Mistral Large 4 — европейский ответ с триллионом параметров американским моделям, отказывающимся от работы в сфере безопасности

Mistral представила Mistral Large 4 — свою крупнейшую на сегодняшний день модель. Она насчитывает один триллион параметров и обучалась в собственных европейских дата-центрах компании. В независимом рейтинге модель совершила большой рывок вперед, но по-прежнему значительно уступает ведущим закрытым моделям. Главное преимущество Mistral заключается в том, что она справляется с задачами безопасности, к которым Claude и GPT-6 отказываются прикасаться.

Mistral выпустила публичную предварительную версию Mistral Large 4 (ML4), получившую прозвище «le Chonk». API уже доступен через Mistral Studio. Ожидается, что веса модели будут выпущены в конце октября.

По данным Mistral, ML4 — нативно мультимодальная модель с одним триллионом параметров, из которых активны 49 миллиардов. В X компания заявляет, что ML4 — лучшая модель с открытыми весами из США или Европы по совокупности тестов. Она утверждает, что модель демонстрирует передовые результаты в киберзащите, производстве и финансах, а также превосходит даже закрытые передовые модели в визуальном заземлении.

Большой рывок Mistral, но Claude по-прежнему лидирует с отрывом в 20 баллов

Независимую оценку предлагает Intelligence Index от Artificial Analysis, объединяющий десять тестов в различных областях. ML4 набирает в нем 38 баллов. Для Mistral это значительный шаг вперед: ее предшественница Mistral Large 3 набрала в рейтинге всего 9 баллов, а более новая Mistral Medium 3.5 — 14. С результатом в 38 баллов ML4 также немного опережает GLM-5.2 от Z.ai, которую Mistral предлагает на собственной платформе. Но отставание от лидеров по-прежнему велико. Claude Opus 5.5 (Max) лидирует с 58 баллами.

До выпуска весов Mistral проводит проверку модели на проникновение совместно с компаниями, занимающимися безопасностью, проверенными партнерами и государственными учреждениями. Эти группы получают ту же версию с менее строгой модерацией и расширенными кибервозможностями.

Преимущество Mistral в кибербезопасности отчасти связано с отказом конкурентов выполнять эту задачу

Основная часть анонса посвящена безопасности ИТ. По данным компании, в Artificial Analysis Cyber Index ML4 входит в пятерку лучших моделей мира. Среди моделей с открытыми весами, разработанных за пределами Китая, она лидирует с большим отрывом.

Один из тестов предлагает модели воспроизвести реальную уязвимость в программном обеспечении с открытым исходным кодом, а затем устранить ее. ML4 показывает результат 82 процента — это лучший показатель среди всех моделей. Однако причина необычна. По данным Mistral, Claude Opus 5.5 и GPT-6 Astra набирают почти ноль, поскольку полностью отказываются выполнять задачу. Таким образом, тест измеряет не только возможности моделей, но и политики провайдеров.

Mistral превращает это в конкурентное преимущество. По мнению компании, защита программного обеспечения часто начинается с доказательства того, что уязвимость реальна. Фильтры безопасности закрытых моделей блокируют именно такую работу, тогда как злоумышленники все равно взламывают эти модели. Mistral добавляет, что потеря доступа к провайдеру в разгар инцидента сама по себе может стать угрозой безопасности. ML4 также рассчитана на работу в частных облаках или локально.

Одновременно Mistral подчеркивает высокий уровень отказов. На вредоносные киберзапросы из JailbreakBench, StrongREJECT и AgentHarm ML4 отвечает отказом чаще любой другой модели с открытыми весами. Mistral не объясняет, как модель надежно отличает легитимное исследование уязвимостей от подготовки атаки. По данным компании, в B3 AI Security Benchmark от Lakera ML4 блокирует 93,3 процента атак.

ML4 занимает второе место в программировании, опережая Deepseek и Qwen

В программировании ML4 набирает 49,8 процента в Artificial Analysis Coding Agent Index, опережая Deepseek V4 Pro и Qwen3.8 Max. Mistral также провела слепую оценку совместно с Surge AI: профессиональные аннотаторы оценивали качество кода, не зная, какая модель его создала. ML4 заняла второе место среди пяти моделей с результатом 3,74 из 5 баллов, опередив GLM-5.3 и Kimi K3. Claude Opus 5 лидировала с результатом 4,22 балла.

По заявлению Mistral, в понимании изображений модель значительно улучшилась. Предполагается, что ML4 сможет анализировать документы, графики, спутниковые изображения гигапиксельного разрешения и технические чертежи, самостоятельно увеличивая масштаб и проверяя детали. Однако отрыв от закрытых моделей невелик. В тесте Dense 200 ML4 набирает 42 процента, тогда как GPT-6 Astra — 41 процент. Согласно оценке Vals.ai, ML4 также превосходит GPT-6 Astra в юридических и финансовых задачах.

Европейский суверенитет как бизнес-модель

Mistral заявляет, что ML4 обучалась с нуля на 3800 графических процессорах Nvidia Grace Blackwell в собственных европейских дата-центрах. Предварительная версия работает на той же инфраструктуре. Наряду с предложениями в нескольких регионах Mistral планирует европейский вариант, которым будет полностью управлять самостоятельно, независимо от других поставщиков услуг и в соответствии с европейским законодательством. Данные для обучения охватывают более 160 языков, включая все официальные языки ЕС.

По данным Mistral, обучение проходило в сотрудничестве с компаниями из финансового сектора, промышленности, логистики, фармацевтики, судоходства и государственного сектора. Компания использовала ту же среду обучения и RL, которую предлагает клиентам через Mistral Forge. Для дообучения с подкреплением Mistral использует около 3000 графических процессоров. За один цикл обучения генерируется примерно 33 миллиарда токенов в день.

Обучение еще не завершено

Цикл RL, лежащий в основе предварительной версии, все еще продолжается и не показывает признаков выхода на плато, сообщает Mistral. Компания ожидает значительных улучшений в ближайшие недели. Расширение вычислительных мощностей финансируется за счет раунда Series D на 3 миллиарда евро — крупнейшего в истории европейской технологической компании раунда привлечения акционерного капитала.

Пока остается много неясного. Согласно документации модели, ML4 использует архитектуру тонкозернистой смеси экспертов с общим числом параметров 1,05 триллиона и визуальным энкодером на 1,6 миллиарда параметров. Контекстное окно охватывает один миллион токенов. Mistral планирует выпустить подробности архитектуры, лицензию и методы дообучения вместе с весами в конце месяца.

Во время предварительного доступа Mistral взимает 0,68 доллара за миллион входных токенов и 2,09 доллара за миллион выходных токенов. Кэшированные входные данные стоят 0,07 доллара. В документации также указаны цены вдвое выше: 1,36 доллара за входные токены, 4,18 доллара за выходные и 0,14 доллара за кэшированные входные данные. ML4 также должна стать основой для нового поколения специализированных моделей Mistral.

Mistral уже несколько месяцев развивает собственную инфраструктуру в Европе. В марте компания взяла кредит в размере 830 миллионов долларов на дата-центр недалеко от Парижа; к концу 2027 года в Европе планируется вычислительная мощность в 200 мегаватт. Похоже, компания смещает фокус с потребителей на корпоративных клиентов. В мае Mistral переименовала своего чат-бота Le Chat в Vibe и превратила его в рабочий инструмент.

В том же месяце генеральный директор Mistral Артур Менш предупредил французскую парламентскую комиссию, что Европа рискует стать зависимой от американских моделей в сфере кибербезопасности. По словам Менша, кодовые базы французских военных не следует сканировать с помощью Mythos от Anthropic. Он добавил, что собственные модели Mistral могли бы обнаружить те же уязвимости, которые связывают с Mythos.

Новости ИИ без шумихи — отобраны людьми

Подпишитесь на THE DECODER, чтобы читать материалы без рекламы, получать еженедельную рассылку об ИИ, эксклюзивный квартальный отчет о передовых разработках «AI Radar», полный доступ к архиву и разделу комментариев.