Mistral AI zaprezentował model Large 4, który stawia na otwarte wagi i suwerenność AI

Mistral Large 4 to multimodalny model o bilionie parametrów, który ma konkurować z największymi rozwiązaniami AI. Francuska firma stawia na otwarte wagi, możliwość samodzielnego wdrożenia oraz europejską kontrolę nad infrastrukturą i danymi. Model osiąga czołowe wyniki m.in. w cyberbezpieczeństwie, programowaniu agentowym i analizie treści wizualnych.

Mistral Large 4 (ML4), określany przez twórców nieoficjalnie jako „Le Chonk” (grubasek, puszysty zwierzak), to natywnie multimodalny model mający 1 bln parametrów, z czego 49 mld jest aktywnych. Firma udostępniła jego wersję preview poprzez Mistral Studio, a otwarte wagi mają zostać opublikowane po zakończeniu testów bezpieczeństwa i red-teamingu.

Model wytrenowano od podstaw z wykorzystaniem 3800 układów NVIDIA Grace Blackwell w europejskich centrach danych Mistral. Firma podkreśla, że trening odbywał się na własnej infrastrukturze, co ma znaczenie dla jej ambicji budowania europejskiej alternatywy dla modeli rozwijanych przez amerykańskie i chińskie firmy.

ML4 mocny w cyberbezpieczeństwie

Jednym z najważniejszych obszarów zastosowania ML4 ma być cyberbezpieczeństwo. W rankingu Artificial Analysis Cyber Index model znajduje się w pierwszej piątce na świecie i jest najwyżej ocenianym spośród modeli o otwartych wagach rozwijanych poza Chinami. W teście polegającym na odtworzeniu rzeczywistej podatności w oprogramowaniu open source i jej naprawieniu uzyskał 82%, co było najlepszym wynikiem w zestawieniu. W benchmarku Cybench rozwiązał 93% zadań.

Mistral wskazuje, że otwarte wagi i możliwość uruchomienia modelu we własnej infrastrukturze mają szczególne znaczenie właśnie dla bezpieczeństwa. Organizacja może bowiem samodzielnie kontrolować model i wykorzystywać go m.in. do analizy złośliwego oprogramowania, priorytetyzacji podatności czy tworzenia reguł wykrywania zagrożeń. ML4 może być wdrażany w chmurze prywatnej lub środowisku on-premise.

Wyniki w programowaniu i pracy agentowej

ML4 został zaprojektowany również z myślą o programowaniu i złożonych procesach realizowanych przez agentów AI. W benchmarkach uzyskał 61,7% w DeepSWE v1.1, 59,4% w SWE-Atlas-QnA i 28,3% w Terminal-Bench 4. Łączny wynik Coding Agent Index wyniósł 49,8%.

Z kolei w ślepej ocenie jakości kodu przeprowadzonej przez zawodowych anotatorów model uzyskał 3,74 pkt w skali 1-5, zajmując drugie miejsce wśród pięciu ocenianych modeli i ustępując jedynie Claude Opus 5.

ML4 dobrze radzi sobie także z automatyzacją procesów biznesowych. W benchmarku AutomationBench, obejmującym 657 zadań wykonywanych m.in. w Gmailu, Arkuszach Google, Slacku i Salesforce, uzyskał 59,9%.

Multimodalność i suwerenność

Model został zaprojektowany jako natywnie multimodalny. Potrafi analizować dokumenty, wykresy, zdjęcia, rysunki techniczne czy obrazy geoprzestrzenne, a także łączyć rozpoznawanie obiektów z działaniem agentowym. W teście Dense 200 dotyczącym tzw. visual grounding uzyskał 42%, wobec 41% dla GPT-6 Astra.

Dla Mistral równie ważna jak wyniki techniczne jest jednak kontrola nad modelem. Firma chce udostępnić jego wagi, a europejskie wdrożenie ma być zarządzane przez Mistral niezależnie od innych dostawców usług cyfrowych i zgodnie z prawem UE. Organizacje będą więc mogły uruchamiać ML4 we własnym środowisku, zamiast uzależniać się od dostępu do zewnętrznego API.

Ma to znaczenie zwłaszcza w sektorach takich jak cyberbezpieczeństwo, finanse czy administracja, gdzie dostęp do modelu, sposób przetwarzania danych i możliwość audytu mogą być równie istotne jak sama jakość odpowiedzi. Mistral podkreśla też, że dane wykorzystane do treningu obejmowały ponad 160 języków, w tym wszystkie języki urzędowe Unii Europejskiej.

ML4 jest więc próbą połączenia wysokiej wydajności dużego modelu z modelem rozwoju AI, w którym użytkownik zachowuje większą kontrolę nad technologią, danymi i sposobem jej wdrożenia. To właśnie ten element ma być jednym z najważniejszych argumentów Mistral w rywalizacji z zamkniętymi modelami amerykańskich firm oraz otwartymi rozwiązaniami rozwijanymi w Chinach.