Mistral Large 4 em agentes de negócio: como usar com Gmail, Google Sheets, Slack e Salesforce com segurança?

Fala aí, beleza? A Mistral acabou de soltar o Mistral Large 4 em prévia pública, e o recado é bem direto: esse modelo foi feito pra agentes que rodam fluxos de várias etapas envolvendo e-mail, planilha, chat e CRM 🙂

Não é só mais um modelo pra bater papo

A proposta é ser o motor de agentes que coletam informação, usam ferramentas e entregam o trabalho finalizado, em fluxos de várias etapas

Neste post te conto o que a Mistral promete nesses fluxos, o que os números dizem de verdade, o que já tem connector pronto (spoiler: menos do que parece) e, principalmente, como desenhar permissões e aprovação humana antes de soltar um agente no seu Gmail

Agente com acesso de escrita no CRM e sem guardrails (limites) é receita pra dor de cabeça, né? haha

O que é o Mistral Large 4 e o que foi anunciado

O anúncio saiu em 6 de outubro de 2026 no blog oficial da Mistral, e o modelo chegou em prévia pública (public preview)

Internamente ele ganhou o apelido de le Chonk, e olhando o tamanho dá pra entender o porquê xD

Segundo o anúncio oficial, o modelo tem:

• multimodal nativo
• arquitetura Mixture-of-Experts (MoE)
• 1 trilhão de parâmetros no total
• 49 bilhões de parâmetros ativos

E o que significa ter parâmetros "ativos"?

Num MoE o modelo é dividido em vários especialistas, e a cada passo só uma parte deles entra em ação

É como um escritório gigante onde, pra cada tarefa, só a equipe certa levanta da cadeira (o resto fica quietinho)

Onde dá pra usar o Mistral Large 4 hoje?

A API em prévia está disponível no Mistral Studio, com o identificador mistral-large-4

Os pesos abertos ainda NÃO foram publicados: a Mistral prometeu liberar no fim de outubro de 2026

A licença também não foi anunciada

O antecessor, Mistral Large 3, usa Apache 2.0, mas isso não garante que o Large 4 vai seguir o mesmo caminho

Tome cuidado aqui: se o seu plano é rodar o modelo self-hosted por questão de compliance, ainda não dá pra fechar essa decisão…

Quanto custa o Mistral Large 4 na prévia?

O preço de referência que temos é o exibido no OpenRouter durante a prévia:

Ou seja, metade do preço de tabela

Só que não está claro se esse desconto é temporário, então não monte o orçamento do projeto contando com ele pra sempre

O que significa 59,9% no AutomationBench (Gmail, Sheets, Slack e Salesforce)

Esse é o número que a Mistral mais destaca pra falar de agentes de negócio

Mas antes de se empolgar, bora entender o que o benchmark mede

Quem criou o AutomationBench?

O AutomationBench foi criado pela Zapier, anunciado em 20 de abril de 2026

Ele testa se um agente consegue concluir um workflow de negócio passando por vários apps SaaS simulados

E tem um detalhe que deixa a coisa bem mais difícil: o agente precisa descobrir os endpoints de API por conta própria e seguir políticas da empresa escondidas em planilhas ou caixas de e-mail

É bem parecido com a vida real, né? A regra de aprovação de desconto nunca está onde deveria estar haha

E o AutomationBench-AA?

O AutomationBench-AA é a execução independente da Artificial Analysis sobre um subconjunto privado do benchmark da Zapier

São 657 tarefas em Finanças, RH, Marketing, Operações, Vendas e Suporte, rodando em 40 ambientes SaaS simulados

É aí que entram apps como Gmail, Google Sheets, Slack e Salesforce

Como ler os 59,9% com honestidade?

Primeiro ponto: 59,9% é o número divulgado pela Mistral no anúncio

Segundo ponto: os apps são simulados, não a sua conta real do Salesforce com dez anos de dados bagunçados

Terceiro ponto, e o mais importante: em cerca de 4 de cada 10 tarefas o agente não conclui o fluxo

Por isso a validação humana não é opcional em nenhum cenário sério

O modelo pode ser ótimo e mesmo assim errar uma em cada poucas tarefas, e o seu desenho de agente tem que assumir isso desde o começo

Casos de uso: planilhas, documentos jurídicos e financeiros

Além dos fluxos entre apps, a Mistral aposta forte em knowledge work

Segundo a empresa, o modelo cria, edita e corrige planilhas e documentos complexos, e tem bom desempenho em benchmarks jurídicos e financeiros

Se liga nos números divulgados:

No jurídico a Mistral não deu um percentual que dê pra citar com segurança, só a afirmação de que fica à frente dos modelos open-source

Como isso vira caso de uso no dia a dia?

Pensando no foco declarado (coletar informação, usar ferramentas e entregar trabalho finalizado), dá pra imaginar fluxos assim:

• Planilhas: o agente junta dados que chegaram por e-mail, monta ou atualiza uma planilha e corrige inconsistências antes de alguém revisar
• Financeiro: rascunho de relatório que puxa números de documentos e planilhas, com a modelagem pronta pra conferência
• Jurídico: primeira versão de um documento ou revisão de cláusulas, entregue pra um advogado validar

Repara que em todos eles o agente entrega um rascunho completão, e um humano dá o ok final

Não é fórmula mágica, é tirar o trabalho braçal da frente de quem decide 😀

Como conectar o modelo ao Gmail e a outras ferramentas: Studio x Le Chat

Aqui mora uma confusão comum: Mistral Studio e Le Chat são produtos diferentes, e o que vale num não vale automaticamente no outro

No Mistral Studio (API e SDK)

No Mistral Studio, todos os connectors nativos e MCPs customizados ficam disponíveis via API/SDK, tanto em chamadas de modelo quanto de agente

E o modelo aceita os recursos que um agente precisa:

• tools e tool_choice para function calling
• saídas estruturadas por JSON schema em response_format
• as APIs de Agents e Conversations da Mistral

Se você conhece function calling de outros provedores, a lógica é bem semelhante: o modelo decide qual ferramenta chamar e com quais argumentos, e a sua aplicação executa

No Le Chat (o app de chat)

No Le Chat, o Gmail é um Featured Connector feito pela própria Mistral: login via OAuth e clique pra conectar

Também existe um diretório de MCP Connectors adicionados pelo admin e a opção de Custom MCP Connectors

E Google Sheets, Slack e Salesforce?

Tome cuidado aqui: o único connector nativo confirmado é o do Gmail

Sheets, Slack e Salesforce aparecem nos números do benchmark como ambientes simulados, não como connectors prontos da Mistral

O caminho genérico pra ligar essas ferramentas é via MCP customizado, que o Studio expõe pela API

Se você já tem essas automações rodando em outra camada, como uma integração n8n com Sheets e Slack ou um n8n self-hosted com Gmail, vale pensar onde o modelo entra nesse fluxo antes de reescrever tudo do zero

Como desenhar permissões e aprovação humana em agentes com o Mistral Large 4

Esse é o coração do post

Dar acesso ao Gmail pra um agente é como contratar alguém muito rápido e muito confiante: ótimo, desde que ele não mande e-mail pro cliente sem você ler antes haha

O que é o requires_confirmation?

No Mistral Studio, dentro de tool_configuration de um connector ou ferramenta nativa, o parâmetro requires_confirmation lista quais tools precisam de aprovação humana

Quando o agente tenta chamar uma dessas tools, a execução pausa e devolve o controle pra sua aplicação

A aplicação aprova ou nega a chamada pendente, e aí a conversa retoma

É o famoso human-in-the-loop, built-in na plataforma 🙂

O exemplo da documentação de confirmação usa o connector do Gmail exigindo aprovação pra busca, mais ou menos assim (trecho ilustrativo, confira a estrutura exata na doc):

{
  "type": "connector",
  "connector_id": "gmail",
  "tool_configuration": {
    "requires_confirmation": ["gmail_search"]
  }
}

Nesse caso, toda vez que o agente quiser rodar gmail_search, alguém precisa liberar

E no SDK Python?

O SDK Python oferece RunContext e DeferredToolCallsException pra lidar com a confirmação sem gerenciar na mão os IDs de conversa e de tool call

Caso você esteja numa versão antiga do SDK, o caminho é fazer o fluxo via REST

Princípios pra desenhar as permissões

Com o mecanismo em mãos, o desenho fica mais importante que a ferramenta

Algumas regras de bom senso:

1. Separe leitura de escrita. Buscar e ler é uma coisa, enviar, alterar e apagar é outra, e cada grupo merece um nível de controle diferente
2. Exija confirmação em toda ação irreversível. Enviar e-mail, alterar registro de CRM e postar em canal entram no requires_confirmation sem discussão. O erro comum aqui é proteger só o que parece perigoso e esquecer que um post num canal público também não tem volta
3. Valide antes de executar. Use saída estruturada por JSON schema em response_format pra que a sua aplicação confira os campos antes de qualquer chamada de escrita
4. Revisão humana obrigatória em jurídico e financeiro. O agente entrega o rascunho, um profissional assina embaixo
5. Comece pequeno. Um fluxo de baixo risco primeiro, ampliando o escopo conforme ganha confiança

Lembra dos cerca de 4 em cada 10 fluxos não concluídos no benchmark? É exatamente por isso que essas travas existem

E uma ressalva: o modelo está em prévia, então o comportamento pode mudar até a versão final

Vale usar o Mistral Large 4 em agentes de negócio agora?

Pelos números divulgados, o modelo é bem promissor pra fluxos de e-mail, planilha e CRM, e o foco declarado em agentes é muito massa

Porém ainda é prévia, a licença está indefinida e os pesos não foram publicados

O próximo passo sensato é testar o mistral-large-4 no Mistral Studio num fluxo de baixo risco, com requires_confirmation em toda ação de escrita

Enquanto isso, vale acompanhar a liberação dos pesos e da licença, porque isso muda bastante o jogo pra quem quer rodar em casa

E aí, vai soltar um agente no seu Gmail ou ainda prefere esperar a versão final? Bora trocar uma ideia

Até o próximo post! 😀