Mistral Large 4 (Le Chonk, testado por completo): é realmente o melhor modelo open source?

Autoria: AICodeKing · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Mistral Large 4 (Le Chonk - Fully Tested): Is IT ACTUALLY The BEST OPEN MODEL!? · Canal: AICodeKing · 08:53 · Assistir no YouTube

Tópicos: Agentes de IA, Avaliação e benchmarks de IA, Engenharia de software com IA, Modelos de IA, Modelos locais e open source

Resumo

O vídeo testa Mistral Large 4 em oito tarefas de programação usando Open Code e Open Router, avaliando os resultados entregues no navegador e não apenas as explicações do modelo. O modelo se sai bem em algumas tarefas visuais e completa um fluxo local de fine-tuning, mas também deixa tarefas sem resposta e precisa de correções para fazer o relógio funcionar. Considerando as primeiras tentativas, o resultado é de 42 em 80 pontos, ou 52,5%; novas tentativas ficam fora dessa pontuação, exceto a tarefa de fine-tuning. A conclusão é que pode ser útil para protótipos visuais específicos, mas ainda precisa de testes e de maior confiabilidade antes de ser o modelo de programação padrão.

Pontos-chave

O teste usa oito prompts do KingBench 3, em pastas separadas, e avalia os resultados entregues, incluindo a execução dos projetos no Chromium.
A simulação de elevadores funciona, com uma pequena falha ao reiniciar durante uma viagem; recebe 9,5 de 10.
Na primeira tentativa, o modelo não criou o estojo de lentes de contato nem respondeu ao problema de contagem; ambas as tarefas recebem zero.
A mesa dobrável tridimensional e o SVG do panda são resultados visuais satisfatórios, com notas de 8,5 e 8.
O jogo de arco e flecha implementa sistemas solicitados, mas tem alvos pequenos e problemas de posicionamento e mira; recebe 6 de 10.
Na tarefa local, o modelo gerou 510 exemplos, treinou um adapter LoRA por 400 etapas e criou uma página que apresenta fatos diferentes sobre pandas.
O relógio tridimensional não funcionou na primeira tentativa por caminhos incorretos no import map; após receber o erro do navegador, o modelo corrigiu o projeto.
A pontuação considera as primeiras tentativas: 42 de 80, ou 52,5%; as novas tentativas do estojo e do relógio ficam fora do total.
O apresentador recomenda o modelo para protótipos visuais delimitados, mas sugere manter um navegador e um ciclo de testes por perto.

Capítulos

Início	Capítulo	Resumo
00:03	Método de teste e simulação de elevadores	O apresentador descreve o teste prático e avalia uma simulação funcional de elevadores.
02:07	Estojo, mesa 3D, SVG e jogo de arco e flecha	As tarefas revelam resultados visuais variados, além de uma tentativa sem arquivo e limitações no jogo.
04:44	Contagem e fine-tuning local de Gemma	O modelo não entrega a resposta de contagem, mas conclui a tarefa local de fine-tuning e a página de fatos sobre pandas.
06:17	Relógio 3D, pontuação e conclusão	O relógio precisa de uma correção após o teste no navegador, e o apresentador resume a pontuação e as limitações de confiabilidade.

Citações

Estou avaliando o resultado entregue, não apenas uma explicação convincente do que o modelo pretendia construir. — 00:33

É exatamente por isso que testo o que sai do agent, não apenas se ele parece estar pensando bastante. — 05:15

Estou mantendo a nova tentativa do estojo e o relógio corrigido fora desse total, porque foram tentativas separadas. — 07:20

Eu o experimentaria para um protótipo visual bem delimitado e manteria um navegador e um ciclo de testes por perto. — 08:22

Conceitos e entidades

Mistral Large 4 (modelo): Modelo avaliado em oito tarefas de programação e criação visual.
OpenCode (ferramenta): Ambiente usado para executar as tarefas com o modelo.
OpenRouter (ferramenta): Serviço pelo qual o apresentador conectou o modelo ao ambiente de execução.
KingBench 3 (benchmark): Conjunto de oito prompts usado pelo apresentador para comparar modelos em tarefas práticas.
Chromium (ferramenta): Navegador usado para verificar se os projetos gerados renderizavam e funcionavam.
Gemma (modelo): Modelo de dois bilhões de parâmetros usado na tarefa de fine-tuning local.
LoRA (conceito): Método usado para treinar um adapter durante a tarefa local com Gemma.
Three.js (ferramenta): Biblioteca JavaScript usada para criar cenas tridimensionais, como a mesa dobrável.
AICodeKing (pessoa): Canal que publicou o vídeo e realizou os testes apresentados.

Tradução completa (pt-BR)

00:03 Oi, bem-vindos a mais um vídeo. Então, o Mistral Large 4, também conhecido como Lonk, parece interessante no papel, mas sabe de uma coisa? Eu queria muito descobrir se ele consegue mesmo concluir o tipo de tarefa de programação que passo para os modelos neste canal. Já falei sobre o anúncio, as especificações, os preços e as alegações de benchmark publicadas pela Mistral no meu canal AIC King, então não vou repetir esse vídeo aqui. Se quiserem a análise completa do lançamento, confiram o vídeo e inscrevam-se também no AIC King. Neste vídeo, vamos direto aos resultados práticos. Eu

00:33 conectei a versão de prévia do Mistral Large 4 ao Open Code por meio do Open Router. Para cada tarefa, dei a ele uma pasta nova e usei os mesmos oito prompts do KingBench 3 que usei em testes anteriores de modelos. Cada pergunta vale 10 pontos, e estou avaliando o resultado entregue, não apenas uma explicação convincente do que o modelo pretendia construir. Nos projetos de navegador, abri o resultado de verdade no Chromium. Verifiquei se a página foi renderizada e se a interação principal funcionava. Essa distinção importa porque um modelo pode escrever um resumo lindo no fim de uma sessão do agent, enquanto a página em si faz algo completamente diferente. Então, vamos começar pela simulação de elevadores. O prompt

01:05 pede três elevadores com espaço para apenas uma pessoa em cada cabine. Quero colocar pessoas em andares diferentes, ver seus destinos ao passar o cursor por cima e observar quem ficou esperando entrar no próximo elevador disponível. Agora, vejam o que o Lch fez. Há uma visualização limpa do prédio, três cabines de elevador coloridas, um campo para a quantidade de pessoas e um botão para adicioná-las. Os passageiros têm destinos diferentes e as cabines se movem com animações de portas. Mais importante: a fila funciona de verdade. Reiniciei a simulação, coloquei cinco pessoas e deixei tudo rodando no navegador. Os contadores de espera e de pessoas a bordo voltam a zero sem erros no navegador. Então, eles realmente entregaram

01:37 o que foi pedido. Encontrei um pequeno caso extremo. Reiniciar enquanto uma cabine está no meio de um trajeto pode deixar, por um breve momento, uma animação de saída do trajeto anterior na nova cena. E o contador de espera muda quando alguém é designado a uma cabine, um pouco antes de entrar fisicamente nela. Nenhum desses problemas compromete a simulação principal, mas são o motivo de eu dar 9,5 de 10, em vez da nota máxima. Para uma criação visual em um único arquivo, é um começo muito bom. A segunda pergunta é sobre um estojo tridimensional para lentes de contato. Ele precisa ter compartimentos claramente identificados como L e R, tampas que abram ao

02:07 clicar e estar em um único arquivo HTML. É aqui que aparece o primeiro problema sério de consistência. Na execução padrão do Open Code, o modelo passou o turno raciocinando sobre o estojo e depois terminou sem criar o arquivo. Não havia nada para abrir nem para clicar. Então, nessa primeira rodada do benchmark, ele leva zero. Não vou avaliar o plano como se fosse um produto pronto. Também testei uma execução separada com a opção sem raciocínio do Open Code. Dessa vez, o Lechon criou o estojo. Abri no navegador e cliquei em cada tampa. As tampas esquerda e direita abriram de forma independente. Elas sobem um pouco demais e ficam parcialmente fora da tela, mas

02:38 a interação solicitada é real. Isso me mostra que o modelo consegue construir essa tarefa, embora a execução padrão ainda mereça zero pela falta de confiabilidade. Agora, a mesa dobrável teve um resultado muito melhor. A página carrega uma cena adequada em Three.js, com iluminação, materiais, sombras, controles de órbita e um controle deslizante. Arrastar o controle totalmente para a esquerda mostra uma mesa compacta e dobrada. Arrastá-lo para a direita abre o tampo e as pernas. Abri os dois estados no navegador e ambos foram renderizados sem erros na página. Falta um pouco de refinamento visual no meio da animação. Os pés podem sair do chão e o modelo parece um pouco pequeno na

03:09 tela, mas o pedido principal — uma dobra tridimensional controlada continuamente — está atendido. Vou dar 8,5 de 10. Esse é o tipo de resultado que me faria continuar experimentando com o modelo para criar protótipos visuais. A pergunta sobre o panda parece simples, mas me mostra se o modelo consegue produzir um recurso visual finalizado, em vez de apenas descrevê-lo. O prompt pede um SVG de um panda comendo um hambúrguer. O Lechonk produziu um SVG válido que fica bonito quando renderizado. Dá para ver claramente o panda, o hambúrguer, as patas e a

03:41 boca aberta. O pequeno ponto fraco é a ação. O hambúrguer está encostado na boca, mas não vejo uma mordida convincente. Então, o tema está certo e a ilustração é fofa, mas a palavra “comendo” é um pouco ambígua. Para mim, isso vale 8 de 10. Em seguida, temos o jogo de arco e flecha. Esse pede quatro alvos, um cronômetro e um placar em que o jogador mais rápido sobe de posição. O Lechon criou uma tela de jogo completa, com quatro tipos de alvo, um indicador de vento, física da flecha, registro de acertos e um placar salvo no navegador. Iniciei o jogo e ele rodou sem erros de JavaScript. Então, há

04:12 trabalho de verdade aqui. Mas, quando olho para a área de jogo, os alvos são minúsculos. Eles têm apenas alguns pixels de largura em um tamanho normal de tela de computador. As posições dos alvos também são fixas, o que significa que o alvo mais distante pode sair da tela em um celular. O guia de mira também não corresponde perfeitamente à trajetória de arrasto dos projéteis. Então, sim, ele tem os sistemas solicitados, mas precisa de mais uma rodada antes de eu chamá-lo de um jogo realmente divertido. Isso vale 6 de 10. Antes de chegarmos às três últimas perguntas, também quero contar o que tenho feito para os membros. Tenho trabalhado em muitos vídeos exclusivos para membros e acabei de começar uma série semanal de

04:44 retrospectivas por lá. Pego as principais ferramentas e lançamentos que abordo aqui durante a semana e reúno as partes importantes em um vídeo resumido de cerca de 10 ou 12 minutos. Assim, se você não tiver tempo para assistir a cada vídeo, pode conferir essa retrospectiva e ficar por dentro sem perder o principal. A série está disponível em todos os níveis de assinatura, inclusive no bronze e nos superiores. Também estou preparando tutoriais exclusivos para algumas das ferramentas, então fiquem de olho neles também. Se isso parece útil para você, clique no botão “Seja membro” neste canal. Agora, vamos voltar ao KingBench. A sexta pergunta é um problema de contagem. A resposta correta é 20.460.

05:15 O que eu queria era essa resposta acompanhada de um método convincente ou, pelo menos, uma tentativa substancial que eu pudesse verificar. Nesta sessão padrão do Open Code, o Lchonk usou o turno novamente sem entregar uma resposta final. Então, não há nada a que dar pontos. 0 de 10. É exatamente por isso que testo o que sai do agent, e não apenas se ele parece estar pensando bastante. A sétima tarefa é a mais complexa. Gerar um conjunto de dados de fatos sobre pandas, fazer fine-tuning local do Gemma de 2 bilhões de parâmetros e criar uma página da web que me mostre um fato novo a cada atualização. Minha primeira configuração do Open Code bloqueou o acesso ao modelo em cache. A configuração de permissões foi minha. Então, habilitei o acesso e enviei exatamente o mesmo prompt novamente em uma pasta nova. E dessa vez o Lechon fez tudo. Criou um conjunto de dados com 510 exemplos, treinou um adaptador LoRA por 400 etapas e reduziu a perda de validação de cerca de 7,97 para 0,31. Também encontrou e corrigiu um problema de threads no servidor durante o próprio teste de ponta a ponta. Abri a página final no Chromium e atualizei três vezes. Três fatos diferentes sobre pandas, sem erros no navegador. Mais cinco atualizações também

05:47 me deram cinco fatos diferentes. Tanto o modelo quanto a página da web são executados localmente, então este leva a nota máxima: 10 de 10. É um resultado forte para uma tarefa com tantas partes móveis. A pergunta final é sobre um relógio de pulso tridimensional completo. Ele precisa mostrar o horário atual, com os ponteiros dos segundos, minutos e horas se movendo suavemente, e dois fusos horários. O modelo escreveu uma página de relógio bastante ambiciosa e até baixou os módulos do Three.js para que pudessem ser servidos localmente. Mas a primeira verificação no navegador mostrou uma página em branco onde o relógio deveria estar, e os dois mostradores de horário ainda tinham traços de espaço reservado. Investiguei

06:17 me deu cinco fatos diferentes. Tanto o modelo quanto a página da web são executados localmente, então este recebe nota máxima: 10 de 10. É um resultado forte para uma tarefa com tantas partes móveis. A pergunta final é sobre um relógio de pulso tridimensional completo. Ele precisa mostrar a hora atual, com os ponteiros dos segundos, dos minutos e das horas se movendo suavemente, além de dois fusos horários. O modelo criou uma página de relógio bastante ambiciosa e até baixou os módulos do 3JS para que pudessem ser servidos localmente. Mas a primeira verificação no navegador mostrou uma página em branco onde o relógio deveria estar, e os dois mostradores de horário ainda tinham traços de espaço reservado. Investiguei

06:49 isso no mapa de importação. O HTML solicitava os módulos orbit e environment de caminhos que o modelo não tinha criado de fato. Então, na primeira tentativa, a pontuação foi zero, porque um relógio que nunca carrega não é um relógio funcional. Depois, passei ao OpenCode o erro exato do navegador e deixei o mesmo modelo corrigir o próprio projeto. Ele consertou os caminhos. E, na segunda verificação, obtive uma renderização 3D, um relógio que avançava, um ponteiro de segundos que girava e um segundo fuso horário que mudava quando selecionado. Vale mostrar essa correção porque ela conta uma história mais útil do que uma captura de tela de uma página quebrada. Mas

07:20 eu ainda daria apenas 6 de 10 ao relógio corrigido. O pulso e a pulseira dominam o quadro. Partes da caixa atravessam o mostrador, e a mudança do segundo fuso horário não atualiza imediatamente o rótulo impresso no mostrador. Então, a lógica do horário funciona. A execução visual precisa de mais cuidado. Com o problema de permissão corrigido, a pontuação é 42 de 80. Isso dá 52,5%. Ou 5,25 de 10 no total. Estou deixando fora desse total a nova tentativa da caixa de contato e o relógio corrigido, porque foram tentativas separadas, feitas depois da

07:51 saída inicial do modelo. A nova execução de fine-tuning conta. A primeira interrupção aconteceu por causa das minhas permissões no OpenCode, e não acho justo descontar isso do modelo. O que mais me chama a atenção é o contraste. Quando o Lchon termina uma tarefa visual bem definida, consegue criar algo muito bonito. O elevador é realmente funcional. A mesa dobrável tem um acabamento refinado, e o SVG do Panda ficou bom. E o trabalho local de fine-tuning do Gemma mostra que ele consegue concluir um workflow mais longo quando o ambiente está configurado corretamente. Mas as sessões da caixa de contato e de contagem ainda terminaram sem

08:22 respostas utilizáveis, e o relógio precisou de uma correção testada no navegador. Esses são problemas de workflow que você vai sentir se depender de um agent para concluir uma tarefa enquanto faz outra coisa. Também não transformaria essa única execução em um ranking universal de modelos. Estes são os meus prompts, nesta configuração com OpenCode e OpenRouter, com resultados que você pode inspecionar na tela. Eu certamente experimentaria o Lchonk para um protótipo visual de escopo limitado e manteria um navegador e um ciclo de testes por perto para trabalhos mais longos e menos tolerantes a erros. Quero vê-lo terminar as tarefas de forma confiável antes de confiar nele como meu modelo de programação padrão. Para mim, o fator decisivo

08:53 é a frequência com que posso passar uma tarefa para ele e voltar para encontrar algo que eu possa usar. No geral, é bem legal. Enfim, me contem o que acham nos comentários. Se gostaram deste vídeo, considerem fazer uma doação pela opção Super Thanks ou se tornar [música] membro clicando no botão Join. Além disso, deixem um gostei neste vídeo e se inscrevam no meu canal. Vejo vocês no próximo. Até lá, tchau.

Transcrição original

[00:03] Hi, welcome to another video. So, Mistral Large 4, also known as Lonk, looks interesting on paper, but you know what? I really wanted to find out whether it can actually finish the kind of coding tasks I give to models on this channel. I already covered the announcement, the specifications, the pricing, and Mistl’s published benchmark claims on my AIC King channel, so I’m not going to repeat that video here. If you want the full release breakdown, please check it out and subscribe to AIC King as well. In this video, we’re going straight to the hands-on results. I

[00:33] connected the Mistral Large 4 preview to Open Code through Open Router. For every task, I gave it a fresh folder and used the same eight KingBench 3 prompts I have used in earlier model tests. Each question is worth 10 points, and I’m judging the delivered result, not just a convincing explanation of what the model intended to build. For the browser projects, I opened the actual output in Chromium. I checked whether the page rendered and whether the main interaction worked. That distinction matters because a model can write a beautiful summary at the end of an agent session while the page itself does something else entirely. So, let’s start with the elevator simulation. The prompt

[01:05] asks for three elevators with room for just one person in each car. I want to spawn people on different floors, see their destinations on hover, and watch anyone left behind board the next available elevator. Now, look at what Lch made. There is a clean building view, three colored elevator cars, a people count field, and a spawn button. Passengers have different destinations and the cars move with door animations. More importantly, the queue actually works. I reset the simulation, spawn five people, and let it run in the browser. The waiting and riding counters both return to zero with no browser errors. So, they really did get

[01:37] delivered. I found one small edge case. Resetting while a car is already in the middle of a trip can leave a brief exit animation from the old trip in the new scene. and the waiting counter changes when someone is assigned a car slightly before they physically step inside. Neither breaks the main simulation, but they’re the reason I would give this 9 and 1/2 out of 10 instead of a perfect score. For a one file visual build, that’s a very good start. The second question is a three-dimensional contact lens case. It needs clear L&R compartments, caps that open when

[02:07] clicked, and one HTML file. This is where the first real consistency problem appears. In the default open code run, the model spent its turn reasoning about the case, then ended without creating the file. I had nothing to open or click. So for this first pass benchmark, it gets zero. I am not grading its plan as if it were a finished product. I also tried a separate run with open code supported no reasoning setting. This time, Lechon did make the case. I opened it in the browser and clicked each cap. The left and right lids opened independently. They fly a little too far upward and partly out of the frame, but

[02:38] the requested interaction is real. That tells me the model can build this task while the default run still deserves its zero for reliability. Now the folding table is a much better result. The page loads a proper 3JS scene with lighting, materials, shadows, orbit controls, and a slider. Dragging the slider all the way left gives me a compact folded table. Dragging it right unfolds the tabletop and legs. I opened both states in the browser and both rendered without page errors. There is a little visual polish missing in the middle of the animation. The feet can lift off the floor and the model looks a bit small on

[03:09] the screen, but the key request, a continuously controlled three-dimensional fold, is there. I’m giving it 8 and a half out of 10. This is the kind of output that would make me keep experimenting with the model for visual prototypes. The panda question sounds simple, but it tells me whether the model can produce a finished visual asset rather than merely describe one. The prompt asks for an SVG of a panda eating a burger. Lechonk produced a valid SVG that looks clean when rendered. You can clearly see the panda, the burger, the paws, and the

[03:41] open mouth. The little weakness is the action. The burger is held right against the mouth, but I don’t really see a convincing bite. So, the subject is right, and the artwork is cute, but the word eating is a little ambiguous. That’s 8 out of 10 from me. Then, we have the bow and arrow game. This one asks for four targets, a timer, and a leaderboard where the fastest player moves up. Lechon did create a complete game screen with four target types, a wind indicator, aeropysics, hit tracking, and a leaderboard saved in the browser. I launched it and it ran without a JavaScript error. So, there is

[04:12] real work here. But when I actually look at the playing area, the targets are tiny. They’re only a few pixels wide at a normal desktop size. The target positions are fixed as well, which means the far target can move off the screen on a phone. The aiming guide also does not perfectly match the projectiles drag. So, yes, it has the requested systems, but it needs another pass before I would call it a genuinely enjoyable game. That’s 6 out of 10. Before we get to the final three questions, I also want to let you know what I have been doing for members. I’ve been working on a lot of membersonly videos, and I have just started a weekly

[04:44] recap series there. I take the major tools and releases I cover here during the week and put the important parts into one summarized video of about 10 or 12 minutes. So, if you don’t have time to watch every upload, you can come to that recap and stay up to date without missing the main stuff. The series is available on all membership tiers, including bronze and up. I’m also working on exclusive tutorials for some of the tools, so stay tuned for those as well. If that sounds useful to you, click the join button on this channel. Now, let’s come back to Kingbench. The sixth question is a counting problem. The correct answer is 20,460.

[05:15] What I wanted was either that answer with a convincing method or at least a substantive attempt I could check. In this default open code session, Lchonk again used its turn without delivering a final answer. So there is nothing to award here. 0 out of 10. This is exactly why I test what comes out of the agent, not just whether it seems to be thinking hard. The seventh task is the big one. Generate a data set of Panda facts, fine-tune Gemma 2 billion parameter locally, and make a web page that gives me a new fact on every refresh. My first open code setup blocked access to the

[05:47] cacheed model. That was my permission setting. So I enabled it and sent the exact same prompt again in a fresh folder. And this time Lechon did the whole job. It made a data set of 510 examples, trained a Laura adapter for 400 steps, and brought the validation loss down from about 7.97 to 0.31. It even found and fixed a server threading issue during its own endto-end test. I opened the final page in Chromium and refreshed it three times. Three different Panda facts, no browser errors. Five more refresh requests also

[06:17] gave me five different facts. The model and the web page both run locally, so this one gets the full 10 out of 10. That’s a strong result for a task with so many moving parts. The final question is a full three-dimensional wristwatch. It needs the current time smoothly moving second, minute, and hour hands and two time zones. The model wrote a fairly ambitious watch page and even downloaded the 3JS modules so they could be served locally. But the first browser check showed a blank page where the watch should be and both time displays still had placeholder dashes. I traced

[06:49] that to the import map. The HTML requested the orbit and environment modules from paths that the model had not actually created. So first pass score zero because a watch that never loads is not a working watch. Then I gave open code the exact browser error and let the same model repair its own project. It fixed the paths. And on the second check, I got a 3D render, a clock that advanced, a sweeping second hand, and a second time zone that changed when selected. That repair is worth showing because it tells a more useful story than a screenshot of a broken page. But

[07:20] I would still only give the repaired watch 6 out of 10. The wrist and bracelet dominate the frame. Parts of the case cut across the dial, and changing the second zone does not immediately update its printed label on the watch face. So, the time logic works. The visual execution needs more care. The score with that permission issue corrected is 42 out of 80. That’s 52.5%. Or 5.25 out of 10 overall. I’m keeping the contact case retry and the repaired watch outside that total because those were separate attempts after the model’s

[07:51] initial output. The fine-tuning rerun does count. The first stop came for my open code permissions, and I don’t think it would be fair to score that against the model. What stands out to me is the contrast. When Lchon finishes a focused visual task, it can make something really nice. The elevator is genuinely functional. The folding table is polished and the Panda SVG looks good. And the local Gemma fine-tuning job shows it can complete a longer workflow when the environment is set up correctly. But the contact case and counting sessions still ended without

[08:22] usable answers, and the watch needed a browser tested repair. Those are workflow problems you will feel if you’re relying on an agent to complete a task while you do something else. I also wouldn’t turn this single run into a universal model ranking. These are my prompts in this open code and open router setup with the results you can inspect on screen. I would absolutely try Lchonk for a contained visual prototype and I would keep a browser and a test loop close by for longer less forgiving work. I want to see it finish reliably before I trust it as my default coding model. For me, the deciding

[08:53] factor is how often I can hand it a task and come back to something I can use. Overall, it’s pretty cool. Anyway, let me know your thoughts in the comments. If you like this video, consider donating through the super thanks option or becoming [music] a member by clicking the join button. Also, give this video a thumbs up and subscribe to my channel. I’ll see you in the next one. Until then, bye.