Mistral выложила в открытый доступ веса Large 4 с 1 трлн параметров

Французская компания Mistral AI опубликовала веса флагманской модели искусственного интеллекта Large 4 (Le Chonk) с 1,05 трлн параметров

Файлы модели доступны на Hugging Face. До этого Large 4 работала только как публичное превью через API.

Модель построена на архитектуре Mixture of Experts. Для обработки каждого токена она задействует около 49 млрд параметров, или 52 млрд с учетом дополнительных слоев. Так нейросеть тратит меньше вычислительных ресурсов и при этом не теряет в размере.

Large 4 обрабатывает контекст до 1 млн токенов, работает с текстом и изображениями и понимает более 160 языков. Для задач разной сложности у нее есть три режима рассуждения: Low, Medium и High.

После запуска превью Mistral еще три недели дообучала модель с подкреплением. По словам разработчиков, это улучшило ее результаты в программировании, кибербезопасности и агентных задачах.

Результаты в тестах

Terminal-Bench 4.0 проверяет, как ИИ-агенты справляются с программированием через терминал. По сравнению с превью результат Large 4 вырос на 13 процентных пунктов, до 41%, а расход выходных токенов сократился на 30%.

В Artificial Analysis Coding Agent Index модель набрала 48% и почти сравнялась с китайской GLM-5.3. По данным команды Mistral, на аналогичные задачи Large 4 в среднем тратила на 47% меньше токенов.

Результаты моделей в Artificial Analysis Coding Agent Index и средний расход токенов на задачу. Источник: Mistral.

В закрытом бенчмарке FrontierCode 2.0 от Cognition нейросеть получила 19,7%. Он измеряет качество кода и вероятность того, что сопровождающий проекта примет предложенные ИИ изменения.

В слепом сравнении Surge Code модель предпочли GLM-5.3, Kimi K3 и DeepSeek V4.1 Flash. Уступила она только Claude Opus 5.5 от Anthropic.

Доля задач, в которых при слепом сравнении эксперты предпочли код Mistral Large 4. Источник: Mistral, Surge.

Отдельное внимание Mistral уделила кибербезопасности. Artificial Analysis Cyber Index показывает, насколько хорошо модель находит, воспроизводит и исправляет уязвимости в коде. Large 4 набрала в нем 51%.

Вредоносные запросы, связанные с кибератаками, нейросеть в среднем отклоняла в 96,6% случаев. В B3 Agent Security Benchmark ИИ-агентов атакуют, в том числе через внедрение инструкций. Устойчивость Large 4 к таким атакам выросла с 93,3% у превью до 97,1%.

Средняя доля отклоненных вредоносных запросов, связанных с кибератаками. Источник: Mistral.

Часть этих результатов Mistral получила самостоятельно, часть — через сторонние компании. Полный технический отчет разработчики обещали выпустить позже.

В Mistral признали, что мощные модели могут облегчить реальные кибератаки. Специальную версию Large 4 для продвинутых задач безопасности, включая тестирование на проникновение, компания открыла только корпоративным партнерам — после тщательной проверки и по договору.

Booz Allen Hamilton и CrowdStrike уже опробовали модель в работе, а Cisco и Cloudflare поддержали ее выпуск. Европейское агентство по кибербезопасности ENISA тестировало Large 4 на поиске уязвимостей, аудите кода и анализе защитных журналов.

Условия использования и стоимость

Large 4 распространяется по лицензии Mistral Ecosystem Open-Weight — модифицированной версии MIT. Модель можно бесплатно использовать, изменять, дообучать и встраивать в коммерческие продукты.

Исключение сделали для компаний, которые хотят продавать доступ к Large 4 как облачный сервис: им придется отдельно договориться с Mistral. Данные, на которых тренировали нейросеть, в открытый доступ не попали.

Кроме собственных серверов, Large 4 можно запустить через Mistral Studio, API и OpenRouter. Mistral установила цену $0,7 за миллион входных токенов, $0,07 — за кешированные и $2,10 — за выходные.

Напомним, 6 октября Mistral представила предварительную версию Large 4. Нейросеть обучали на 3800 ускорителях Nvidia Grace Blackwell в европейских дата-центрах компании.

Нашли ошибку в тексте? Выделите ее и нажмите CTRL+ENTER