Mistral Large 4 z otwartymi wagami: bilion parametrów i rozbieżność, którą trzeba wyjaśnić

Mistral AI udostępnił wagi modelu Mistral Large 4, nazywanego „Le Chonk”, w repozytorium mistralai/Mistral-Large-4-1T-A52B w serwisie Hugging Face. Oficjalna strona nie podaje daty. Według Vals AI i prasy branżowej premiera nastąpiła 29 października 2026 roku, tuż przed zapowiedzianym 6 października terminem na koniec miesiąca. Wtedy model zaprezentowano jako wersję zapoznawczą dostępną wyłącznie przez API. Model card opisuje go jako natywnie multimodalny Mixture-of-Experts: przyjmuje tekst i obrazy, a generuje tekst. Ma łącznie około biliona parametrów i 128 trasowanych ekspertów, z których 4 są aktywne dla każdego tokena, do tego jednego eksperta współdzielonego. Aktywnych parametrów jest 49 miliardów albo 52 miliardy, jeśli wliczyć embeddingi i warstwy wyjściowe – stąd rozbieżność między źródłami. Całość uzupełniają okno kontekstu o długości miliona tokenów oraz wbudowana głowica szkicowa do dekodowania spekulatywnego, DSpark, która według Mistrala zwiększa przepustowość nawet 1,9 raza, zależnie od sprzętu i obciążenia.

W porównaniu z wersją zapoznawczą Mistral deklaruje trzy dodatkowe tygodnie uczenia przez wzmacnianie w zakresie programowania i defensywnego cyberbezpieczeństwa oraz trzy tryby rozumowania: Low, Medium i High, przy czym High jest domyślny. Liczby podane przez firmę wyglądają tak. W Terminal-Bench 4.0 wynik rośnie z 28% w wersji zapoznawczej, również deklarowanych przez firmę, do 41%, przy o 30% mniejszej liczbie tokenów wyjściowych. W Artificial Analysis Coding Agent Index model uzyskuje 48%, tyle samo co GLM-5.3, ale zużywa o 47% mniej tokenów na zadanie. Dalej są 19,7% w FrontierCode 2.0 firmy Cognition i 84,5% w BrowseComp. W kwestii bezpieczeństwa Mistral podaje 97,1% odporności na ataki w B3 Agent Security i średni wskaźnik odrzucania złośliwych zapytań z zakresu cyberbezpieczeństwa na poziomie 96,6%: to wyniki zmierzone w tych testach, a nie gwarancje zachowania systemu w środowisku produkcyjnym. Model card przypisuje modelowi 26 punktów w Artificial Analysis Intelligence Index v5, co Mistral przedstawia jako najwyższy wynik wśród zachodnich modeli z otwartymi wagami. Vals AI umieszcza model na 17. miejscu na 32 w swoim Vals Index, z wynikiem 56,53%. W jedynym benchmarku zmierzonym przez obie strony, Terminal-Bench 4.0, model uzyskuje 26,26% (26. miejsce na 59) wobec 41% deklarowanych przez Mistrala. Pełny raport techniczny zapowiedziano, ale jeszcze się nie ukazał.

Licencja, Mistral Ecosystem Open-Weight License, jest opisywana jako zmodyfikowana wersja licencji MIT. Pozwala na używanie, modyfikowanie, fine-tuning i zastosowania komercyjne, ale kto oferuje model jako usługę, musi uzyskać od Mistrala osobną licencję komercyjną. Co ta klauzula oznacza w praktyce dla zewnętrznych dostawców chmury, na razie nie wiadomo. Według model card do trenowania użyto około 3800 procesorów graficznych NVIDIA Grace Blackwell, według Mistrala na infrastrukturze europejskiej. Przykłady wdrożenia wykorzystują węzeł z 8 GPU i vLLM lub SGLang, ale to konfiguracje referencyjne: oficjalnych minimalnych wymagań sprzętowych nie opublikowano. Istnieje też kwantyzowany checkpoint NVFP4 dla GPU Blackwell. Przez API Mistral podaje cenę 0,70 dolara za milion tokenów wejściowych, 0,07 za wejście z pamięci podręcznej i 2,10 za wyjście. Model jest dostępny także w Mistral Studio, OpenRouter, na endpointach NVIDIA i w Microsoft Foundry, a Mistral deklaruje, że płynnie posługuje się wszystkimi językami urzędowymi Unii Europejskiej.

Premiera trafia na rynek modeli z otwartymi wagami zdominowany przez chińskie laboratoria, z modelami takimi jak GLM, Kimi, DeepSeek i Qwen, a Mistral przedstawia ją jako narzędzie europejskiej suwerenności technologicznej, zwłaszcza w cyberbezpieczeństwie. Firma zapowiada wyspecjalizowany wariant w wersji zapoznawczej dla wybranych partnerów, w tym Orange Cyberdefense, z weryfikacją i zabezpieczeniami umownymi. Dodaje, że zaktualizuje zabezpieczenia po tym, jak w rzeczywistym ruchu zaobserwowała, cytując, „potencjał pomocy w przeprowadzaniu prawdziwych ataków”. Prezes Orange Cyberdefense Hugues Foulon oświadczył: „With Mistral AI, we are building European cyber AI, trained by our experts and operated under their control” („Razem z Mistral AI budujemy europejską AI dla cyberbezpieczeństwa, trenowaną przez naszych ekspertów i działającą pod ich kontrolą”). Jeff Boudier, VP Product w Hugging Face, skomentował: „AI sovereignty isn't about choosing which API to call” („suwerenność w AI nie polega na wyborze, które API wywołać”). Bilion parametrów z otwartymi wagami od europejskiego laboratorium to fakt. 41% w Terminal-Bench to na razie deklaracja Mistrala, a jedyny dostępny pomiar zewnętrzny mówi 26,26%. Zanim nadam większą wagę któraś z tych liczb, poczekam na raport techniczny. — Olya