> ## Content Index
> Fetch the complete content index at: https://blog.diegomirhan.com/llms.txt
> Use this file to discover other available public pages before exploring further.

# Mistral Large 4 abre os pesos, mas a licença exige contrato para vender acesso
- URL: https://blog.diegomirhan.com/mistral-large-4-pesos-abertos-licenca/
- Published: 2026-10-29T22:41:17.000Z
- Updated: 2026-10-29T22:41:17.000Z
- Description: O Mistral Large 4 lidera os pesos abertos de fora da China por um ponto. A licença é uma MIT modificada: quem vende acesso como API precisa de contrato.
- Author: Diego Rodrilla Mirhan
- Tags: Notícias, Modelos, Open source, #pipeline

A Mistral liberou nesta quinta os pesos do Mistral Large 4, um modelo de cerca de 1 trilhão de parâmetros, segundo o [anúncio da empresa](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com). Na avaliação da Artificial Analysis, ele é o modelo de pesos abertos mais bem colocado fora da China, de acordo com a [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com). Para quem constrói software, a notícia está menos no ranking e mais na licença e na conta.

Neste post

1. [O que a Mistral liberou](#o-que-a-mistral-liberou)
2. [Os números, e de quem são](#os-n%C3%BAmeros-e-de-quem-s%C3%A3o)
3. [A licença é o ponto mais fácil de errar](#a-licen%C3%A7a-%C3%A9-o-ponto-mais-f%C3%A1cil-de-errar)
4. [O que muda para quem constrói software](#o-que-muda-para-quem-constr%C3%B3i-software)
5. [O que ainda não se sabe](#o-que-ainda-n%C3%A3o-se-sabe)

## O que a Mistral liberou

O Mistral Large 4, apelidado de "Le Chonk", usa a arquitetura MoE (mixture of experts, em que só uma parte dos parâmetros trabalha em cada token). A Mistral o descreve como um modelo híbrido de instrução e raciocínio, com entrada de texto e imagem, no [anúncio](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com). A página da [Artificial Analysis](https://artificialanalysis.ai/models/mistral-large-4?ref=blog.diegomirhan.com) lista 1,1 trilhão de parâmetros no total, 52 bilhões ativos por token e janela de contexto de 1 milhão de tokens.

A empresa ofereceu uma prévia pela API em 6 de outubro e planejava publicar os pesos em 27 de outubro. Eles chegaram em 29 de outubro, depois de cerca de três semanas a mais de aprendizado por reforço e de testes com clientes e parceiros de segurança, conforme a [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com).

O modelo tem três modos de raciocínio (baixo, médio e alto), e o alto é o padrão para tarefas difíceis. A API custa US$ 0,70 por milhão de tokens de entrada e US$ 2,10 por milhão de saída, valores que a [Mistral](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com) e a [Artificial Analysis](https://artificialanalysis.ai/models/mistral-large-4?ref=blog.diegomirhan.com) confirmam. Na prévia, o preço era de US$ 1,36 e US$ 4,18, segundo a VentureBeat.

## Os números, e de quem são

Aqui vale separar quem mediu o quê: a Artificial Analysis é uma avaliadora independente, e parte dos números vem da própria Mistral.

No Intelligence Index v5, da [Artificial Analysis](https://artificialanalysis.ai/models/mistral-large-4?ref=blog.diegomirhan.com), o Mistral Large 4 no modo alto marca 26 pontos. A [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com) conta que o Muse Spark Open, da Meta, marca 25, e que o DeepSeek V4.1 Flash e o GLM-5.3 marcam 32 cada. Então ele lidera os pesos abertos de fora da China por um ponto, mas fica seis atrás dos dois líderes chineses. A própria matéria diz que não há prova de que uma diferença de um ponto seja estatisticamente significativa.

O custo para rodar o índice caiu de US$ 5,54 na prévia para US$ 2,06, uma redução de 63%, segundo a [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com). Parte disso vem do preço da API, que caiu quase pela metade. Outra parte vem de o modelo escrever menos: a mesma matéria fala em 82 mil tokens de saída por tarefa, contra 135 mil na prévia.

Em código, a história depende de quem mede. A Mistral diz que o modelo marca 48 pontos no Coding Agent Index, "praticamente empatado" com o GLM-5.3, usando 47% menos tokens por tarefa, segundo o [anúncio](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com). No Terminal-Bench 4.0, a Mistral reporta 41%, mas a Artificial Analysis registra 25%, conforme a [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com). No FrontierCode 2.0 são 19,7% contra 15%. A matéria não resolve qual número vale para qual uso.

## A licença é o ponto mais fácil de errar

Muita gente vai ler "pesos abertos" e entender "MIT". Não é bem isso. A licença se chama Mistral Ecosystem Open-Weight License e é uma MIT modificada. O modelo pode ser usado, modificado, ajustado e comercializado, com uma condição: empresas que operam um serviço de modelo como serviço precisam de uma licença comercial separada da Mistral, segundo o [anúncio](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com).

A [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com) resume a leitura prática. Não há limite de receita. O que conta é dar a terceiros acesso de inferência ou pós-treino, por API ou endpoint hospedado, com controle relevante sobre entradas, parâmetros ou dados de treino. Produtos para o usuário final que só embutem o modelo em funções específicas ficam fora dessa definição, assim como o uso interno que não entrega o modelo a terceiros. Essa é a leitura da matéria, não um parecer jurídico, e eu não li o texto completo da licença.

Na prática, uma empresa que usa o modelo dentro do próprio produto parece estar do lado seguro. Quem pensa em revender o acesso como API deveria falar com a Mistral antes.

## O que muda para quem constrói software

O ponto prático é o tamanho. Um trilhão de parâmetros não cabe numa placa de vídeo comum. Pela minha conta, com 4 bits por parâmetro, só os pesos já passam de 500 GB, antes de contexto e cache. A Mistral não publicou requisitos de hardware no [anúncio](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com), então trate esse número como estimativa minha. Meu post sobre o [Muse Spark Open](https://blog.diegomirhan.com/muse-spark-open-pesos-abertos-700-gb-de-memoria/) tem a mesma lição: peso aberto não quer dizer que roda no seu computador.

Para a maioria das equipes, o caminho será usar a API da Mistral, o OpenRouter ou o Microsoft Foundry, onde o modelo já está disponível, segundo a [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com). Quem tem infraestrutura própria pode servir os pesos com vLLM ou SGLang, conforme a [Mistral](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com). A vantagem de baixar os pesos aparece com dados sensíveis, com ajuste fino e em não depender de um único fornecedor.

Na API, a conta ficou menor, mas a entrada ainda é considerada "um pouco cara" pela [Artificial Analysis](https://artificialanalysis.ai/models/mistral-large-4?ref=blog.diegomirhan.com), que compara com a mediana de US$ 0,50 por milhão de tokens dos modelos abertos de porte parecido. O custo por tarefa de US$ 2,06 deixa o modelo na 15ª posição entre 20 na lista da página. E esse custo não inclui hospedagem própria nem revisão humana, como lembra a VentureBeat.

## O que ainda não se sabe

A taxa de alucinação do modelo é de 28%, contra 41% na prévia, e a acurácia no teste AA-Omniscience é de 26%, de acordo com a [VentureBeat](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com). O Muse Spark Open alucina na mesma taxa, mas acerta 42%. Ou seja, o Mistral Large 4 erra tanto quanto o rival e acerta bem menos.

Em segurança, a Mistral reporta recusa média de 96,6% em pedidos maliciosos de ataque cibernético, medição da própria empresa. O anúncio admite o risco de ajudar ataques reais e diz que as proteções estão sendo ajustadas. O relatório técnico ainda aparece como "em breve" na [página da Mistral](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com).

Minha leitura é que o Mistral Large 4 serve a quem precisa de pesos abertos fora da China e aceita a condição da licença. Não acho que ele mude o jogo em código, porque os líderes chineses continuam à frente no índice geral. A escolha real é entre o ranking e o controle sobre o modelo. Vou olhar de novo quando saírem o relatório técnico e as primeiras medições de quem rodou o modelo em hardware próprio.

## Fontes

- [Mistral Large 4 (Le Chonk) is now open weight](https://mistral.ai/news/mistral-large-4-oss/?ref=blog.diegomirhan.com), Mistral AI, 29 out. 2026
- [Mistral Large 4 "Le Chonk" arrives as the top open model outside China](https://venturebeat.com/technology/mistral-large-4-le-chonk-arrives-as-the-top-open-model-outside-china-with-improved-coding-performance-and-63-lower-cost-per-task?ref=blog.diegomirhan.com), VentureBeat, 29 out. 2026
- [Mistral Large 4: Intelligence, Performance & Price Analysis](https://artificialanalysis.ai/models/mistral-large-4?ref=blog.diegomirhan.com), Artificial Analysis, out. 2026