Na área de cibersegurança, fontes secundárias atribuem ao modelo 51% no Cyber Index e uma taxa média de recusa de 96,6% diante de solicitações cibernéticas maliciosas.8 São resultados de avaliações divulgados, não uma garantia de que o modelo recusará todo pedido perigoso ou estará livre de uso indevido. As informações disponíveis também não detalham o suficiente a metodologia para interpretar esses números como uma medida abrangente de segurança.
Para equipes técnicas, pesos disponíveis para download podem ampliar as opções de execução e adaptação do modelo. O dado de menor uso de tokens nos testes de programação também pode ser relevante, mas, sozinho, não demonstra que operar o sistema será mais barato: custos dependem de fatores como hardware, latência e tipo de tarefa.
A leitura mais segura é separar as alegações de desempenho das conclusões mais amplas. O Large 4 marca uma nova opção de pesos abertos da Mistral, com resultados divulgados em programação e cibersegurança; avaliar sua utilidade exige testar tarefas reais e entender as condições da licença.
Studio Global AI
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
A Mistral liberou em 29 de outubro os pesos do Large 4, apelidado de “Le Chonk”, depois de apresentar uma prévia pública em 6 de outubro.[9][18]
A Mistral liberou em 29 de outubro os pesos do Large 4, apelidado de “Le Chonk”, depois de apresentar uma prévia pública em 6 de outubro.[9][18] No Terminal Bench 4.0, o resultado divulgado passou de 28% para 41%. A empresa também informa 48% no Artificial Analysis Coding Agent Index, empatado com o GLM 5.3 e usando 47% menos tokens por tarefa.[10][11]
O modelo é multimodal e usa arquitetura Mixture of Experts: tem 1,05 trilhão de parâmetros no total e 52 bilhões ativos, segundo a documentação da Mistral.[1]