Mistral disponibiliza na sua plataforma o modelo GLM, em acesso livre (pesos abertos), do laboratório chinês Zhipu AI. Esta escolha, que causou reações no meio tecnológico francês, responde segundo a fonte a uma aposta simultaneamente financeira e técnica, e preparou a chegada do Mistral Large 4, um modelo com 1 000 mil milhões de parâmetros lançado no início de outubro.
- A Mistral disponibiliza o modelo GLM, da Zhipu AI, por razões financeiras e técnicas.
- O GLM gera receitas recorrentes, cobradas às empresas por cada resposta produzida.
- A Mistral visa a inferência soberana e aprende a servir modelos de grande escala.
- O Mistral Large 4 deverá tornar-se o modelo padrão quando a nova capacidade de computação estiver operacional.
Alguns viram nisto uma traição à promessa de soberania da empresa, outros uma evolução para uma atividade de consultoria e cloud. No essencial, a explicação é primeiro contabilística. As editoras de IA gastam somas consideráveis em infraestruturas físicas, processadores gráficos (GPU), para treinarem os seus modelos. No dossier de introdução em bolsa da Anthropic, citado pela fonte, constam 7,33 mil milhões de dólares gastos em computação em 2025, para 4,6 mil milhões de receitas.
A Mistral dispõe de meios bem inferiores aos da OpenAI ou da Anthropic, apesar de várias rondas de financiamento sucessivas, incluindo 1,7 mil milhões de euros em 2025. A integração do GLM visa assim criar uma fonte de receitas recorrentes, fatura às empresas cada resposta produzida nos seus serviços. « É claramente um excelente negócio, que traz receitas recorrentes, com capex que se amortizam », explica Bilal El Alamy, cofundador e CEO da Pyratz (venture builder).
Uma oferta pensada para a inferência soberana
A Mistral inspira-se também na Palantir e nos seus engenheiros destacados junto do cliente, chamados « forward deployed engineers ». Presentes no local, estes engenheiros instalam e implementam as tecnologias, e aconselham as empresas sobre IA em geral. Esta presença permite à Mistral implantar-se junto das grandes empresas, nomeadamente no âmbito da IA soberana, um segmento onde Marc Trilling, presidente e cofundador da Saegus, vê « uma forte perspetiva de crescimento ».
Segundo a Saegus, que aconselha empresas do CAC 40, estas interessam-se menos pela origem de um modelo do que pelo local onde roda a sua inferência, ou seja, o processo que o faz funcionar em servidores. A Mistral afirma num post de blog de 11 de agosto que o GLM e os futuros modelos de terceiros « rodarão na mesma infraestrutura, com os mesmos controlos regionais e os mesmos compromissos de serviço » que os seus próprios modelos.
Esta procura responde a uma necessidade concreta. Nicolas Gaudemet, chief AI officer da Onepoint, observa que « alguns dos nossos clientes têm verdadeiros desafios de soberania », nomeadamente no setor público, com dados hipersensíveis. Para muitas empresas, fazer rodar estes modelos no local ou nas suas próprias infraestruturas cloud continua a ser demasiado dispendioso, porque os modelos atuais são muito pesados. Segundo ele, a interface da Mistral torna-se então a solução mais lógica. Cita a Scaleway, a OVHcloud, a Cloud Temple e a Mistral como os únicos atores que oferecem atualmente um acesso soberano por API, em grande escala, a modelos de ponta.
Uma bancada de testes para os modelos de ponta
Alojar o GLM oferece também à Mistral a oportunidade de aprender a fazer rodar um modelo de ponta em grande escala na sua própria infraestrutura. Servir adequadamente milhares de clientes com modelos de várias centenas de milhares de milhões de parâmetros é delicado, e a OpenAI e a Anthropic depararam-se com isso, mesmo que a sua clientela seja incomparável. Bilal El Alamy estima que, uma vez a infraestrutura em funcionamento, a Mistral poderá alcançar os seus concorrentes aproveitando as boas práticas existentes.
O Mistral Large 4 mantém-se atrás dos modelos chineses e americanos mais performantes. Treinar um modelo com 1 000 mil milhões de parâmetros com apenas 4 000 chips Nvidia Grace Blackwell constitui, no entanto, segundo a fonte, um sucesso técnico. « Acreditamos verdadeiramente ter encontrado o método certo para iterar », resume Pierre Stock, VP science da Mistral AI.
As capacidades de computação adquiridas com a ronda de série C, anunciada em setembro de 2025, só estarão totalmente operacionais entre finais de outubro de 2026 e início de 2027. Até lá, o GLM não tem vocação para permanecer em primeiro plano. « O plano é obviamente ter o ML4 como modelo padrão em todos os nossos produtos », garante Pierre Stock. Guillaume Lample, cofundador e chief science officer da Mistral, precisa que o modelo chinês permanecerá no catálogo, mas que « por defeito, o objetivo é obviamente promover o Mistral Large 4 ».
