Pular para o conteúdo principal

Mistral Large 4 e Reflection Beam: open weights grandes com data marcada

· 2 min para ler
gui
Capa do conteúdo: Mistral Large 4 e Reflection Beam: open weights grandes com data marcada

O acontecimento​

Em 5 de outubro de 2026 a Reflection apresentou o Beam, seu primeiro modelo open weight: MoE com 501B parâmetros totais e 23B ativos, pretraining com 23,8T tokens, RL com mais de 100M rollouts em 10,5K GPUs GB300 por quatro semanas, contexto efetivo de 1M. Reporta SWE-bench Verified 80,9 e raciocínio comparável ao GLM-5.2 com 3 a 4 vezes menos computação de inferência. Pesos, relatório técnico e model card sob Apache 2.0 ainda em outubro; hoje, acesso por waitlist.

Em 6 de outubro a Mistral abriu o preview público do Mistral Large 4: 1T parâmetros, 52B ativos, multimodal nativo, treinado do zero em 3.800 GPUs Grace Blackwell em datacenters próprios na Europa. API preview no Mistral Studio; pesos até o fim do mês, depois de red-teaming com especialistas em cibersegurança, parceiros e autoridades. Números divulgados: DeepSWE v1.1 61,7%, Terminal-Bench 4 28,3%, AutomationBench 59,9%, Cybench 93%, B3 (Lakera) 93,3%.

Por que importa​

São dois open weights grandes de laboratórios ocidentais anunciados no mesmo par de dias, ambos com pesos prometidos para outubro. Para quem precisa de self-hosting, soberania de dados ou controle de política de recusa (a Mistral destaca resposta a incidentes de segurança), o leque de opções fora de APIs fechadas aumenta. Distinto de Nex-N2.5-mini (edição 02) e MiMo-V2.6 (edição 04).

Aplicabilidade prática​

  • Use o preview do ML4 e a waitlist do Beam para avaliar nas suas tarefas antes dos pesos saírem.
  • Planeje hardware: 1T/52B ativos e 501B/23B ativos pedem infraestrutura de inferência séria, mesmo com MoE.
  • Confira a licença final do ML4 quando os pesos saírem (o post não cita a licença; o Beam declara Apache 2.0).
  • Compare custo de inferência, não só score: o argumento central do Beam é eficiência por token.

Limitações e incertezas​

Não executei nenhum dos dois. Todos os benchmarks são das próprias empresas. Pesos ainda não publicados; arquitetura completa e metodologia de pós-treino do ML4 só vêm com eles. O Beam é só texto.

Fontes originais​