Mistral AI udostępniło wagi Mistral Large 4, flagowego statku francuskiego laboratorium o parametrach 1 biliona parametrów, zwanego „Le Chonk”, trzy tygodnie po wejściu modelu do publicznej wersji zapoznawczej. W ogłoszeniu opublikowanym na blogu Mistrala pod tytułem „Uwalniamy ciężary Le Chonka” stwierdza się, że ulepszony model przoduje obecnie w otwartych benchmarkach w zakresie kodowania agentowego i cyberbezpieczeństwa defensywnego, a także pozycjonuje tę premierę jako kamień milowy dla europejskiej „suwerennej sztucznej inteligencji”.

To posunięcie przekształca najczęściej omawianą październikową wersję zapoznawczą w artefakt w pełni możliwy do pobrania, a ciężary znajdują się w Hugging Face pod nazwą repozytorium Mistral-Large-4-1T-A52B. Dla programistów śledzących otwarte modele sztucznej inteligencji i zmieniającą się równowagę między laboratoriami chińskimi, amerykańskimi i europejskimi jest to najbardziej istotna publikacja z zachodniego laboratorium w tym kwartale.

Od podglądu do otwarcia ciężarów w trzy tygodnie

Mistral wypuścił Large 4 w publicznej wersji zapoznawczej na początku tego miesiąca, obiecując, że pełne wagi zostaną podane do końca miesiąca – czego firma dotrzymała. W międzyczasie Mistral twierdzi, że wykorzystał opinie społeczności, jednocześnie kontynuując skalowanie uczenia się przez wzmacnianie, wprowadzając, jak to określa, ogromne ulepszenia w zakresie kodowania i cyberbezpieczeństwa defensywnego. Blog dodaje w szczególności, że „wzrosty nadal przyspieszają, bez oznak nasycenia” – co jest niezwykłym przyznaniem, że model został wypuszczony z wciąż wolnym zapasem.

Rezultatem jest natywnie multimodalny, rzadki model o bilionach parametrów, który Mistral reklamuje jako najlepszy model o otwartej wadze do kodowania i ogólnie jeden z najbardziej wydajnych modeli otwartych na świecie.

Przykładowy przypadek: wiodący FrontierCode 2.0

Numer nagłówka pochodzi z prywatnego testu porównawczego FrontierCode 2.0 firmy Cognition, który ocenia kompleksową jakość kodu — w szczególności to, czy opiekun repozytorium scali zmianę agenta. Na czele stawki znajduje się Mistral Large 4 z wynikiem 19,7%, wyprzedzający DeepSeek V4.1 Flash z 19,3%, GLM-5.3 z 17,8%, Kimi K3 z 17,3%, GLM-5.3 Flash z 14,2% i własny Beam 1.0 firmy Mistral z 2,9%.

Na górze te marginesy są niewielkie – 0,4 punktu przewagi nad DeepSeek mieści się w granicach szumu jakiegokolwiek prywatnego testu porównawczego – ale symboliczna zmiana jest większa. Chińskie modelki z otwartą wagą przez większą część jesieni utrzymywały się na szczycie rankingów agentycznego kodowania; europejskie laboratorium przejmujące wiodącą rolę w benchmarku należącym do amerykańskiej firmy postrzega konkurencję jako trójstronną, a nie dwustronną.

Wydajność tokenów: 47 procent mniej tokenów na zadanie

Drugie roszczenie Mistrala może mieć większe znaczenie w przypadku rzeczywistych wdrożeń. W indeksie sztucznej analizy agentów kodujących Mistral Large 4 osiąga 48 procent — skutecznie porównywalny z GLM-5.3, wiodącym modelem o otwartej wadze — zużywając średnio o 47 procent mniej tokenów na zadanie. Ponieważ kodowanie agentowe zużywa tokeny podczas planowania, wywołań narzędzi i ponownych prób, wydajność tokenów przekłada się bezpośrednio na koszty wnioskowania na dużą skalę, dlatego firma opiera się na słowie „ekonomiczny”.

W tej wersji dostępne są także trzy tryby wnioskowania, umożliwiające operatorom pogodzenie jakości odpowiedzi z kosztem zapytania — co oznacza, że ​​większość zadań związanych z kodowaniem w przedsiębiorstwie nie wymaga maksymalnej głębokości wnioskowania przy każdym wywołaniu.

Suwerenna propozycja AI

Oprócz wskaźników referencyjnych ogłoszenie ma charakter dokumentu pozycjonującego. Mistral podkreśla, że ​​Le Chonk „od podstaw został przeszkolony w zakresie europejskiej infrastruktury z wyraźnym pochodzeniem od pomysłu do wydania”, zapewniając organizacjom wiarygodną podstawę dla tego, co firma nazywa suwerenną sztuczną inteligencją – modeli, które instytucje mogą posiadać, dostosowywać i hostować samodzielnie, bez uzależnienia od amerykańskich lub chińskich dostawców. Slogan bloga „Stworzony dla programistów, zaufany przez obrońców” telegrafuje do docelowych nabywców: zespołów zajmujących się oprogramowaniem i organizacji zajmujących się cyberbezpieczeństwem, przy czym te ostatnie przyciągają szkolenie modelki w zakresie bezpieczeństwa obronnego.

Takie sformułowanie nie powstrzymało sceptyków przed dostrzeżeniem istniejącej luki. Decoder scharakteryzował tę wersję jako mocny model kodowania, który nadal pozostaje w tyle za najlepszymi w Chinach, a sama tabela testów porównawczych pokazuje, że DeepSeek wypada z pół punktu. Mimo to reakcja społeczności była zdecydowana: wątek dotyczący publikacji w Hacker News zebrał około 585 punktów w ciągu kilku godzin, a repozytorium Hugging Face zostało udostępnione tego samego dnia.

Odczyty innych firm

Prasa branżowa w dużej mierze zaakceptowała twierdzenia Mistrala dotyczące kodowania, mając jednocześnie na uwadze tabelę wyników. Magazyn Fortune podał, że firma określiła Large 4 jako najlepszy otwarty model kodowania agentycznego i cyberobrony. Firma VentureBeat nazwała go najlepszym otwartym modelem poza Chinami i podkreśliła o 63% niższy koszt wykonania zadania w porównaniu z konkurencyjnymi modelami otwartymi. W czasopiśmie Next Web po prostu zauważono, że wagi modelu zawierającego 1 bilion parametrów są teraz publiczne, a ZDNET zauważył, że Le Chonk plasuje się obecnie obok Codex GPT-6.1 Terra wśród najlepszych modeli otwartego kodowania.

W przypadku Mistrala zakład na otwarte wagi jest teraz wyraźny w skali bilionów parametrów. Firma otwarcie wypuszcza swoje najlepsze modele i sprzedaje otaczającą platformę — a w przypadku Large 4 obstawia, że ​​europejska suwerenność, wydajność tokenów i dwa najwyższe wyniki w zakresie kodowania open-weight wystarczą, aby wypracować trwałą pozycję pomiędzy amerykańskimi laboratoriami granicznymi a chińskimi potęgami open-weight.

---

Wyprzedź sztuczną inteligencję

Otrzymuj najnowsze wiadomości, analizy i przełomowe informacje dotyczące sztucznej inteligencji — wszystko w jednym miejscu.

Przeczytaj więcej aktualności o sztucznej inteligencji →