RespostasPublicado25 fontes
Mistral Large 4: avanço na programação, promessas em cibersegurança e ressalvas
A Mistral liberou os pesos do Large 4 em 29 de outubro. A empresa afirma que o resultado no Terminal Bench 4.0 subiu de 28% para 41% após treinamento adicional.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- A Mistral liberou os pesos do Large 4 em 29 de outubro. A empresa afirma que o resultado no Terminal Bench 4.0 subiu de 28% para 41% após treinamento adicional.
- O modelo multimodal tem 1,05 trilhão de parâmetros no total. Sua licença é uma versão modificada da MIT, então vale conferir as condições antes de oferecer acesso ao modelo como serviço.
- A Mistral também reporta 51% no Cyber Index e uma taxa média de recusa de 96,6% a pedidos maliciosos relacionados a cibersegurança.
Prompt de IA
openai.comCreate 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, general web, user generated, documentation. 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,
A Mistral liberou os pesos do Mistral Large 4, apelidado de “Le Chonk”, em 29 de outubro, depois de apresentar uma versão prévia em 6 de outubro. A empresa descreve o lançamento como uma opção de pesos abertos com desempenho reforçado em programação e cibersegurança defensiva. Os resultados divulgados chamam atenção, mas dizem respeito a testes específicos — não são prova de que o modelo seja o melhor para qualquer tipo de tarefa.4
7
9
18
O que mudou desde a versão prévia?
Segundo a Mistral, uma etapa adicional de aprendizado por reforço elevou a pontuação do Large 4 no Terminal-Bench 4.0 de 28% na prévia para 41% na versão lançada: um aumento de 13 pontos percentuais.21
31 A empresa também reporta 48% no Coding Agent Index, da Artificial Analysis, empatando com o GLM-5.3. Nessa comparação, reportagens afirmam que o Large 4 usou 47% menos tokens por tarefa.
31
35
Esses números se referem a avaliações específicas. Eles não demonstram desempenho em todo tipo de trabalho de programação nem provam que usar menos tokens resulte automaticamente em menor custo total de operação. As informações disponíveis também não trazem uma comparação numérica, direta e fundamentada entre o Large 4 e o Mythos 5.1, da Anthropic.
Um modelo multimodal com 1,05 trilhão de parâmetros
A documentação da Mistral descreve o Large 4 como um modelo multimodal de mistura de especialistas, com 1,05 trilhão de parâmetros no total e um codificador visual de 1,6 bilhão de parâmetros.17 Esse total precisa de contexto: a descrição do modelo no Hugging Face informa 49 bilhões de parâmetros ativos por token — ou 52 bilhões quando são incluídos os embeddings e a camada de saída.
20
No anúncio da prévia, a Mistral afirmou que o modelo foi treinado com 3.800 GPUs Nvidia Grace Blackwell em seus centros de dados europeus.6 Reportagens sobre o lançamento mencionam três níveis de esforço de raciocínio — baixo, médio e alto — para que o usuário escolha quanto processamento dedicar à tarefa.
34
Pesos abertos não significam licença MIT padrão
Os pesos estão disponíveis pelo Hugging Face, sob a licença Mistral Ecosystem Open-Weight License. O texto da licença a descreve como uma versão modificada da MIT.18
32 Portanto, “pesos abertos” não significa que toda forma de redistribuição ou oferta de acesso hospedado esteja automaticamente coberta pelos termos padrão da MIT. Antes de criar um serviço comercial, é importante consultar a licença e confirmar quais condições se aplicam ao uso pretendido.
32
36
Na prática, a disponibilização dos pesos permite que equipes obtenham o modelo, em vez de depender exclusivamente do acesso pela API de um fornecedor. Isso pode viabilizar hospedagem própria ou modificações no modelo, mas o lançamento, por si só, não determina a infraestrutura necessária para cada implantação.
As alegações de cibersegurança pedem cautela
A cobertura do lançamento reporta 51% no Artificial Analysis Cyber Index e uma taxa média de recusa de 96,6% a solicitações maliciosas relacionadas a cibersegurança.31
33 São resultados de avaliações reportados, não uma garantia de que o modelo recusará todos os pedidos nocivos ou de que a abertura dos pesos não traga riscos de uso indevido.
Uma pontuação em segurança defensiva e a resistência a pedidos maliciosos medem aspectos diferentes. Esses números devem ser avaliados junto com os detalhes dos testes e as necessidades de cada implantação; isoladamente, não resolvem a questão dos riscos de disponibilizar amplamente um modelo.
O que o lançamento mostra — e o que não comprova
O Large 4 acrescenta uma opção europeia de pesos abertos a um mercado que inclui modelos abertos e fechados de outras regiões. A Mistral destaca a infraestrutura europeia usada no treinamento e os resultados do modelo diante de concorrentes de pesos abertos.6
15
18 Para quem avalia o lançamento, o ponto concreto é poder acessar os pesos e implantá-los — não uma conclusão geral sobre a qualidade do modelo baseada no país de origem da empresa.
A conclusão mais bem sustentada é mais específica: a Mistral reporta ganhos relevantes em testes de programação entre a prévia e a versão lançada, além de uma pontuação competitiva em agentes de programação com menor uso de tokens em uma comparação. Isso pode fazer valer a pena testar o Large 4 nas tarefas da própria equipe. Não comprova superioridade ampla, não confirma de forma independente todas as alegações de cibersegurança e não dispensa a análise da licença e dos riscos de implantação.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Mistral Large 4: avanço na programação, promessas em cibersegurança e ressalvas"?
A Mistral liberou os pesos do Large 4 em 29 de outubro. A empresa afirma que o resultado no Terminal Bench 4.0 subiu de 28% para 41% após treinamento adicional.
Quais são os pontos-chave para validar primeiro?
A Mistral liberou os pesos do Large 4 em 29 de outubro. A empresa afirma que o resultado no Terminal Bench 4.0 subiu de 28% para 41% após treinamento adicional. O modelo multimodal tem 1,05 trilhão de parâmetros no total. Sua licença é uma versão modificada da MIT, então vale conferir as condições antes de oferecer acesso ao modelo como serviço.
O que devo fazer a seguir na prática?
A Mistral também reporta 51% no Cyber Index e uma taxa média de recusa de 96,6% a pedidos maliciosos relacionados a cibersegurança.