Базираната в Париж Mistral пуска „Le Chonk“ — мощен модел за програмиране, който все още като цяло изостава от китайските модели

Mistral пусна теглата на Mistral Large 4, най-големия си модел досега. Компанията твърди, че моделът превъзхожда отворените си конкуренти при кодиране. В първия независим тест се оказва, че е бърз и сравнително евтин, но изостава от китайските модели в общото класиране.

Три седмици след публичния преглед Mistral качи теглата на Large 4 в Hugging Face. Прякорът на модела е „Le Chonk“. Той приема текст и изображения като вход и извежда текст и код. Общо има около един трилион параметъра, като 52 милиарда са активни на всяка стъпка. За да го стартирате сами, е необходим много хардуер. Според документацията на рамката за инференция SGLang стандартната версия работи на осем графични процесора Nvidia B300, а по-силно компресиран вариант работи на четири графични процесора GB300.

След прегледа Mistral продължи да обучава модела с обучение чрез подсилване. Компанията твърди, че това е довело до големи подобрения, особено в кодирането и киберзащитата. Изследователите на Mistral Пиер Сток и Корентен Пти представиха процеса по време на разговор с пресата. Екипът е създал вътрешни задачи, които са ставали все по-трудни с напредването на обучението. Те заявиха, че единственото ограничение за производителността е колко трудна задача екипът все още може да създаде и провери. Mistral го нарича „двугодишен залог“, който сега започва да се отплаща.

Large 4 води отворените модели при кодирането, но изостава значително от Claude

След още три седмици обучение резултатът на Large 4 в Terminal-Bench 4.0 се повиши от 28 на 41 процента. Това го поставя малко пред GLM-5.3 с 40 процента. Mistral твърди, че Large 4 постига 48 процента в Coding Agent Index на Artificial Analysis. Това практически е равен резултат с GLM-5.3, но Large 4 използва 47 процента по-малко токени, за да го постигне. Claude Code с Claude Opus 5.5 оглавява индекса с 62 точки.

В новия бенчмарк FrontierCode 2.0 на Cognition Large 4 води отворените модели с 19,7 процента. Claude Opus 5.5 обаче получава 46 процента. При слепи сравнения, проведени от Surge, тестерите предпочитат кода на Large 4 пред кода на GLM-5.3, Kimi K3 и DeepSeek в повечето случаи. Срещу Opus 5.5 Large 4 печели само 22 процента от двубоите.

Сравненията на Mistral не включват Kimi K3.1 Pro на Moonshot. Технически това е справедливо, тъй като теглата му все още не са публични. Moonshot планира да ги пусне до 4 ноември 2026 г. След това Mistral вероятно няма да запази голяма преднина, защото Kimi K3.1 Pro оглавява Terminal-Bench 4.0 с 67 процента.

Large 4 е на трето място сред отворените модели за киберзащита, а не на първо

Mistral нарича Large 4 водещия отворен модел за киберзащита. Компанията твърди, че финалната версия получава 51 процента в Cyber Index на Artificial Analysis. Индексът измерва дали даден модел може да открива, възпроизвежда и отстранява уязвимости в сигурността на кодова база, без да нарушава съществуващите функции. Собствената диаграма на Mistral обаче показва два отворени модела пред него — DeepSeek V4.1 Flash с 57 процента и MiMo-V2.6-Pro с 56 процента. Това поставя Large 4 на трето място сред отворените модели, малко пред GLM-5.3 Flash с 50 процента. Kimi K3.1 Pro оглавява целия индекс с 64 процента.

Допълнителното обучение почти не промени резултата тук. Според Artificial Analysis прегледната версия е получила 50 точки, а финалната версия е само с една точка по-високо.

Large 4 се справя по-добре с отказването на вредни заявки. Mistral твърди, че средно отхвърля 96,6 процента от злонамерените киберзаявки — повече от всеки друг отворен модел. В същото време се очаква да обработва легитимни задачи за защита. Mistral признава, че моделът би могъл да улесни реални атаки, затова планира да затегне защитите през следващите месеци. Избрани партньори като Orange Cyberdefense вече тестват специална версия за тестове за проникване. Достъпът изисква проверка и е придружен от договорни ограничения.

Mistral отчита напредък и при офисната работа. Компанията твърди, че Large 4 изостава само от Kimi K3 сред отворените модели при редактиране на финансови електронни таблици и търсене в мрежата.

Mistral намалява цената, но добавя уловка в лиценза

Чрез API Large 4 струва 0,70 долара на милион входни токени и 2,10 долара на милион изходни токени. По време на прегледа каталожната цена беше съответно 1,36 и 4,18 долара. При пускането Mistral я намали до 0,68 и 2,09 долара за две седмици, така че новата цена приблизително съответства на старата отстъпка. За сравнение, Kimi K3.1 Pro струва 2 долара за вход и 10 долара за изход.

Mistral пусна модела под модифициран MIT лиценз. Използването, модификацията и комерсиалното внедряване са безплатни. Компаниите, които предлагат Large 4 като комерсиална облачна услуга, обаче се нуждаят от отделен лиценз от Mistral. Компанията представя модела основно като „суверенен“ ИИ, тъй като е обучен изцяло в Европа и може да работи на собствени сървъри. Ако не искате да го хоствате сами, той е достъпен, наред с други платформи, в Microsoft Foundry.

Независими тестове показват, че Large 4 е бърз и евтин, но не може да настигне най-добрите модели на Китай

В сряда Artificial Analysis пусна версия 5 на своя Intelligence Index. Оттогава тя оцени финалната версия на Large 4 в режим high, която получава 26 точки. Три пети от индекса вече разчитат на тестове, чиито задачи или решения не са публични. Деветте теста включват Terminal-Bench 4.0 и FrontierCode 2.0.

Прегледната версия получи 25 точки, така че трите допълнителни седмици обучение добавиха само една точка към общия резултат. Artificial Analysis посочва, че Large 4 превъзхожда средното за отворени модели с подобен размер, чиято медиана е 23 точки. Той все пак изостава от най-силните отворени модели от Китай. DeepSeek V4.1 Flash и GLM-5.3 получават по 32 точки, а MiMo-V2.6-Pro — 30. Тази разлика не е нова. В стария индекс прегледната версия получи 38 точки, а GLM-5.3 — 45.

Силните страни на Large 4 са скоростта и цената. Моделът генерира 161 токена в секунда спрямо 111 при прегледната версия. При директното сравнение на Artificial Analysis само DeepSeek V4.1 Flash и Muse Wonder са по-бързи. Една задача от индекса струва средно 2,06 долара с Large 4 спрямо 5,54 долара за прегледната версия. Това прави Large 4 по-евтин от GLM-5.3 (5,01 долара) и Kimi K3.1 Pro (3,68 долара), но много по-скъп от DeepSeek V4.1 Flash (0,60 долара) и MiMo-V2.6-Pro (0,26 долара). В сравнение с други отворени модели с подобен размер Artificial Analysis все още смята цената му на токен за сравнително висока.

Mistral също така обещава, че Large 4 е ефективен по отношение на токените, а това твърдение вече може да бъде проверено. Моделът е генерирал 110 милиона изходни токена в целия индекс спрямо 150 милиона за прегледната версия. Това е значително подобрение. Медианата за сравнимите модели обаче е 100 милиона, така че Large 4 все още е малко над нея.

Разликата на върха на индекса е голяма. Gemini 4 Carbon на Google води с 59 точки, с една точка пред Claude Opus 5.5. Засега обаче само избрани партньори в областта на киберсигурността могат да използват Gemini 4 Carbon. Най-добрият отворен модел е Kimi K3.1 Pro с 46 точки, но теглата му все още не са пуснати.

Mistral все още смята, че е на прав път. По време на разговора с пресата екипът заяви, че работи с част от ресурсите, с които разполагат американските и китайските лаборатории, и би бил на върха при десет пъти повече капитал. Large 4 е предназначен да служи като основа за специализирани модели на Mistral. Компанията все още не коментира по-малки версии, изградени върху него.

Новини за ИИ без сензация – подбрани от хора

Абонирайте се за THE DECODER за четене без реклами, седмичен бюлетин за ИИ, нашия ексклузивен шест пъти годишно публикуван доклад за водещите разработки „AI Radar“, пълен достъп до архива и достъп до секцията за коментари.