# O Le Chonk da Mistral tem um grande desafio

> A aposta da Europa na independência da IA acaba de ganhar um mascote de um trilhão de parâmetros — e uma séria chance na liderança de modelos de pesos abertos. Mas o tamanho do modelo esconde uma questão mais difícil: quem realmente pode usá-lo?

- Source: https://www.stork.ai/blog/pt/mistrals-le-chonk-has-a-huge-catch
- Publisher: Stork.AI editorial team
- Published: 2026-10-07
- Updated: 2026-10-07
- Language: pt
- Reading time: 4 min

## Conheça o Le Chonk: a aposta de um trilhão de parâmetros da Europa

A Mistral AI acaba de lançar uma bomba: **Mistral AI Large 4**, carinhosamente apelidado de "Le Chonk". Este não é um modelo com nova roupagem vindo do exterior. É um modelo de fronteira desenvolvido do zero na Europa, sinalizando uma jogada séria pela soberania da IA.

O Le Chonk opera em uma arquitetura de **mistura de especialistas esparsa (MoE)**, ostentando impressionantes 1,05 trilhão de parâmetros no total. Não deixe que esse número o engane fazendo pensar que ele consome muitos recursos; apenas cerca de 49 bilhões de parâmetros são ativamente engajados por token, tornando-o eficiente onde importa.

O modelo é uma fera multimodal, aceitando entradas de texto e imagem. Ele unifica instruções, raciocínio e capacidades agenticas sofisticadas em um único pacote. Por enquanto, você pode experimentá-lo via prévia de API; os downloads de pesos abertos estão previstos para o final de outubro.

## Os benchmarks são fortes — com asteriscos

Os benchmarks são fortes — com asteriscos. O vídeo da Mistral AI cita resultados impressionantes para o **Le Chonk**: segundo lugar no DeepSWE 1.1 e no Terminal Bench, além de uma pontuação líder no índice cibernético da Artificial Analysis. Estes são números sólidos para um modelo de pesos abertos.

No entanto, o contexto é crucial. Modelos chineses de pesos abertos, como [Kimi K3](/en/kimik3) e [GLM 5.3](/en/glm-5-3), continuam sendo concorrentes formidáveis, muitas vezes superando o Le Chonk em inteligência geral e tarefas de codificação. O próprio vídeo coloca sistemas de fronteira fechados de laboratórios dos EUA, como o [GPT-6.1 Soul](/en/openai-news-partner-api) da OpenAI e o [Opus 5.5](/en/anthropic-workbench) da Anthropic, seis meses à frente em medidas amplas de inteligência.

As classificações de benchmark são uma função de tarefas específicas, estruturas de avaliação e o conjunto de comparação. Uma pontuação alta no índice cibernético da Artificial Analysis demonstra um desempenho forte em testes específicos de cibersegurança, mas não é uma garantia universal da segurança ou superioridade do modelo em todos os domínios. Considere essas pontuações como evidência de capacidade, não como uma declaração absoluta de domínio.

## API barata, controle caro

A API de prévia pública da Mistral AI para o Le Chonk oferece taxas de **US$ 1,36 por milhão de tokens de entrada** e **US$ 4,18 por milhão de tokens de saída**. Embora esses preços por token sejam baixos para um modelo desse calibre, o valor real reside nas capacidades de modelos hospedados mais fortes, que geralmente vêm com um preço mais alto, porém justificável.

A compensação por preços tão agressivos, especialmente para um modelo de um trilhão de parâmetros, é muitas vezes o controle. A auto-hospedagem do Le Chonk oferece às empresas um comando inigualável sobre dados, implantação e salvaguardas. Mas mesmo com uma arquitetura de Mistura de Especialistas (MoE), onde apenas um subconjunto de seus **49 bilhões de parâmetros ativos** é engajado por token, um modelo de 1T de parâmetros ainda exige memória e infraestrutura substanciais.

A Mistral AI está adotando uma abordagem deliberada para seu lançamento de cibersegurança. A empresa afirma que está realizando testes de red-teaming no Le Chonk com parceiros verificados e autoridades estatais, permitindo o acesso público sob salvaguardas rigorosas. Isso distingue sua estratégia de simplesmente alegar capacidades irrestritas para cada usuário, alinhando-se com uma implantação responsável de modelos de fronteira. Para mais detalhes sobre a abordagem deles, veja [Introducing Mistral AI Large 4](https://MistralAI.ai/news/introducing-MistralAI-large-4/).

## O verdadeiro teste é se os desenvolvedores conseguem usá-lo

O verdadeiro teste para qualquer modelo, não importa o quão robusto seja, é se os desenvolvedores conseguem realmente utilizá-lo. O teste prático de Matthew Berman com a API de visualização pública do Le Chonk usando um harness de codificação agentic encontrou um obstáculo: o excesso de saída de raciocínio esgotou rapidamente a janela de contexto. Números de desempenho bruto e preços baixos de API significam pouco se o modelo não for praticamente utilizável.

A adoção em massa exige mais do que apenas pesos brutos e tokens a preço de banana. Os desenvolvedores precisam de uma configuração simples, comportamento previsível da janela de contexto e integrações polidas que não entrem em conflito com seus fluxos de trabalho. A promessa de **$1,36 por milhão de tokens de entrada** e **$4,18 por milhão de tokens de saída** é atraente, mas o atrito na camada de integração pode anular qualquer economia de custos.

Em última análise, o Le Chonk é um marco significativo para a soberania da IA europeia e um legítimo **concorrente de pesos abertos**. Seu verdadeiro impacto, no entanto, depende de vários fatores:
- Disponibilidade oportuna de **pesos**
- Termos de licença flexíveis
- Usabilidade no mundo real
- Desempenho sustentado e previsível

Se a Mistral AI cumprir essas promessas, o Le Chonk pode ser mais do que apenas um grande modelo; pode ser um catalisador. Caso contrário, nem um trilhão de parâmetros o salvará de se tornar apenas mais um artefato impressionante, porém, em última análise, impraticável.

## Perguntas Frequentes

### O que é o Mistral Large 4, ou Le Chonk?

[Mistral Large 4](/en/mistral-ai-platform) é o modelo multimodal de mistura de especialistas (mixture-of-experts) da Mistral AI, anunciado como uma visualização de API pública e projetado para instruções, raciocínio e tarefas agentic.

### Quantos parâmetros o Mistral Large 4 utiliza?

Ele possui cerca de 1,05 trilhão de parâmetros totais, com aproximadamente 49 bilhões ativos por token. O modelo completo ainda requer hardware substancial para ser auto-hospedado.

### Quanto custa a API do Mistral Large 4?

O preço da visualização é de $1,36 por milhão de tokens de entrada e $4,18 por milhão de tokens de saída, de acordo com o anúncio citado.

### É possível baixar e executar o Le Chonk agora?

A visualização pública está disponível através da API da Mistral. O vídeo menciona que os pesos são esperados para mais tarde; verifique o anúncio oficial da Mistral para o status atual de lançamento e licenciamento.
