Французька лабораторія штучного інтелекту Mistral опублікувала відкриті ваги Mistral Large 4, своєї флагманської мультимодальної моделі з параметрами в 1 трильйон, що зробило одну з найпотужніших у світі систем штучного інтелекту доступною для безкоштовного завантаження через кілька днів після того, як Google обрала суворо обмежений випуск для свого власного передового випуску. Оголошення, опубліковане в блозі Mistral під неофіційним псевдонімом моделі «Le Chonk», підтвердило, що ваги доступні на Hugging Face для самостійного розгортання з vLLM або SGLang.
Випуск означає швидкий перехід від попереднього перегляду до відкритої доступності. Раніше цього місяця Mistral представила Mistral Large 4 у загальнодоступній попередній версії та каже, що лише три тижні додаткового навчання підкріплення з того часу сприяли тому, що компанія описує як значні вдосконалення кодування та захисної кібербезпеки. За словами Містраля, досягнення «продовжують прискорюватися, без ознак насичення», а вдосконалена модель також забезпечує суттєві переваги в ефективності аргументації, що знижує витрати розробників на висновки. For more context on this story, see our ongoing AI industry coverage.
Порівняльні вимоги: відкрита корона кодування
Центральним елементом оголошення Mistral є заявлене лідерство в приватному тесті Cognition FrontierCode 2.0, який оцінює наскрізну якість коду та, за словами Mistral, чи буде супроводжуючий репозиторій об’єднувати зміни агента. Mistral Large 4 отримав 19,7%, випереджаючи DeepSeek V4.1 Flash з 19,3%, GLM-5.3 з 17,8%, Kimi K3 з 17,3% і GLM-5.3 Flash з 14,2%.
За індексом агентів кодування штучного аналізу Mistral повідомляє про результат 48%, що фактично порівнюється з провідною відкритою моделлю GLM-5.3, використовуючи в середньому на 47% менше токенів на завдання — розрив ефективності, який має велике значення для тих, хто використовує агенти кодування в масштабі. Висвітлення випуску VentureBeat підкреслило нижчу вартість виконання завдання на 63%, а The New Stack повідомило про перевагу кодування приблизно на один пункт порівняно з GLM-5.3.
Також покращено робочі процеси на основі терміналу. Mistral каже, що модель підскочила на 13 процентних пунктів на Terminal-Bench 4.0 порівняно з публічною попередньою версією, досягнувши 41% і зайнявши лідерство серед відкритих моделей, одночасно зменшивши кількість помилок у термінальних середовищах.
Створено для програмістів, призначено для кіберзахисників
Кібербезпека є другим стовпом випуску, і це не випадково. Агентство Reuters повідомило, що Mistral чітко орієнтується на користувачів кібербезпеки за допомогою цієї моделі, а журнал Fortune описав її як найкращу відкриту модель для агентного кодування та кіберзахисту. Позиціонування узгоджується з рішенням Google цього тижня надати власну передову модель, орієнтовану на кібербезпеку, спочатку для кіберзахисників, але з протилежною філософією розподілу: коли Google поступово надає доступ через програму довірених партнерів, Mistral дозволяє будь-якій організації відразу завантажувати ваги.
Суверенний AI Pitch
Реліз Mistral базується прямо на стратегії «Sovereign AI». У компанії кажуть, що модель навчили з нуля на європейській інфраструктурі з «чітким родоводом від початку до випуску», що дало організаціям основу, якою вони можуть володіти, налаштовувати та контролювати на своєму власному обладнанні. Цей аргумент став гучнішим серед європейських підприємств і урядів, які зважують залежність від модельних провайдерів у США.
Перехід із відкритою вагою також привернув увагу всієї екосистеми. Джефф Будіє, віце-президент із продуктів у Hugging Face, сказав у повідомленні, що розробникам потрібна свобода вирішувати, де працюватиме модель і як вона оптимізована, вітаючи випуск як фундамент, на якому організації можуть спиратися та адаптуватися.
ZDNET повідомила, що ця модель тепер займає поряд із найкращими власними системами кодування, а VentureBeat назвав її найкращою відкритою моделлю за межами Китаю — помітний кадр, враховуючи те, наскільки домінуючими китайськими відкритими релізами від DeepSeek, Z.ai та Moonshot були останні цикли тестування. «Містраль» позиціонує себе як відповідь Європи на обидва табори.
Як це отримати
Розробники можуть використовувати Mistral Large 4 через Mistral Studio, Mistral API або OpenRouter. Для повного контролю відкриті ваги можна завантажити з Hugging Face і розгорнути на самокерованій інфраструктурі за допомогою vLLM або SGLang. Mistral каже, що типова картка та ліцензія містять усе необхідне для початку, а повний технічний звіт обіцяють незабаром. Модель також можна спробувати в середовищі Mistral Vibe Code.
Контрапункт до закритого випуску цього тижня
Терміни випуску вказуються. Раніше цього тижня Google анонсувала Gemini 4 Carbon, модель, яка очолила Індекс штучного аналізу інтелекту версії 5.0, але заявила, що доступ розпочнеться з підмножини кіберзахисників і поступово розширюватиметься через програму Fairwind. Контрмеседж «Містраля» простий: кордон не потрібно замикати. Маючи понад 1100 голосів «за» в ланцюжку Hacker News щодо випуску за кілька годин, апетит спільноти розробників до справді відкритих передових ваг явно не порушений.
Питання, чи збереже Mistral Large 4 лідерство в кодуванні, залишається відкритим — конкуруючі лабораторії швидко повторюють ітерацію, і незалежна перевірка тестів, повідомлених постачальниками, завжди виправдана. Але для організацій, яким потрібне надійне кодування та ефективність захисної безпеки під власним дахом, підрахунок щойно змінився: найкращу відкриту модель кодування, на думку Mistral, тепер можна завантажити.
_Ця стаття заснована на офіційному оголошенні Mistral і звітах Reuters, VentureBeat, ZDNET, Fortune, SiliconANGLE, The New Stack і ZDNET._
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
