Mistral 10 29 опубликовала веса флагманской модели Mistral Large 4 (прозвище Le Chonk). Это модель с архитектурой смеси экспертов (MoE) примерно на 1 триллионов параметров, поддерживающая ввод текста и изображений и вывод текста, с контекстным окном в 100 тысяч токенов; три недели назад она была запущена в превью-версии, после чего продолжала проходить обучение с подкреплением, и, по официальным данным, её способности в программировании и кибербезопасности значительно улучшились. Лицензия представляет собой модифицированный MIT: бесплатное использование, изменение, дообучение и коммерческое применение разрешены, но предоставление модели как сервиса (MaaS) требует заключения отдельной коммерческой лицензии.
Уверенность: высокая (100) · Время события 2026-10-29
Обоснование
- Редкий случай среди моделей с открытыми весами: модель уровня триллионов параметров, полностью обученная в Европе, которую предприятия и государственные органы могут запускать в своих дата-центрах, не полагаясь на API. Официальные данные: на приватном тесте Cognition FrontierCode 2.0 модель набрала 19.7%, заняв первое место среди моделей с открытыми весами; в Terminal-Bench 4.0 результат вырос с 28% в превью-версии до 41%; в индексе агентного программирования Artificial Analysis модель набрала 48%, что примерно соответствует уровню GLM-5.3, но требует на 47% меньше токенов на задачу.
- Кибербезопасность является ключевым преимуществом (по официальным данным): в индексе кибербезопасности Artificial Analysis модель набрала 51%; средняя доля отказов при обработке вредоносных сетевых запросов в тестах JailbreakBench, StrongREJECT и AgentHarm составляет 96.6%, что является лучшим показателем среди открытых моделей; кроме того, проверенным партнерам, таким как Orange Cyberdefense, предоставляется превью-доступ к специальной версии для пентестинга и работы в роли «красной команды». Mistral также признает, что модель может способствовать реальным атакам, и планирует продолжать настройку защитных механизмов в ближайшие месяцы.
- Сторонние результаты выглядят более сдержанно: согласно пересказу The Decoder данных Artificial Analysis, в новой версии индекса интеллекта v5 модель набрала 26 баллов (в превью-версии — 25), что ниже результатов DeepSeek V4.1 Flash и GLM-5.3 с 32 баллами; в индексе кибербезопасности DeepSeek V4.1 Flash (57%) и MiMo-V2.6-Pro (56%) также опережают её. Преимущества заключаются в скорости и цене: скорость генерации составляет 161 токенов в секунду, средняя стоимость одной задачи в индексе — 2.06 долларов, что дешевле GLM-5.3, но значительно дороже DeepSeek V4.1 Flash.
Использование
- Веса доступны в коллекции Mistral Large 4 на Hugging Face (mistralai/Mistral-Large-4-1T-A52B, также доступна версия NVFP4); в первый день поддерживаются библиотеки transformers, vLLM, SGLang и llama.cpp (GGUF-квантование предоставлено ggml-org); параметр интенсивности рассуждений reasoning_effort может принимать значения low / medium / high, по умолчанию установлен high, отключить режим рассуждений нельзя.
- Высокие требования к оборудованию: согласно документации SGLang, цитируемой The Decoder, стандартная версия требует 8 карт B300; в блоге Hugging Face указано, что версия с 2-битным квантованием может работать на одном компьютере Apple Silicon Ultra с 512 ГБ памяти, а также предложен вариант развертывания на Inference Endpoints с использованием 8 карт H200.
- Если вы не хотите самостоятельно хостить модель, можно использовать Mistral Studio, Mistral API, OpenRouter, Microsoft Foundry или управляемые эндпоинты NVIDIA; официальная цена составляет 0.70 долларов за миллион входных токенов, 0.07 долларов за кэшированные входные токены и 2.10 долларов за выходные токены.
Риски
- Информация о количестве активных параметров расходится: в репозитории Mistral, а также в The Decoder и SiliconANGLE указано 520 миллиардов, тогда как в блоге Hugging Face — около 490 миллиардов.
- Расхождения в метриках: в блоге Hugging Face цифра 82% относится к пункту «воспроизведение и исправление уязвимостей» в индексе кибербезопасности, тогда как общий балл составляет 51%; указанная там устойчивость к атакам B3 в 93.3% соответствует результатам превью-версии, о которых говорит Mistral (для финальной версии официально заявлено 97.1%); в Terminal-Bench 4 указан результат 28.3%, что существенно отличается от 41% от Mistral, при этом условия тестирования не уточняются.
- Большинство результатов в программировании и безопасности получены на тестах, выбранных самой Mistral, а оценки таких партнеров, как Booz Allen и Cisco, носят рекомендательный характер; полный технический отчет, по официальным данным, «будет опубликован в ближайшее время».
- The Decoder отмечает, что в сравнении Mistral не учитывалась Kimi K3.1 Pro (веса еще не опубликованы, Moonshot планирует выпустить их до 4 11), которая в Terminal-Bench 4.0 показывает результат 67%.
Открыть · Новости Mistral AI · The Decoder · TechCrunch · SiliconANGLE