Mistral выпустила открытую модель Le Chonk на триллион параметров
Mistral запустила публичное превью Mistral Large 4 по прозвищу Le Chonk — открытой мультимодальной модели на 1 трлн параметров. Веса обещают выпустить к концу месяца, модель заточена под кибербезопасность и программирование.
- Mistral Large 4 — мультимодальная модель на 1 трлн параметров с 49 млрд активных
- Модель обучена с нуля на 3800 GPU NVIDIA Grace Blackwell в дата-центрах Mistral в Европе
- Веса планируют открыть 27 октября, сейчас доступно превью API
Французская Mistral AI представила публичное превью Mistral Large 4 — открытой мультимодальной модели на 1 трлн параметров с 49 млрд активных. Неофициальное прозвище модели — Le Chonk. Попробовать её можно уже сейчас через API в Mistral Studio, а веса обещают выложить к концу месяца.
Mistral называет ML4 своей самой крупной и способной моделью. По заявлению компании, она конкурентоспособна с сильнейшими открытыми моделями в мире и заметно превосходит любую открытую модель, созданную в США или Европе. В отдельных задачах, например в визуальном анализе (visual grounding), модель обходит даже закрытые фронтирные решения.
Кибербезопасность как ключевая ставка
Главный акцент релиза — кибербезопасность. На индексе Artificial Analysis Cyber Index ML4 входит в топ-5 моделей мира и с большим отрывом лидирует среди открытых моделей, созданных вне Китая. В тесте на воспроизведение реальной уязвимости в open-source софте и её последующее исправление модель набрала 82% — лучший результат среди всех моделей. В наборе задач Cybench из 40 упражнений она решает 93%.
Mistral подчёркивает практическую выгоду: некоторые закрытые модели, включая Claude Opus 5.5 и GPT-6 Astra, на том же тесте показывают почти нулевой результат, потому что отказываются выполнять задачу. Защита софта часто начинается с доказательства, что уязвимость реальна, — а такие действия как раз блокируются фильтрами безопасности закрытых моделей.
«Возможности киберзащиты позволят компаниям и государствам защищаться от злоумышленников, которые взламывают ограничения закрытых моделей для кибератак», — заявил сооснователь Mistral Гийом Лампль.
Программирование и агентные задачи
В агентном программировании ML4 набирает 61,7% на DeepSWE v1.1, 59,4% на SWE-Atlas-QnA и 28,3% на Terminal-Bench 4. Итоговый балл в Coding Agent Index — 49,8%, что выше DeepSeek V4 Pro 0813 и Qwen3.8 Max. В слепом человеческом тесте Surge AI по качеству кода ML4 Preview заняла второе место из пяти моделей с оценкой 3,74, уступив только Claude Opus 5 (4,22).
В агентных рабочих процессах на AutomationBench из 657 бизнес-задач модель показывает 59,9%, обходя Kimi K3, MiMo-V2.6-Pro и DeepSeek V4 Pro. На бенчмарке AA-Briefcase для длительной интеллектуальной работы она достигает 1393 Elo.
Обучение в Европе и суверенитет
ML4 обучена с нуля на 3800 GPU NVIDIA Grace Blackwell в собственных дата-центрах Mistral в Европе — на той же инфраструктуре работает и превью. Значительная часть обучающих данных была многоязычной: более 160 языков, включая все официальные языки Евросоюза.
Mistral позиционирует модель как инструмент цифрового суверенитета. Компания указывает, что закрытые провайдеры могут в любой момент отозвать доступ к модели, и для кибербезопасности это само по себе риск. ML4 можно будет развернуть в приватном облаке или на собственных серверах, а европейское развёртывание Mistral управляет end-to-end под юрисдикцией ЕС.
До открытия весов Mistral проводит ред-тиминг модели с лидерами кибербезопасности, проверенными партнёрами и государственными органами. Они получат доступ к той же модели с ослабленной модерацией и расширенными кибервозможностями.
Для профиТехнические детали: архитектура, цифры, ссылки
Архитектура и параметры: 1 трлн параметров, 49 млрд активных, нативно мультимодальная модель. Обучена с нуля на 3800 GPU NVIDIA Grace Blackwell в дата-центрах Mistral в Европе (ZDNet со ссылкой на Mistral указывает 4000 GPU за два месяца).
Бенчмарки:
- Artificial Analysis Cyber Index — топ-5 глобально, лидер среди открытых моделей вне Китая
- Тест на воспроизведение и патч реальной уязвимости — 82% (лучший результат)
- Cybench (40 задач) — 93%
- DeepSWE v1.1 — 61,7%; SWE-Atlas-QnA — 59,4%; Terminal-Bench 4 — 28,3%
- Coding Agent Index — 49,8% (выше DeepSeek V4 Pro 0813 и Qwen3.8 Max)
- AutomationBench (657 workflow) — 59,9%
- AA-Briefcase — 1393 Elo
- Harvey Legal Agent — 15% (рекорд для открытых моделей)
Цены API: $1,36 / $4,18 за миллион токенов, первые две недели скидка 50% (по данным TG-канала @ai_newz).
Лицензия: веса обещают открыть 27 октября. До этого — ред-тиминг с партнёрами.
Развёртывание: API, приватное облако, on-premise, европейский суверенный регион.
Что это значит для России
Mistral не заявляла о планах работы в России, а сама модель распространяется через API Mistral Studio и открытые веса. Для российских пользователей доступ к API европейского провайдера и оплата остаются ограниченными, однако открытые веса после релиза 27 октября можно будет развернуть локально без привязки к зарубежной инфраструктуре.
Mistral прямо позиционирует ML4 как инструмент суверенитета и независимости от закрытых провайдеров — этот аргумент применим и к российским заказчикам, которым важна работа модели на собственных серверах.
Вопросы и ответы
- Когда выйдут веса Mistral Large 4?
- Mistral обещает открыть веса 27 октября. До этого модель доступна в публичном превью через API.
- Сколько стоит API Mistral Large 4?
- По данным TG-канала @ai_newz, $1,36 за миллион входных токенов и $4,18 за миллион выходных, первые две недели действует скидка 50%.
- На каком железе обучали ML4?
- На 3800 GPU NVIDIA Grace Blackwell в собственных дата-центрах Mistral в Европе.
