Mistral Large 4: Custos, Infraestrutura e Segurança
A laboratório francês Mistral lançou o Mistral Large 4, um modelo multimodal com um trilhão de parâmetros, apelidado internamente de “Le Chonk”. Diferente de concorrentes que utilizam centenas de milhares de chips, a empresa treinou o sistema do zero usando 4.000 GPUs Nvidia Grace Blackwell em seus próprios data centers na Europa.
O que muda na rotina de cibersegurança das empresas?
Segundo o TechCrunch e o ZDNET, modelos fechados norte-americanos frequentemente bloqueiam solicitações para reproduzir vulnerabilidades de software devido a filtros rígidos de segurança. O ML4 foi estruturado para permitir que equipes de TI mapeiem e corrijam falhas reais sem o risco de interrupções arbitrárias de acesso por parte de fornecedores terceirizados.
Em avaliações técnicas citadas pelo The Decoder, o ML4 atingiu 82% de sucesso ao reproduzir e corrigir vulnerabilidades em códigos abertos. Modelos como o Claude Opus 5.5 e o GPT-6 Astra pontuaram próximo de zero no mesmo teste unicamente porque suas travas de segurança recusaram o comando.
Quais são as condições de acesso e custos da versão preliminar?
O modelo está disponível no momento apenas por meio de um endpoint com proteções controladas. Conforme apurado pelo TechCrunch, a liberação dos pesos do modelo ocorrerá em 27 de outubro, concedendo às empresas e autoridades governamentais um mês de testes controlados.
Para o planejamento de custos na infraestrutura, a prévia roda sobre a mesma arquitetura de treinamento. O preço cobrado pela API é de US$ 0,68 por milhão de tokens de entrada e US$ 2,09 por milhão de saída, com entradas em cache a US$ 0,07 — embora a documentação aponte tarifas dobradas em outras modalidades.
Fontes
Perguntas frequentes
- Quando os pesos do Mistral Large 4 serão liberados?
- A Mistral planeja disponibilizar os pesos do modelo em 27 de outubro, após um mês de testes de segurança com parceiros e órgãos governamentais.
- Quantas GPUs foram utilizadas no treinamento do ML4?
- O modelo de 1 trilhão de parâmetros foi treinado do zero utilizando 4.000 GPUs Nvidia Grace Blackwell em data centers próprios na Europa.
- Por que modelos fechados têm pontuação baixa em testes de cibersegurança?
- Modelos concorrentes de OpenAI e Anthropic registram pontuação próxima de zero em testes de correção de falhas porque seus filtros de segurança recusam processar exploits de código.
Comentários
0 comentário
Seja o primeiro a comentar.
Continue Lendo
Cohere North 2: Central de Controle de IA
A Cohere lançou o North 2, uma central de controle corporativa para agentes de IA com suporte agnóstico e instalação local.
Reka Rho-1: IA unifica texto, vídeo e robôs em uma única rede
A Reka AI lança o Rho-1, modelo de 19 bilhões de parâmetros que unifica texto, vídeo e controle de robôs em uma única janela de contexto.
Big techs assinam acordo voluntário de supervisão de IA nos EUA
Grandes empresas de tecnologia assinaram um código voluntário de supervisão de IA nos EUA, focado em segurança e infraestrutura.