Mistral AI ने Mistral Large 4 चे वजन प्रसिद्ध केले आहे, फ्रेंच लॅबचे 1-ट्रिलियन-पॅरामीटर फ्लॅगशिप टोपणनाव "Le Chonk," मॉडेल सार्वजनिक पूर्वावलोकनात प्रवेश केल्यानंतर तीन आठवड्यांनंतर. मिस्ट्रलच्या ब्लॉगवर "आम्ही ली चोंकचे वजन सोडतो" या शीर्षकाखाली प्रकाशित केलेली घोषणा म्हणते की सुधारित मॉडेल आता एजंटिक कोडिंग आणि बचावात्मक सायबरसुरक्षामध्ये ओपन-वेट बेंचमार्कचे नेतृत्व करते आणि युरोपियन "सार्वभौम AI" साठी एक मैलाचा दगड म्हणून रिलीझचे स्थान देते.

मिस्ट्रल-लार्ज-4-1T-A52B या रिपॉझिटरी नावाखाली हगिंग फेसवर लाइव्ह वजनांसह, या हालचाली ऑक्टोबरच्या सर्वाधिक चर्चेत असलेल्या पूर्वावलोकनाला पूर्णपणे डाउनलोड करण्यायोग्य आर्टिफॅक्टमध्ये रूपांतरित करते. ओपन एआय मॉडेल्स आणि चायनीज, अमेरिकन आणि युरोपियन लॅबमधील शिफ्टिंग बॅलन्सचा मागोवा घेणाऱ्या डेव्हलपरसाठी, या तिमाहीत पाश्चात्य लॅबमधून हे सर्वात परिणामकारक ओपन-वेट रिलीझ आहे.

तीन आठवड्यांत पूर्वावलोकनापासून ओपन वेट्सपर्यंत

मिस्ट्रलने या महिन्याच्या सुरुवातीला सार्वजनिक पूर्वावलोकनात लार्ज 4 लाँच केले, असे वचन दिले की महिन्याच्या अखेरीस पूर्ण वजनाचे पालन केले जाईल - हे वचन कंपनीने आता पाळले आहे. मध्यंतरी, मिस्ट्रल म्हणतात की ते मजबुतीकरण शिक्षण स्केल करत असताना, कोडिंग आणि संरक्षणात्मक सायबरसुरक्षिततेमध्ये मोठ्या प्रमाणात सुधारणा म्हणून वर्णन केलेल्या गोष्टींना चालना देत असताना त्यांनी समुदाय अभिप्राय दिला. ब्लॉग जोडतो, विशेष म्हणजे, "नफ्यात वाढ होत राहते, संपृक्ततेची कोणतीही चिन्हे नसतात" - हे मॉडेल टेबलवर हेडरूमसह सोडले गेले होते हे एक असामान्य प्रवेश आहे.

याचा परिणाम म्हणजे एक नेटिव्हली मल्टीमोडल, ट्रिलियन-पॅरामीटर विरळ मॉडेल ज्याला मिस्ट्रल कोडिंगसाठी सर्वोत्कृष्ट ओपन-वेट मॉडेल आणि एकूणच जगातील सर्वात सक्षम ओपन मॉडेल म्हणून बिल करते.

बेंचमार्क केस: अग्रगण्य FrontierCode 2.0

हेडलाइन नंबर कॉग्निशनच्या खाजगी FrontierCode 2.0 बेंचमार्कवरून येतो, जो एंड-टू-एंड कोड गुणवत्तेचे मूल्यांकन करतो — विशेषतः, रिपॉझिटरी मेंटेनर एजंटच्या बदलाला विलीन करेल की नाही. मिस्ट्रल लार्ज 4 19.7 टक्के गुणांसह क्षेत्रात आघाडीवर आहे, डीपसीकचा V4.1 फ्लॅश 19.3 टक्के, GLM-5.3 17.8 टक्के, किमी K3 17.3 टक्के, GLM-5.3 फ्लॅश 14.2 टक्के, आणि मिस्ट्रल 19 टक्के गुणांसह आघाडीवर आहे.

ते मार्जिन शीर्षस्थानी पातळ आहेत — DeepSeek वर 0.4-पॉइंट आघाडी कोणत्याही खाजगी बेंचमार्कच्या आवाजात आहे — परंतु प्रतीकात्मक शिफ्ट मोठी आहे. चिनी ओपन-वेट मॉडेल्सने बहुतेक पतनासाठी एजंटिक कोडिंग लीडरबोर्डमध्ये शीर्षस्थानी ठेवले आहे; अमेरिकन कंपनीच्या मालकीच्या बेंचमार्कवर एक युरोपियन लॅब आघाडीवर आहे, ती स्पर्धा द्विपक्षीय ऐवजी त्रिपक्षीय आहे.

टोकन कार्यक्षमता: प्रति कार्य 47 टक्के कमी टोकन

मिस्ट्रलचा दुसरा दावा वास्तविक तैनातीसाठी अधिक महत्त्वाचा असू शकतो. कृत्रिम विश्लेषण कोडिंग एजंट इंडेक्सवर, मिस्ट्रल लार्ज 4 स्कोअर 48 टक्के - GLM-5.3 सह प्रभावीपणे जोडलेले आहे, आघाडीचे ओपन-वेट मॉडेल - सरासरी 47 टक्के कमी टोकन वापरताना. कारण एजंटिक कोडिंग प्लॅनिंग, टूल कॉल आणि पुन्हा प्रयत्नांवर टोकन बर्न करते, टोकन कार्यक्षमता स्केलवर थेट अनुमान खर्चात अनुवादित करते, म्हणूनच कंपनी "इकॉनॉमिकल" या शब्दावर झुकत आहे.

रिलीझमध्ये तीन रिझनिंग मोड्स देखील पाठवले जातात, ज्यामुळे ऑपरेटर्सला प्रति क्वेरी किमतीच्या विरूद्ध प्रतिसाद गुणवत्ता व्यापार करू देते - ही मान्यता आहे की बहुतेक एंटरप्राइझ कोडिंग वर्कलोड्सना प्रत्येक कॉलवर जास्तीत जास्त तर्कशक्तीची आवश्यकता नसते.

सार्वभौम AI खेळपट्टी

बेंचमार्क्सच्या पलीकडे, घोषणा हे एक पोझिशनिंग डॉक्युमेंट आहे. मिस्ट्रल यावर जोर देतात की Le Chonk ला "सुरुवातीपासून ते रिलीजपर्यंत स्पष्ट वंशावळीसह युरोपियन पायाभूत सुविधांवर सुरवातीपासून प्रशिक्षित केले गेले," संस्थांना कंपनी ज्याला सार्वभौम AI म्हणतात त्याकरिता एक विश्वासार्ह पाया प्रदान करते — ज्या मॉडेल्स संस्था अमेरिकन किंवा चीनी प्रदात्यांवर अवलंबून न राहता मालकीच्या, सानुकूलित आणि स्व-होस्ट करू शकतात. ब्लॉगची टॅगलाइन, "बिल्ट फॉर कोडर्स, ट्रस्टेड बाय डिफेंडर," इच्छित खरेदीदारांना टेलीग्राफ करते: सॉफ्टवेअर टीम्स आणि सायबरसुरक्षा संस्था, नंतरचे मॉडेलच्या बचावात्मक-सुरक्षा प्रशिक्षणाद्वारे काढलेले.

फ्रेमिंगमुळे संशयितांना राहिलेले अंतर लक्षात घेण्यापासून थांबवले नाही. डीकोडरने रिलीझचे एक मजबूत कोडिंग मॉडेल म्हणून वैशिष्ट्यीकृत केले जे अजूनही चीनच्या सर्वोत्कृष्ट एकंदरीत मागे आहे आणि बेंचमार्क टेबल स्वतःच डीपसीक अर्ध्या बिंदूमध्ये दर्शवते. तरीही, समुदायाचा प्रतिसाद जोरदार होता: हॅकर न्यूजवरील रिलीझ थ्रेडने काही तासांतच अंदाजे 585 गुण जमा केले आणि त्याच दिवशी हगिंग फेस रिपॉझिटरी लाइव्ह झाली.

तृतीय-पक्ष वाचन

ट्रेड प्रेसने स्कोअरबोर्ड लक्षात ठेवून मिस्ट्रलचे कोडिंग दावे मोठ्या प्रमाणात स्वीकारले. फॉर्च्युनने एजंटिक कोडिंग आणि सायबर संरक्षणासाठी सर्वोत्कृष्ट ओपन मॉडेल म्हणून लार्ज 4 चे कंपनीचे वैशिष्ट्य नोंदवले. व्हेंचरबीटने याला चीनबाहेरचे टॉप ओपन मॉडेल म्हटले आणि प्रतिस्पर्धी ओपन मॉडेल्सच्या तुलनेत 63 टक्के कमी खर्च-प्रति-कार्य हायलाइट केले. नेक्स्ट वेबने फक्त नमूद केले आहे की 1-ट्रिलियन-पॅरामीटर मॉडेलचे वजन आता सार्वजनिक आहे आणि ZDNET ने निरीक्षण केले की Le Chonk आता शीर्ष ओपन कोडिंग मॉडेल्समध्ये कोडेक्स GPT-6.1 टेरा बरोबर आहे.

मिस्ट्रलसाठी, ओपन-वेट्स बेट आता ट्रिलियन-पॅरामीटर स्केलवर स्पष्ट आहे. कंपनी आपले सर्वोत्कृष्ट मॉडेल्स उघडपणे रिलीझ करते आणि आजूबाजूच्या प्लॅटफॉर्मची विक्री करते — आणि लार्ज 4 सह, युरोपियन सार्वभौमत्व, टोकन कार्यक्षमता आणि टॉप-टू ओपन-वेट कोडिंग स्कोअर अमेरिकन फ्रंटियर लॅब आणि चीनच्या ओपन-वेट पॉवरहाऊसमध्ये टिकाऊ स्थिती निर्माण करण्यासाठी पुरेसे आहेत.

---

एआयच्या पुढे राहा

नवीनतम AI बातम्या, विश्लेषण आणि यश मिळवा — सर्व एकाच ठिकाणी.

अधिक AI बातम्या वाचा →