آزمایشگاه هوش مصنوعی فرانسوی Mistral وزن‌های باز Mistral Large 4 را منتشر کرد، مدل پرچم‌دار 1 تریلیون پارامتری و بومی چندوجهی آن، که یکی از توانمندترین سیستم‌های هوش مصنوعی جهان را به صورت رایگان چند روز پس از انتخاب گوگل برای عرضه مرزی خود انتخاب کرد. این اطلاعیه که در وبلاگ Mistral با نام مستعار غیررسمی مدل "Le Chonk" منتشر شد، تأیید کرد که وزنه ها در Hugging Face برای استقرار خود میزبان با vLLM یا SGLang در دسترس هستند.

انتشار، انتقال سریع از پیش نمایش به در دسترس بودن باز را نشان می دهد. Mistral Mistral Large 4 را در اوایل این ماه در پیش نمایش عمومی معرفی کرد و می‌گوید که تنها سه هفته یادگیری تقویتی اضافی از آن زمان تاکنون باعث پیشرفت‌های عظیم در کدنویسی و امنیت سایبری دفاعی شده است. به گفته میسترال، سودها «به شتاب ادامه می‌دهند، بدون هیچ نشانه‌ای از اشباع» و مدل بهبودیافته نیز دستاوردهای قابل‌توجهی در کارایی استدلال ارائه می‌کند که هزینه‌های استنتاج را برای توسعه‌دهندگان کاهش می‌دهد. For more context on this story, see our ongoing AI news.

ادعاهای معیار: تاج برنامه‌نویسی وزن باز

محور اصلی اعلامیه Mistral یک سرنخ ادعا شده در معیار خصوصی FrontierCode 2.0 Cognition است که کیفیت کد سرتاسری را ارزیابی می کند و به قول میسترال، اینکه آیا یک نگهدارنده مخزن تغییرات عامل را ادغام می کند یا خیر. Mistral Large 4 امتیاز 19.7% را به دست آورد، جلوتر از DeepSeek V4.1 Flash با 19.3%، GLM-5.3 با 17.8%، Kimi K3 با 17.3% و GLM-5.3 Flash با 14.2%.

در شاخص عامل کدگذاری تحلیل مصنوعی، Mistral امتیاز 48% را گزارش می‌کند که به طور موثر با مدل وزن باز پیشرو GLM-5.3 گره خورده است در حالی که به طور متوسط ​​از 47 درصد نشانه‌های کمتر در هر کار استفاده می‌کند - شکاف کارایی که برای هر کسی که عامل‌های برنامه‌نویسی را در مقیاس اجرا می‌کند اهمیت زیادی دارد. پوشش VentureBeat از انتشار، رقم هزینه به ازای هر کار را 63 درصد کمتر نشان داد و The New Stack تقریباً یک امتیاز برتری کدنویسی را نسبت به GLM-5.3 گزارش کرد.

گردش کار مبتنی بر ترمینال نیز بهبود یافته است. Mistral می‌گوید که این مدل در ترمینال-بنچ 4.0 در مقایسه با پیش‌نمایش عمومی خود 13 درصد افزایش یافته و به 41 درصد رسیده و در میان مدل‌های وزن باز پیشتاز است و در عین حال خطاها را در محیط‌های پایانه کاهش می‌دهد.

ساخته شده برای کدگذاران، در موقعیت برای مدافعان سایبری

امنیت سایبری دومین رکن انتشار است و تصادفی نیست. رویترز گزارش داد که Mistral صراحتاً کاربران امنیت سایبری را با این مدل هدف قرار می‌دهد و نوشته Fortune آن را بهترین مدل باز برای کدگذاری عاملی و دفاع سایبری توصیف کرده است. این موقعیت یابی با تصمیم گوگل در این هفته برای ارائه مدل مرزی متمرکز بر امنیت سایبری خود ابتدا به مدافعان سایبری مرتبط است - اما با فلسفه توزیع مخالف: جایی که Google دسترسی تدریجی را از طریق یک برنامه شریک مورد اعتماد انجام می دهد، Mistral به هر سازمانی اجازه می دهد وزن ها را به طور کامل دانلود کند.

Sovereign AI Pitch

Mistral انتشار را دقیقاً حول استراتژی "هوش مصنوعی مستقل" خود تنظیم می کند. این شرکت می‌گوید که این مدل از ابتدا در زیرساخت‌های اروپایی با «نسب روشن از ابتدا تا انتشار» آموزش داده شده است و به سازمان‌ها بنیادی می‌دهد که می‌توانند مالکیت، سفارشی‌سازی و کنترل سخت‌افزار خود را داشته باشند. این استدلال در میان شرکت‌ها و دولت‌های اروپایی که وابستگی به ارائه‌دهندگان مدل مستقر در ایالات متحده را بررسی می‌کنند، بلندتر شده است.

حرکت وزن باز نیز توجه اکوسیستم را به خود جلب کرد. جف بودیر، معاون محصول Hugging Face، در این اطلاعیه نقل شده است که توسعه دهندگان به آزادی تصمیم گیری در مورد اینکه یک مدل کجا اجرا می شود و چگونه بهینه می شود، نیاز دارند، و از انتشار استقبال می کنند، زیرا سازمان ها می توانند بر اساس آن کار کنند و با آن سازگار شوند.

ZDNET گزارش داد که این مدل در حال حاضر در کنار بهترین سیستم‌های کدگذاری اختصاصی رتبه‌بندی می‌شود، در حالی که VentureBeat آن را بهترین مدل باز در خارج از چین نامید - یک فریم قابل توجه با توجه به اینکه چگونه نسخه‌های وزن باز چینی از DeepSeek، Z.ai و Moonshot در چرخه‌های بنچمارک اخیر غالب بوده‌اند. میسترال خود را به عنوان پاسخ اروپا به هر دو اردوگاه معرفی می کند.

چگونه آن را دریافت کنیم

توسعه دهندگان می توانند از Mistral Large 4 از طریق Mistral Studio، Mistral API یا OpenRouter استفاده کنند. برای کنترل کامل، وزن‌های باز را می‌توان از Hugging Face دانلود کرد و روی زیرساخت‌های خود مدیریت با vLLM یا SGLang مستقر کرد. Mistral می‌گوید که کارت مدل و مجوز شامل همه چیزهایی است که برای شروع کار لازم است و گزارش فنی کامل به زودی وعده داده می‌شود. این مدل را می توان در محیط Vibe Code Mistral نیز امتحان کرد.

نقطه مقابلی برای انتشار بسته این هفته

زمان انتشار اشاره شده است. اوایل این هفته گوگل Gemini 4 Carbon را معرفی کرد، مدلی که در رتبه اول شاخص هوش آنالیز مصنوعی نسخه 5.0 قرار گرفت، اما گفت که دسترسی با زیرمجموعه‌ای از مدافعان سایبری آغاز می‌شود و به تدریج از طریق برنامه Fairwind گسترش می‌یابد. پیام متقابل میسترال ساده است: مرز نیازی به قفل شدن ندارد. با بیش از 1100 رأی موافق در موضوع Hacker News در مورد انتشار در عرض چند ساعت، اشتهای جامعه توسعه دهندگان برای وزن های مرزی واقعاً باز به وضوح دست نخورده است.

اینکه آیا Mistral Large 4 پیشتاز کدنویسی خود را حفظ می‌کند یا نه، یک سوال باز است - آزمایشگاه‌های رقیب به سرعت تکرار می‌شوند و تأیید مستقل معیارهای گزارش‌شده توسط فروشنده همیشه تضمین می‌شود. اما برای سازمان‌هایی که نیاز به کدنویسی قوی و عملکرد امنیتی دفاعی زیر سقف خود دارند، محاسبات به تازگی تغییر کرده است: بهترین مدل کدنویسی با وزن باز، توسط حساب Mistral، اکنون دانلود نمی‌شود.

_این مقاله بر اساس اعلام و گزارش رسمی Mistral توسط رویترز، VentureBeat، ZDNET، Fortune، SiliconANGLE، The New Stack و ZDNET است._

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →