Mistral AI وزن Mistral Large 4، پرچمدار 1 تریلیون پارامتری آزمایشگاه فرانسوی با نام مستعار "Le Chonk" را سه هفته پس از ارائه پیش نمایش عمومی این مدل منتشر کرد. در این اطلاعیه که در وبلاگ Mistral با عنوان «ما وزن‌های Le Chonk را آزاد می‌کنیم» منتشر شده است، می‌گوید که مدل بهبودیافته اکنون در کدنویسی عاملی و امنیت سایبری دفاعی پیشتاز است و انتشار را نقطه عطفی برای «هوش مصنوعی مستقل» اروپا قرار می‌دهد.

این حرکت، پیش‌نمایش مورد بحث اکتبر را به یک مصنوع کاملاً قابل دانلود تبدیل می‌کند، با وزنه‌ها در Hugging Face با نام مخزن Mistral-Large-4-1T-A52B. برای توسعه‌دهندگانی که [مدل‌های هوش مصنوعی باز] (https://aibuzzwire.news) و تغییر تعادل بین آزمایشگاه‌های چینی، آمریکایی و اروپایی را دنبال می‌کنند، این مهم‌ترین نسخه با وزن باز از یک آزمایشگاه غربی در این سه ماهه است.

از پیش نمایش تا وزن باز در سه هفته

میسترال Large 4 را در اوایل این ماه به صورت پیش نمایش عمومی عرضه کرد و قول داد که تا پایان ماه وزن کامل را دنبال کند - قولی که شرکت اکنون به آن عمل کرده است. در این میان، Mistral می‌گوید که بازخورد جامعه را به کار می‌اندازد و در عین حال به مقیاس یادگیری تقویتی ادامه می‌دهد و آنچه را که به عنوان پیشرفت‌های گسترده در کدنویسی و امنیت سایبری دفاعی توصیف می‌کند، هدایت می‌کند. این وبلاگ می‌افزاید، به‌ویژه، که «به‌دست‌آوری‌ها بدون هیچ نشانه‌ای از اشباع، به شتاب ادامه می‌دهند» - اعتراف غیرمعمولی مبنی بر اینکه این مدل با فضای سر همچنان روی میز عرضه شد.

نتیجه یک مدل بومی چندوجهی با تریلیون پارامتر پراکنده است که Mistral آن را به عنوان بهترین مدل وزن باز برای کدگذاری و به طور کلی در میان تواناترین مدل های باز جهان معرفی می کند.

مورد معیار: FrontierCode 2.0 پیشرو

شماره سرفصل از معیار خصوصی FrontierCode 2.0 Cognition می آید که کیفیت کد سرتاسری را ارزیابی می کند – به ویژه اینکه آیا یک نگهدارنده مخزن تغییرات عامل را ادغام می کند یا خیر. Mistral Large 4 با امتیاز 19.7 درصد پیشتاز میدان است، بالاتر از DeepSeek V4.1 Flash با 19.3 درصد، GLM-5.3 با 17.8 درصد، Kimi K3 با 17.3 درصد، GLM-5.3 Flash با 14.2 درصد و Mistral متعلق به Beam 219 درصد با امتیاز 19.3 درصد.

این حاشیه ها در بالای صفحه نازک هستند - برتری 0.4 امتیازی نسبت به DeepSeek در حد نویز هر معیار خصوصی است - اما تغییر نمادین بزرگتر است. مدل‌های وزن باز چینی در بیشتر فصل پاییز در صدر جدول امتیازات کدگذاری عاملی قرار داشتند. یک آزمایشگاه اروپایی که بر اساس معیاری که متعلق به یک شرکت آمریکایی است، جایگاه اول را در اختیار دارد، رقابت را به‌جای دوطرفه سه‌جانبه می‌داند.

کارایی توکن: 47 درصد توکن کمتر در هر کار

ادعای دوم میسترال ممکن است برای استقرار واقعی اهمیت بیشتری داشته باشد. در شاخص کدگذاری تحلیل مصنوعی، Mistral Large 4 امتیاز 48 درصد را کسب می‌کند - به طور موثر با GLM-5.3، مدل وزن باز پیشرو - در حالی که به طور متوسط ​​از 47 درصد توکن کمتر در هر کار استفاده می‌کند. از آنجایی که کدنویسی عاملی توکن‌ها را در برنامه‌ریزی، فراخوانی ابزار و تلاش‌های مجدد می‌سوزاند، کارایی توکن مستقیماً به هزینه استنتاج در مقیاس تبدیل می‌شود، به همین دلیل است که شرکت بر کلمه «اقتصادی» تکیه می‌کند.

این نسخه همچنین با سه حالت استدلال عرضه می‌شود، که به اپراتورها اجازه می‌دهد کیفیت پاسخ را در مقابل هزینه هر پرس و جو معامله کنند – این امر به رسمیت شناخته می‌شود که اکثر بارهای کاری کدنویسی سازمانی به حداکثر عمق استدلال در هر تماس نیاز ندارند.

پیشروی مستقل هوش مصنوعی

فراتر از معیارها، اعلامیه یک سند موقعیت یابی است. میسترال تأکید می‌کند که Le Chonk «از ابتدا در زیرساخت‌های اروپایی با نسب روشن از ابتدا تا انتشار آموزش دیده است» و به سازمان‌ها پایه‌ای قابل اعتماد برای آنچه که شرکت Sovereign AI می‌نامد - مدل‌هایی که مؤسسات می‌توانند بدون وابستگی به ارائه‌دهندگان آمریکایی یا چینی مالک، سفارشی‌سازی و خود میزبانی کنند، به سازمان‌ها می‌دهد. شعار این وبلاگ، "ساخته شده برای کدگذاران، مورد اعتماد مدافعان"، خریداران مورد نظر را تلگراف می کند: تیم های نرم افزاری و سازمان های امنیت سایبری، که دومی توسط آموزش های دفاعی-امنیتی مدل ترسیم شده است.

این کادربندی باعث نشد که شکاکان به شکافی که باقی مانده است توجه کنند. Decoder این نسخه را به عنوان یک مدل کدگذاری قوی توصیف کرد که هنوز هم در مجموع بهترین های چین را دنبال می کند و خود جدول بنچمارک DeepSeek را در نیم امتیاز نشان می دهد. با این حال، پاسخ جامعه قاطع بود: موضوع انتشار در Hacker News تقریباً 585 امتیاز را در عرض چند ساعت جمع آوری کرد و مخزن Hugging Face در همان روز فعال شد.

قرائت شخص ثالث

مطبوعات تجاری تا حد زیادی ادعاهای کدگذاری Mistral را پذیرفتند و در عین حال جدول امتیازات را در نظر داشتند. Fortune گزارش داد که Large 4 توسط این شرکت به عنوان بهترین مدل باز برای کدگذاری عاملی و دفاع سایبری معرفی شده است. VentureBeat آن را برترین مدل باز خارج از چین نامید و 63 درصد هزینه کمتر برای هر کار را در برابر مدل های باز رقیب برجسته کرد. نکست وب به سادگی اشاره کرد که وزن مدل 1 تریلیون پارامتری اکنون عمومی است، و ZDNET مشاهده کرد که Le Chonk اکنون در کنار Codex GPT-6.1 Terra در بین مدل‌های کدگذاری باز برتر قرار دارد.

برای Mistral، شرط بندی اوزان باز اکنون در مقیاس تریلیون پارامتر مشخص است. این شرکت بهترین مدل‌های خود را آشکارا منتشر می‌کند و پلتفرم اطراف را به فروش می‌رساند - و با Large 4، شرط می‌بندد که حاکمیت اروپایی، کارایی توکن، و امتیاز کدنویسی با وزن دو بالا برای ایجاد موقعیت بادوام بین آزمایشگاه‌های مرزی آمریکا و نیروگاه‌های وزن باز چین کافی است.

---

از هوش مصنوعی جلوتر بمانید

آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.

بیشتر بخوانید اخبار هوش مصنوعی →