A Mistral anunciou em 29 de outubro a abertura dos pesos do Mistral Large 4, apelidado de Le Chonk, com melhorias declaradas para agentes que criam software. A novidade vem acompanhada de uma condição comercial: empresas que operam uma oferta de modelo como serviço precisam de licença separada para uso comercial.

Esta é uma análise do anúncio oficial da Mistral, cruzado com a documentação e a publicação do Hugging Face. Os resultados de desempenho citados são divulgados pelo fornecedor, não testes feitos pelo ibe.IA.

O que foi anunciado agora?

O fato novo é a abertura dos pesos de uma versão melhorada do Large 4. A apresentação inicial aconteceu em 6 de outubro, quando o modelo entrou em preview público e a liberação dos pesos ainda era uma promessa para o fim do mês, conforme o registro original da Mistral.

Pesos são os parâmetros aprendidos pelo modelo durante o treinamento. Ter acesso a eles permite executar e adaptar o modelo fora da API do fabricante, respeitando sua licença.

O Hugging Face publicou em 29 de outubro uma apresentação da distribuição em duas variantes oficiais, FP8 e NVFP4, além de mencionar versões GGUF da comunidade. Isso ajuda a distinguir a notícia de hoje do anúncio do começo do mês.

O que os números de código realmente mostram?

Segundo a Mistral, o Large 4 marca 48% no Artificial Analysis Coding Agent Index, praticamente empatado com GLM-5.3, usando em média 47% menos tokens por tarefa. No Terminal-Bench 4.0, a empresa informa avanço de 28% no preview para 41%, com redução de 30% nos tokens de saída.

São indicadores de avaliações específicas. Uma pontuação de 41% nesse benchmark não significa que a IA vai concluir 41% das demandas da sua empresa, nem que as demais respostas serão inúteis.

Para quem cria produto, a comparação útil é mais concreta: o agente conseguiu corrigir o problema, passou nos testes e entregou uma alteração aceitável? Economizar tokens numa tentativa que precisa ser refeita pode não economizar dinheiro no trabalho completo.

Um teste próprio pode usar, por exemplo, três demandas conhecidas: corrigir um erro reproduzível, acrescentar um campo numa tela e ajustar uma integração. Esse é um roteiro sugerido de avaliação, não um experimento que realizamos com o modelo.

Quanto custa usar pela API?

A ficha oficial lista US$ 0,70 por milhão de tokens de entrada, US$ 0,07 para entrada em cache e US$ 2,10 por milhão de tokens de saída. Na página do preview, os valores exibidos eram US$ 1,36 na entrada e US$ 4,18 na saída.

Os preços atuais correspondem a uma queda de aproximadamente 48,5% e 49,8%, respectivamente, em relação àqueles valores exibidos. A comparação é entre as tabelas consultadas, não entre faturas de clientes ou promoções individuais.

Num exemplo hipotético, uma tarefa com 1 milhão de tokens de entrada sem cache e 200 mil de saída custaria US$ 1,12 em tokens nessa tabela: US$ 0,70 mais US$ 0,42. Ferramentas externas, hospedagem e outras cobranças não estão incluídas nessa conta.

A mesma ficha informa contexto de 1 milhão de tokens e recursos como chamadas de funções e respostas estruturadas. Contexto é capacidade de receber informação; por si só, não comprova que o modelo vai usar corretamente cada detalhe de um repositório grande.

Pesos abertos significam uso comercial irrestrito?

Não. O anúncio descreve a Mistral Ecosystem Open-Weight como uma licença derivada da MIT, com condição específica para empresas que operam ofertas de Model-as-a-Service. O Hugging Face também destaca essa limitação.

A comunicação da Mistral permite uso, modificação, ajuste e comercialização, mas exige licença comercial separada para aquelas empresas antes do uso comercial do modelo. Não trate o rótulo “aberto” como autorização automática para qualquer modelo de negócio.

Criar um aplicativo que usa IA e operar um negócio que oferece modelos como serviço são propostas diferentes. Se o seu plano encosta nessa fronteira, confira o texto da licença indicado pelo fornecedor antes de definir a arquitetura e a oferta.

A ficha técnica também mostra a escala envolvida: 1,05 trilhão de parâmetros totais, com 52 bilhões ativos e um codificador visual de 1,6 bilhão. O model card dos pesos esclarece a diferença: são 49 bilhões ativos por token, ou 52 bilhões incluindo embeddings e camadas de saída. Essa contagem não é uma especificação de infraestrutura mínima.

O que vale testar antes de trocar o motor do seu produto?

Minha leitura: a abertura amplia as opções de quem cria software, mas a decisão deve passar pelo custo da tarefa concluída. Acesso aos pesos acrescenta controle; operar o modelo também passa a fazer parte do trabalho.

No seu teste, registre quatro coisas: resultado entregue, custo total, tempo até a conclusão e quantidade de intervenção humana. Use a mesma demanda e o mesmo critério de aceite para comparar as opções.

Um exemplo hipotético: se a tarefa é corrigir uma cobrança duplicada, “o código compilou” é um critério incompleto. O resultado precisa demonstrar que a duplicação deixou de ocorrer e que o fluxo válido continua funcionando.

Para quem está começando, a API oferece um caminho para avaliar o comportamento antes de assumir a operação de um modelo desse porte. Para quem já tem infraestrutura, os pesos abertos permitem investigar outra combinação de controle e custo. Nenhuma dessas escolhas dispensa verificar o software produzido.

Quer transformar essas possibilidades em produto? A Formação em Vibe Coding do ibe.IA ensina a criar aplicativos e sistemas com IA, conectando a ideia ao desenvolvimento do projeto.

Conheça a Formação em Vibe Coding.

E para acompanhar análises práticas sobre criação com IA, siga o ibe.IA no Instagram: @ibe.ia.

Fonte