Mistral Large 4 — європейська відповідь із трильйоном параметрів американським моделям, які відмовляються від роботи у сфері безпеки

Mistral представила Mistral Large 4 — свою найбільшу на сьогодні модель. Вона має один трильйон параметрів і була навчена у власних європейських дата-центрах компанії. У незалежному індексі модель зробила значний ривок уперед, але все ще помітно поступається провідним закритим моделям. Головна перевага Mistral полягає в тому, що вона працює із завданнями безпеки, до яких Claude і GPT-6 відмовляються навіть наближатися.

Mistral випустила публічну попередню версію Mistral Large 4 (ML4), яку прозвали «le Chonk». API уже доступний через Mistral Studio. Очікується, що ваги моделі з’являться наприкінці жовтня.

За словами Mistral, ML4 — це нативно мультимодальна модель з одним трильйоном параметрів, 49 мільярдів із яких є активними. У X компанія заявляє, що ML4 є найкращою моделлю з відкритими вагами зі США чи Європи за сукупністю бенчмарків. Вона стверджує, що модель демонструє найкращі у своєму класі результати в кіберзахисті, виробництві та фінансах, а також перевершує навіть закриті передові моделі у візуальному заземленні.

Великий ривок для Mistral, але Claude все ще випереджає на 20 балів

Незалежну оцінку надає Індекс інтелекту від Artificial Analysis, який об’єднує десять бенчмарків у різних сферах. ML4 набрала там 38 балів. Це значний крок уперед для Mistral: її попередниця Mistral Large 3 набрала в індексі лише 9 балів, а найновіша Mistral Medium 3.5 — 14. Із 38 балами ML4 також трохи випереджає GLM-5.2 від Z.ai, яку Mistral пропонує на власній платформі. Але відставання від лідерів усе ще значне. Claude Opus 5.5 (Max) лідирує з 58 балами.

До публікації ваг Mistral тестує модель на стійкість за участю компаній, що спеціалізуються на безпеці, перевірених партнерів і державних установ. Ці групи отримують ту саму версію зі зниженим рівнем модерації та розширеними кіберможливостями.

Перевага Mistral у кібербезпеці частково зумовлена відмовою конкурентів від виконання завдання

Mistral присвячує більшу частину свого анонсу безпеці ІТ. За даними компанії, в Artificial Analysis Cyber Index ML4 входить до п’ятірки найкращих моделей у світі. Серед моделей із відкритими вагами, розроблених за межами Китаю, вона лідирує з великим відривом.

В одному з тестів модель має відтворити реальну вразливість у програмному забезпеченні з відкритим кодом, а потім виправити її. ML4 набирає 82 відсотки — це найвищий результат серед усіх моделей. Однак причина незвична. За словами Mistral, Claude Opus 5.5 і GPT-6 Astra набирають майже нуль, оскільки повністю відмовляються виконувати завдання. Тож тест вимірює не лише можливості моделей, а й політику їхніх постачальників.

Mistral перетворює це на конкурентну перевагу. Компанія стверджує, що захист програмного забезпечення часто починається з доведення реальності вразливості. Фільтри безпеки закритих моделей блокують саме таку роботу, тоді як зловмисники все одно обходять захист цих самих моделей. Mistral додає, що втрата доступу до постачальника під час інциденту сама по собі може стати ризиком для безпеки. ML4 також розроблена для роботи у приватних хмарах або локально.

Водночас Mistral наголошує на високій частоті відмов. На шкідливі кіберзапити з JailbreakBench, StrongREJECT та AgentHarm ML4 відмовляє частіше, ніж будь-яка інша модель із відкритими вагами. Як саме модель надійно відрізняє легітимні дослідження вразливостей від підготовки атак, Mistral не пояснює. За даними компанії, у Lakera's B3 AI Security Benchmark ML4 блокує 93,3 відсотка атак.

ML4 посідає друге місце в програмуванні, випереджаючи Deepseek і Qwen

У програмуванні ML4 набирає 49,8 відсотка в Artificial Analysis Coding Agent Index, випереджаючи Deepseek V4 Pro і Qwen3.8 Max. Mistral також провела сліпе оцінювання із Surge AI, під час якого професійні оцінювачі оцінювали якість коду, не знаючи, яка модель його створила. ML4 посіла друге місце серед п’яти моделей із результатом 3,74 з 5 балів, випередивши GLM-5.3 і Kimi K3. Claude Opus 5 лідирувала з 4,22 бала.

Щодо розуміння зображень Mistral заявляє про значне покращення. ML4 має аналізувати документи, діаграми, супутникові зображення гігапіксельного розміру та технічні креслення, самостійно збільшуючи масштаб і перевіряючи деталі. Однак перевага над закритими моделями незначна. У бенчмарку Dense 200 ML4 набирає 42 відсотки, тоді як GPT-6 Astra — 41 відсоток. Згідно з оцінюванням Vals.ai, ML4 також випереджає GPT-6 Astra у юридичних і фінансових завданнях.

Європейський суверенітет як бізнес-модель

Mistral заявляє, що ML4 навчали з нуля на 3 800 графічних процесорах Nvidia Grace Blackwell у власних європейських дата-центрах. Попередня версія працює на тій самій інфраструктурі. Поряд із пропозиціями в кількох регіонах Mistral планує європейський варіант, яким повністю керуватиме самостійно, незалежно від інших постачальників послуг і відповідно до європейського законодавства. Дані для навчання охоплюють понад 160 мов, зокрема всі офіційні мови ЄС.

За даними Mistral, навчання відбувалося у співпраці з компаніями з фінансового сектору, виробництва, логістики, фармацевтики, судноплавства та державного сектору. Компанія використовувала те саме середовище навчання та підкріплювального навчання, яке пропонує клієнтам через Mistral Forge. Для донавчання з підкріпленням Mistral використовує близько 3 000 графічних процесорів. Один цикл навчання генерує приблизно 33 мільярди токенів на день.

Навчання ще не завершено

Цикл RL, на якому базується попередня версія, усе ще триває і не демонструє ознак виходу на плато, заявляє Mistral. Компанія очікує значних покращень у найближчі тижні. Розширення обчислювальних потужностей фінансується завдяки раунду Series D на 3 мільярди євро — найбільшому раунду залучення капіталу, коли-небудь проведеному європейською технологічною компанією.

Наразі багато чого залишається нез’ясованим. Згідно з документацією моделі, ML4 використовує дрібнозернисту архітектуру суміші експертів із загалом 1,05 трильйона параметрів і візуальним енкодером на 1,6 мільярда параметрів. Контекстне вікно охоплює один мільйон токенів. Mistral планує опублікувати деталі архітектури, ліцензію та методи донавчання одночасно з вагами наприкінці місяця.

Під час попереднього доступу Mistral стягує $0,68 за мільйон вхідних токенів і $2,09 за мільйон вихідних токенів. Кешовані вхідні дані коштують $0,07. У документації також наведено ціни, удвічі вищі за ці ставки: $1,36 за вхідні, $4,18 за вихідні та $0,14 за кешовані вхідні токени. ML4 також має стати основою нового покоління спеціалізованих моделей Mistral.

Mistral уже кілька місяців розбудовує власну інфраструктуру в Європі. У березні компанія взяла позику в розмірі 830 мільйонів доларів на дата-центр поблизу Парижа; до кінця 2027 року в Європі планується обчислювальна потужність у 200 мегават. Схоже, компанія зміщує фокус зі споживачів на корпоративних клієнтів. У травні Mistral перейменувала свого чат-бота Le Chat на Vibe і перетворила його на робочий інструмент.

Того ж місяця генеральний директор Mistral Артур Менш попередив французьку парламентську комісію, що Європа ризикує стати залежною від американських моделей у сфері кібербезпеки. За словами Менша, кодові бази французьких військових не слід сканувати за допомогою Mythos від Anthropic. Він додав, що власні моделі Mistral могли б знаходити ті самі вразливості, які пов’язують із Mythos.

Новини ШІ без хайпу — відібрані людьми

Підпишіться на THE DECODER, щоб читати матеріали без реклами, отримувати щотижневу розсилку про ШІ, наш ексклюзивний передовий звіт «AI Radar» шість разів на рік, повний доступ до архіву та доступ до розділу коментарів.