Mistral otwiera wagi Large 4 „Le Chonk”: mocny w kodowaniu, ale wciąż za Chinami

Trzy tygodnie po publicznym preview Mistral wrzucił na Hugging Face wagi modelu Large 4, znanego pod przydomkiem „Le Chonk”. To dotychczas największy model francuskiej firmy: około bilion parametrów, z czego 52 mld jest aktywnych na jeden krok. Przyjmuje tekst i obrazy, a zwraca tekst i kod. Szczegóły znajdują się w komunikacie Mistrala, a The Decoder ocenia Large 4 jako mocny model do kodowania, który w ogólnych rankingach nadal ustępuje chińskiej konkurencji.

Kodowanie: wyraźny postęp

Po premierze preview Mistral dalej trenował model metodą uczenia ze wzmocnieniem. Efekty widać przede wszystkim w kodowaniu. Wynik w Terminal-Bench 4.0 wzrósł z 28 do 41 proc., czyli o włos powyżej GLM-5.3 (40 proc.). W Coding Agent Index Artificial Analysis Large 4 ma 48 proc., praktycznie remisuje z GLM-5.3, ale według Mistrala zużywa o 47 proc. mniej tokenów.

W nowym benchmarku FrontierCode 2.0 od Cognition model prowadzi wśród otwartych z wynikiem 19,7 proc. Claude Opus 5.5 osiąga tu jednak 46 proc. Podobnie wypadły ślepe porównania firmy Surge: testerzy częściej woleli kod Large 4 niż kod z GLM-5.3, Kimi K3 czy DeepSeeka, ale w pojedynkach z Opusem 5.5 model wygrał tylko w 22 proc. przypadków.

W zestawieniach Mistrala brakuje Kimi K3.1 Pro. Formalnie to uzasadnione, bo wagi tego modelu nie są jeszcze publiczne, a Moonshot zapowiada je do 4 listopada 2026 r. Kimi K3.1 Pro ma w Terminal-Bench 4.0 aż 67 proc., więc przewaga Mistrala wśród otwartych modeli może być krótkotrwała.

Cyberobrona: mniej spektakularnie, niż brzmi hasło

Mistral nazywa Large 4 wiodącym otwartym modelem do cyberobrony i podaje 51 proc. w Cyber Index Artificial Analysis. Indeks sprawdza, czy model potrafi znaleźć lukę w kodzie, ją odtworzyć i załatać bez psucia istniejących funkcji. Wykres samej firmy pokazuje jednak, że przed Large 4 są dwa otwarte modele: DeepSeek V4.1 Flash (57 proc.) i MiMo-V2.6-Pro (56 proc.). Tuż za nim jest GLM-5.3 Flash z 50 proc. Cały indeks wygrywa Kimi K3.1 Pro z 64 proc.

Dodatkowe trzy tygodnie treningu prawie nic tu nie zmieniły: preview miało 50 punktów, wersja finalna 51. Do tego koszt jednego zadania to 1,21 dol., a DeepSeek V4.1 Flash osiąga wyższy wynik za ułamek tej ceny.

Mocną stroną jest odporność na złośliwe prośby. Mistral deklaruje, że model odrzuca średnio 96,6 proc. szkodliwych zapytań z obszaru cyberbezpieczeństwa, więcej niż jakikolwiek inny otwarty model, a mimo to ma radzić sobie z legalnymi zadaniami defensywnymi. Firma przyznaje jednak, że model mógłby ułatwić prawdziwe ataki, dlatego w najbliższych miesiącach zamierza zaostrzyć zabezpieczenia. Wybrani partnerzy, np. Orange Cyberdefense, testują już specjalną wersję do testów penetracyjnych, dostępną po weryfikacji i z umownymi ograniczeniami.

Ogólny ranking: dystans do Chin pozostaje

Artificial Analysis wprowadziło w środę wersję 5 swojego Intelligence Index. Trzy piąte indeksu opiera się teraz na testach, których zadania lub rozwiązania nie są publiczne. Large 4 w trybie high dostaje tam 26 punktów, o jeden więcej niż preview. To powyżej mediany podobnie dużych modeli otwartych (23), ale poniżej DeepSeeka V4.1 Flash i GLM-5.3 (po 32) oraz MiMo-V2.6-Pro (30). Na czele indeksu jest Gemini 4 Carbon z 59 punktami, przed Claude Opus 5.5 z 58 – choć Gemini 4 Carbon jest na razie dostępny tylko dla wybranych partnerów z branży cyberbezpieczeństwa. Najlepszy model otwarty, Kimi K3.1 Pro, ma 46 punktów, ale bez opublikowanych wag.

Przewagą Large 4 są szybkość i koszt. Model generuje 161 tokenów na sekundę (preview: 111), co w porównaniu Artificial Analysis wyprzedzają tylko DeepSeek V4.1 Flash i Muse Wonder. Średni koszt zadania w indeksie spadł z 5,54 do 2,06 dol. To mniej niż przy GLM-5.3 (5,01 dol.) i Kimi K3.1 Pro (3,68 dol.), ale wyraźnie więcej niż przy DeepSeeku V4.1 Flash (0,60 dol.) czy MiMo-V2.6-Pro (0,26 dol.). Cena za token nadal jest, według Artificial Analysis, wysoka jak na modele tej wielkości. Zużycie tokenów wyjściowych w całym indeksie spadło ze 150 do 110 mln, ale mediana porównywalnych modeli to 100 mln.

Przez API Large 4 kosztuje 0,70 dol. za milion tokenów wejściowych i 2,10 dol. za wyjściowe. W preview cennik wynosił 1,36 i 4,18 dol. Dla porównania Kimi K3.1 Pro to 2 i 10 dol.

Własny sprzęt i licencja

Samodzielne uruchomienie jest wymagające. Według dokumentacji frameworka SGLang standardowa wersja potrzebuje ośmiu GPU Nvidia B300, a mocniej skompresowana – czterech GB300. Model działa na zmodyfikowanej licencji MIT: używanie, modyfikowanie i komercyjne wdrażanie są swobodne, ale firmy oferujące Large 4 jako komercyjną usługę chmurową muszą mieć osobną licencję Mistrala. Jeśli ktoś nie chce hostować modelu sam, znajdzie go m.in. w Microsoft Foundry.

Mistral prezentuje Large 4 jako „suwerenną” AI, bo model trenowano w całości w Europie i można go uruchomić na własnych serwerach. Podczas rozmowy z prasą badacze Pierre Stock i Corentin Petit mówili, że zespół ma do dyspozycji ułamek zasobów amerykańskich i chińskich laboratoriów, a przy dziesięciokrotnie większym kapitale byłby w czołówce. Large 4 ma być bazą dla wyspecjalizowanych modeli Mistrala; o mniejszych wersjach firma na razie się nie wypowiada.