A equipe de projeto forneceu uma descrição detalhada sobre o Estúdio Virtual localizado na antiga Fábrica de Armas de A Coruña. Este projeto traduz em termos arquitetônicos uma dualidade fundamental no local.
Essa dualidade se manifesta através de dois elementos contrastantes: uma estrutura hermética, destinada à criação de ambientes digitais, e um corpo aberto que estabelece um diálogo direto com o entorno natural e com a história industrial do sítio.
A Mistral AI disponibilizou os pesos do Large 4, um modelo de inteligência artificial com um trilhão de parâmetros. Este modelo pode ser baixado e operado por governos e empresas dentro de seus próprios sistemas. Conhecida como “Le Chonk”, esta IA foi concebida para auxiliar em diversas funções, tais como a identificação de falhas em softwares, a análise de ameaças digitais e o suporte na resposta a ataques cibernéticos.
O lançamento ocorreu nesta quinta-feira (29) e consolida a estratégia da companhia francesa de promover modelos de pesos abertos, o que confere maior controle sobre a tecnologia. Os arquivos estão acessíveis no Hugging Face, e a ferramenta também pode ser utilizada através da API da Mistral.
A iniciativa visa diminuir a dependência de serviços de IA gerenciados por provedores externos. Isso é particularmente importante para entidades que manuseiam dados confidenciais e necessitam investigar incidentes de segurança sem precisar transferir suas informações para plataformas de terceiros.
A cibersegurança constitui um dos pilares deste lançamento. O Large 4 foi criado para apoiar equipes técnicas na localização de vulnerabilidades, na replicação de falhas para confirmar sua autenticidade e na geração de correções para os problemas detectados.
De acordo com a Mistral, o modelo obteve uma pontuação de 82% em um teste realizado pelo Artificial Analysis Cyber Index. Este índice avalia a aptidão do modelo em replicar uma vulnerabilidade real em um software de código aberto e, subsequentemente, corrigi-la. Adicionalmente, a empresa reporta que a IA solucionou 93% dos desafios do Cybench, um conjunto composto por 40 exercícios inspirados em competições de segurança digital.
Esses resultados são divulgados pela própria desenvolvedora e devem ser analisados considerando as circunstâncias específicas de cada avaliação. Além da detecção de falhas, a Mistral aponta usos para análise de malware, priorização de vulnerabilidades e elaboração de regras para identificar ameaças.
A empresa também destacou o desempenho do modelo em programação. No Coding Agent Index, da Artificial Analysis, o Large 4 atingiu uma pontuação combinada de 49,8%, conforme os dados apresentados pela desenvolvedora. A Mistral alega que este feito o posiciona à frente de outros modelos de pesos abertos em tarefas de programação executadas por agentes de IA.
Os pesos referem-se aos valores numéricos adquiridos durante o processo de treinamento que possibilitam ao modelo gerar suas respostas. Ao liberar esses arquivos, as organizações ganham a capacidade de rodar o Large 4 em sua própria infraestrutura, em vez de depender unicamente de um serviço externo. Isso proporciona maior autonomia sobre os dados, a configuração da ferramenta e as diretrizes de segurança adotadas. Em cenários críticos, por exemplo, uma corporação pode usar o modelo para investigar um ataque sem estar sujeita à disponibilidade ou às limitações de uma API de terceiro.
Em uma conversa com o TechCrunch, Pierre Stock, vice-presidente de ciência da Mistral, declarou que a disponibilização dos pesos possibilita que empresas e governos acessem recursos avançados de IA para se protegerem contra ataques. Segundo o executivo, o modelo pode auxiliar na identificação, coordenação e resposta a grandes incidentes de segurança em tempo real. Ele também defendeu a expansão do acesso a essas capacidades para fortalecer o ecossistema de proteção digital.
Essa estratégia coloca a Mistral em concorrência com outras companhias, como OpenAI e Anthropic, cujos modelos mais sofisticados são oferecidos predominantemente por meio de serviços controlados pelas próprias desenvolvedoras. Contudo, a liberdade de executar um modelo sem depender de um fornecedor externo traz uma desvantagem: após a liberação dos pesos, torna-se mais complexo monitorar quem está utilizando a tecnologia e para quais propósitos.
A mesma funcionalidade de análise de vulnerabilidades que auxilia as equipes de segurança pode ser de interesse para atores maliciosos que buscam explorar fraquezas em sistemas. Ademais, a operação independente permite que as organizações ajustem o modelo às suas necessidades, mas implica que as restrições impostas em um serviço hospedado nem sempre se aplicam a todas as versões modificadas.
Stock reconheceu os riscos inerentes ao avanço da IA e dos agentes autônomos, mas argumentou que não há necessidade de aumentar o temor em relação à tecnologia, pois a segurança é um desafio passível de ser enfrentado. A Mistral defende que o Large 4 foi desenvolvido especificamente para robustecer a defesa cibernética, possuindo capacidade para executar tarefas técnicas que sistemas mais restritivos poderiam rejeitar, mesmo em investigações legítimas de segurança.
Com este lançamento, a empresa expande sua gama de modelos avançados que podem ser implementados e customizados pelos próprios usuários. O grande desafio reside em encontrar o equilíbrio entre dar acesso a ferramentas poderosas de defesa digital e gerenciar os perigos de seu uso inadequado.
A equipe Qwen da Alibaba descreveu o processo de criação de um agente pessoal, afirmando que a próxima fase no desenvolvimento de assistentes de IA depende do trabalho coordenado de três componentes: modelo, memória e ecossistema de serviços. Jiang Guanjun, chefe do departamento de algoritmos de IA na unidade de negócios Qwen Alibaba, apresentou este conceito em 22 de outubro no Congresso Nacional Chinês de Computação (CNCC) em Chengdu.
Jiang dividiu a evolução dos aplicativos de IA em três estágios: chat, agente e assistente. No estágio de chat, a IA responde às solicitações dos usuários. No estágio de agente, o sistema executa as tarefas designadas. O assistente, para onde a indústria está caminhando, combina conhecimento profissional com o contexto pessoal do usuário, planeja ações em torno dos objetivos do usuário e detecta necessidades não percebidas por ele. Ele enfatizou que um verdadeiro agente pessoal deve agregar valor adicional e oferecer um serviço proativo e personalizado.
Ele supôs que, teoricamente, um agente pessoal é capaz de resolver quase todos os problemas cotidianos nas áreas de trabalho, estudo e vida pessoal. No entanto, o principal obstáculo é a capacidade do sistema de correlacionar suas capacidades com o caminho ótimo para resolver cada problema específico.
Quanto ao modelo, a Qwen foca na execução estável de tarefas. A equipe desenvolveu o chamado mapa de necessidades do usuário, abrangendo mais de 30 grandes indústrias, e o detalhou em mais de 8000 requisitos atômicos de capacidade do modelo. Para avaliar e ajustar o modelo, especialistas do setor foram envolvidos.
Jiang observou que o agente pessoal deve garantir uma compreensão de longo prazo do usuário, evitando o simples acúmulo de histórico de conversas, o que aumenta o ruído e os custos computacionais. A Qwen constrói sua memória com base no grau de interconexão dos eventos, armazenando-os e recuperando-os em diferentes níveis. Por exemplo, um assistente que se lembra que um usuário idoso mencionou sua aposentadoria poderá dar um conselho mais apropriado quando a mesma família perguntar mais tarde sobre a busca de emprego de um filho.
Em relação ao ecossistema, Jiang afirmou que, à medida que os modelos e os métodos de gerenciamento melhoram, a habilidade de conectar e coordenar serviços externos torna-se decisiva. A Qwen cria um sistema aberto orientado a modelos de serviços que integra conhecimento profissional, ferramentas, habilidades setoriais e agentes de terceiros, além de se conectar ao comércio eletrônico, serviços locais, saúde e educação.
Em sua visão, esses três elementos se unem para fornecer atendimento proativo: a memória fornece informações pessoais, o modelo usa conhecimento especializado para determinar necessidades e planejamento, e o ecossistema executa a ação, por exemplo, monitorando o cronograma de reabilitação de um paciente ou sinalizando novos riscos nas finanças do usuário. Este relatório representa a descrição pública mais detalhada da concepção técnica por trás do Qwen Go! agente pessoal, que a Alibaba lançou para registro neste mês.
Atualmente, a internet e as redes sociais tornaram-se uma parte inseparável da nossa vida. Milhares de pessoas interagem, trocam ideias e disseminam informações no espaço virtual.
