Mistral AI оприлюднив вагу Mistral Large 4, флагмана французької лабораторії з 1 трильйоном параметрів на прізвисько «Le Chonk», через три тижні після того, як модель вийшла на загальний огляд. У повідомленні, опублікованому в блозі Mistral під заголовком «Ми випускаємо ваги Ле Чонка», говориться, що вдосконалена модель тепер лідирує в тестах відкритого тестування агентного кодування та захисної кібербезпеки, і позиціонує випуск як віху для європейського «суверенного ШІ».
Цей крок перетворює попередній перегляд жовтня, про який найбільше говорять, на повністю доступний для завантаження артефакт, а ваги опубліковані на Hugging Face під назвою Mistral-Large-4-1T-A52B. Для розробників, які відстежують [моделі відкритого штучного інтелекту] (https://aibuzzwire.news) і зміну балансу між китайськими, американськими та європейськими лабораторіями, це найбільш значущий відкритий випуск від західної лабораторії цього кварталу.
Від попереднього перегляду до відкритих ваг за три тижні
Раніше цього місяця Mistral запустила Large 4 для загального перегляду, пообіцявши, що повні ваги з’являться до кінця місяця — обіцянку, яку компанія зараз дотримала. Тим часом Mistral заявляє, що використовує зворотній зв’язок спільноти, продовжуючи масштабувати підкріплююче навчання, сприяючи тому, що він описує як масові вдосконалення кодування та захисної кібербезпеки. У блозі додається, зокрема, що «зростання продовжує прискорюватися, без ознак насичення» — незвичайне визнання того, що модель була випущена з резервом для запасу.
Результатом є мультимодальна розріджена модель із трильйонами параметрів, яку Mistral називає найкращою відкритою моделлю для кодування та однією з найпотужніших відкритих моделей у світі.
Еталонний випадок: провідний FrontierCode 2.0
Заголовок походить від приватного тесту Cognition FrontierCode 2.0, який оцінює наскрізну якість коду — зокрема, чи буде супроводжувач сховища об’єднувати зміни агента. Mistral Large 4 лідирує з результатом 19,7 відсотка, випереджаючи DeepSeek V4.1 Flash з 19,3 відсотками, GLM-5.3 з 17,8 відсотками, Kimi K3 з 17,3 відсотками, GLM-5.3 Flash з 14,2 відсотками та власний Beam 1.0 від Mistral з 2,9 відсотками.
Ці запаси невеликі у верхній частині — перевага на 0,4 пункту над DeepSeek знаходиться в межах шуму будь-якого окремого приватного тесту — але символічний зсув більший. Китайські моделі з відкритою вагою утримували вершину таблиць лідерів агентного кодування протягом більшої частини осені; європейська лабораторія, яка посідає лідируюче місце за еталонним показником, що належить американській компанії, переформулює конкуренцію як тристоронню, а не двосторонню.
Ефективність жетонів: на 47 відсотків менше жетонів за завдання
Друге твердження Mistral може мати більше значення для реального розгортання. За індексом агентів кодування штучного аналізу Mistral Large 4 набирає 48 відсотків — фактично порівнюючи з GLM-5.3, провідною відкритою моделлю — при цьому в середньому використовує на 47 відсотків менше токенів на завдання. Оскільки агентське кодування спалює токени під час планування, викликів інструментів і повторних спроб, ефективність токена безпосередньо перетворюється на вартість висновків у масштабі, тому компанія покладається на слово «економний».
Випуск також поставляється з трьома режимами міркування, що дозволяє операторам обмінювати якість відповіді на вартість запиту — це визнання того, що для більшості корпоративних робочих навантажень кодування не потрібна максимальна глибина міркування для кожного виклику.
Суверенна подача ШІ
Окрім контрольних показників, оголошення є документом позиціонування. Містраль наголошує, що Le Chonk «навчався з нуля європейській інфраструктурі з чіткою лінією від початку до випуску», що дало організаціям надійну основу для того, що компанія називає суверенним штучним інтелектом — моделей, якими установи можуть володіти, налаштовувати та самостійно розміщувати, не залежаючи від американських чи китайських провайдерів. Слоган блогу «Створено для програмістів, яким довіряють захисники» телеграфує передбачуваних покупців: команди програмного забезпечення та організації з кібербезпеки, останніх привабило навчання моделі захисту та безпеки.
Обрамлення не завадило скептикам відзначити прогалину, яка залишилася. Decoder охарактеризував випуск як сильну модель кодування, яка все ще відстає від найкращої в Китаї в цілому, а сама таблиця тестів показує DeepSeek з відривом від половини бала. Тим не менш, реакція спільноти була рішучою: тема випуску на Hacker News зібрала приблизно 585 балів за кілька годин, а репозиторій Hugging Face запрацював того ж дня.
Показання сторонніх розробників
Спеціальна преса в основному прийняла твердження Mistral щодо кодування, зберігаючи табло в полі зору. Fortune повідомила, що компанія назвала Large 4 найкращою відкритою моделлю для агентного кодування та кіберзахисту. VentureBeat назвав її найкращою відкритою моделлю за межами Китаю та підкреслив нижчу вартість виконання завдання на 63 відсотки порівняно з відкритими моделями конкурентів. The Next Web просто зазначив, що ваги моделі з 1 трильйоном параметрів тепер є відкритими, а ZDNET зазначив, що Ле Чонк тепер займає поряд із Codex GPT-6.1 Terra серед найкращих відкритих моделей кодування.
Для Mistral ставка на відкриті ваги тепер є явною в масштабі трильйонів параметрів. Компанія відкрито випускає свої найкращі моделі та продає навколишню платформу — і з Large 4 вона робить ставку на те, що європейського суверенітету, ефективності токенів і двох найкращих результатів програмування відкритого кодування достатньо, щоб викроїти міцну позицію між передовими американськими лабораторіями та китайськими потужними компаніями відкритого виробництва.
---
Будьте попереду ШІОтримуйте останні новини штучного інтелекту, аналіз і прориви — усе в одному місці.
Читати більше новин AI →
