Паризька Mistral випускає «Le Chonk» — потужну модель для програмування, яка все ще загалом поступається китайським моделям

Mistral випустила ваги Mistral Large 4, своєї найбільшої на сьогодні моделі. Компанія заявляє, що модель перевершує відкритих конкурентів у програмуванні. Перший незалежний тест показує, що вона швидка й доволі дешева, але поступається китайським моделям у загальному рейтингу.

Через три тижні після публічного попереднього перегляду Mistral розмістила ваги Large 4 на Hugging Face. Модель має прізвисько «Le Chonk». Вона приймає на вхід текст і зображення, а на виході генерує текст і код. Загалом вона має близько одного трильйона параметрів, із яких 52 мільярди активні на кожному кроці. Для самостійного запуску потрібне значне апаратне забезпечення. Згідно з документацією фреймворку для інференсу SGLang, стандартна версія працює на восьми GPU Nvidia B300, а сильніше стиснена версія — на чотирьох GPU GB300.

Після попереднього перегляду Mistral продовжила навчати модель із підкріпленням. Компанія заявляє, що це дало значний приріст, особливо в програмуванні та кіберзахисті. Дослідники Mistral П’єр Сток і Корентен Петі розповіли про цей процес під час пресконференції. Команда створювала власні завдання, які ставали складнішими в міру навчання. За їхніми словами, єдиним обмеженням продуктивності є те, наскільки складне завдання команда ще здатна створити й перевірити. У Mistral називають це «ставкою на два роки», яка тепер починає приносити результати.

Large 4 очолює відкриті моделі в програмуванні, але значно поступається Claude

Після ще трьох тижнів навчання результат Large 4 у Terminal-Bench 4.0 зріс із 28 до 41%. Це трохи випереджає GLM-5.3 із результатом 40%. Mistral заявляє, що Large 4 набирає 48% в індексі агентів програмування Artificial Analysis. Це практично нічия з GLM-5.3, але Large 4 використовує на 47% менше токенів для досягнення такого результату. Claude Code із Claude Opus 5.5 очолює індекс із 62 балами.

У новому бенчмарку Cognition FrontierCode 2.0 Large 4 очолює відкриті моделі з результатом 19,7%. Однак Claude Opus 5.5 набирає 46%. У сліпих порівняннях, проведених Surge, тестувальники частіше надавали перевагу коду Large 4, а не коду GLM-5.3, Kimi K3 та DeepSeek. Проти Opus 5.5 Large 4 перемогла лише у 22% зіставлень.

У порівняннях Mistral не враховано Kimi K3.1 Pro від Moonshot. Технічно це справедливо, оскільки її ваги ще не оприлюднено. Moonshot планує випустити їх до 4 листопада 2026 року. Після цього перевага Mistral, імовірно, значно скоротиться, адже Kimi K3.1 Pro очолює Terminal-Bench 4.0 із результатом 67%.

Large 4 посідає третє місце серед відкритих моделей у кіберзахисті, а не перше

Mistral називає Large 4 провідною відкритою моделлю для кіберзахисту. Компанія заявляє, що фінальна версія набирає 51% в індексі кіберзахисту Artificial Analysis. Індекс вимірює, чи здатна модель знаходити, відтворювати й виправляти вразливості в кодовій базі, не порушуючи наявних функцій. Однак на власній діаграмі Mistral показує дві відкриті моделі, що випереджають її: DeepSeek V4.1 Flash із 57% і MiMo-V2.6-Pro із 56%. Це ставить Large 4 на третє місце серед відкритих моделей, лише трохи випереджаючи GLM-5.3 Flash із 50%. Kimi K3.1 Pro очолює весь індекс із 64%.

Додаткове навчання тут майже не змінило результат. За даними Artificial Analysis, попередня версія набрала 50 балів, а фінальна — лише на один бал більше.

Large 4 краще відмовляється від шкідливих запитів. Mistral заявляє, що в середньому відхиляє 96,6% шкідливих кіберзапитів — більше, ніж будь-яка інша відкрита модель. Водночас вона має обробляти легітимні завдання із захисту. Mistral визнає, що модель може спростити здійснення реальних атак, тому в найближчі місяці планує посилити запобіжники. Окремі партнери, зокрема Orange Cyberdefense, уже тестують спеціальну версію для тестування на проникнення. Доступ надається після перевірки та супроводжується договірними обмеженнями.

Mistral також бачить прогрес у роботі з офісними завданнями. Компанія заявляє, що серед відкритих моделей Large 4 поступається лише Kimi K3 під час редагування фінансових таблиць і пошуку в інтернеті.

Mistral знижує ціну, але додає ліцензійне обмеження

Через API Large 4 коштує $0,70 за мільйон вхідних токенів і $2,10 за мільйон вихідних токенів. Під час попереднього перегляду ціна становила $1,36 і $4,18. На момент запуску Mistral на два тижні знизила її до $0,68 і $2,09, тож нова ціна приблизно відповідає цій колишній знижці. Для порівняння, Kimi K3.1 Pro коштує $2 за вхідні та $10 за вихідні токени.

Mistral випустила модель за модифікованою ліцензією MIT. Використання, модифікація та комерційне розгортання є безкоштовними. Однак компаніям, які пропонують Large 4 як комерційний хмарний сервіс, потрібна окрема ліцензія від Mistral. Компанія переважно позиціонує модель як «суверенний» ШІ, оскільки її повністю навчали в Європі, і вона може працювати на власних серверах. Якщо ви не хочете розміщувати її самостійно, вона доступна, зокрема, на Microsoft Foundry.

Незалежні тести показують, що Large 4 швидка й дешева, але не може наздогнати найкращі моделі Китаю

У середу Artificial Analysis випустила п’яту версію свого індексу інтелекту. Відтоді вона оцінила фінальну версію Large 4 у режимі high, де модель набрала 26 балів. Тепер три п’ятих індексу ґрунтуються на тестах, завдання або розв’язання яких не є публічними. Дев’ять тестів включають Terminal-Bench 4.0 і FrontierCode 2.0.

Попередня версія набрала 25 балів, тож додаткові три тижні навчання додали лише один бал до загального результату. Artificial Analysis зазначає, що Large 4 перевершує середній показник відкритих моделей подібного розміру, медіанне значення для яких становить 23 бали. Водночас вона все ще поступається найсильнішим відкритим моделям із Китаю. DeepSeek V4.1 Flash і GLM-5.3 набирають по 32 бали, а MiMo-V2.6-Pro — 30. Цей розрив не новий. У старому індексі попередня версія набрала 38 балів, а GLM-5.3 — 45.

Сильні сторони Large 4 — швидкість і вартість. Модель генерує 161 токен за секунду проти 111 у попередньої версії. У прямому порівнянні Artificial Analysis швидшими є лише DeepSeek V4.1 Flash і Muse Wonder. Завдання індексу в середньому коштує $2,06 із Large 4 проти $5,54 для попередньої версії. Це робить Large 4 дешевшою за GLM-5.3 ($5,01) і Kimi K3.1 Pro ($3,68), але значно дорожчою за DeepSeek V4.1 Flash ($0,60) і MiMo-V2.6-Pro ($0,26). Порівняно з іншими відкритими моделями подібного розміру Artificial Analysis усе ще вважає її ціну за токен високою.

Mistral також обіцяє, що Large 4 ефективно використовує токени, і тепер це твердження можна перевірити. Модель згенерувала 110 мільйонів вихідних токенів у межах усього індексу проти 150 мільйонів у попередньої версії. Це значне покращення. Але медіанне значення для порівнюваних моделей становить 100 мільйонів, тож Large 4 усе ще трохи його перевищує.

Розрив на вершині індексу значний. Gemini 4 Carbon від Google очолює рейтинг із 59 балами, на один бал випереджаючи Claude Opus 5.5. Однак поки що Gemini 4 Carbon можуть використовувати лише окремі партнери у сфері кібербезпеки. Найкращою відкритою моделлю є Kimi K3.1 Pro із 46 балами, але її ваги ще не випущено.

Mistral і надалі вважає, що рухається правильним шляхом. Під час пресконференції команда заявила, що працює з часткою ресурсів, доступних лабораторіям США та Китаю, і посіла б перше місце за наявності вдесятеро більшого капіталу. Large 4 має стати основою для спеціалізованих моделей Mistral. Компанія поки не прокоментувала менші версії, створені на її основі.

Новини ШІ без хайпу — відібрані людьми

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