Mistral Large 4: Самая масштабная модель компании

Mistral AI представила публичную предварительную версию своей новой модели Mistral Large 4, которую внутри компании неофициально называют ML4 или, шутливо, «le Chonk».

Это самая масштабная и мощная разработка французской компании на сегодняшний день. Модель уже доступна для тестирования через API в Mistral Studio. В конце месяца Mistral обещает опубликовать веса, сделав ее моделью с открытыми весами.

На бумаге характеристики впечатляют: это нативно мультимодальная модель с одним триллионом параметров (англосаксонский триллион) и 49 миллиардами активных параметров.

Mistral заявляет, что ML4 конкурирует с лучшими открытыми моделями мира и заметно превосходит все модели с открытыми весами, разработанные в США или Европе.

Важно отметить, что эти данные представлены самой компанией, и реальные возможности модели станут ясны после широкого доступа.

Обучение в Европе: приоритет суверенитету

В анонсе Mistral постоянно подчеркивает тему технологического суверенитета. ML4 обучалась с нуля на 3800 графических процессорах NVIDIA Grace Blackwell, установленных в собственных европейских дата-центрах компании. Предварительная версия также работает на этой инфраструктуре.

Модель будет доступна в нескольких регионах мира, включая европейское развертывание, которое Mistral будет полностью контролировать, независимо от других цифровых провайдеров и в соответствии с европейским законодательством.

Компания также сделала акцент на европейских пользователях: значительная часть обучающих данных была многоязычной, охватывая более 160 языков, включая все официальные языки Европейского Союза.

В процессе разработки Mistral сотрудничала с компаниями из финансового, инженерного, логистического, фармацевтического и государственного секторов. Модель использует ту же среду обучения, настройки и обучения с подкреплением, которую компания предлагает клиентам через Mistral Forge.

Кибербезопасность: ключевое преимущество

Mistral особенно выделяет свои достижения в области кибербезопасности. В Artificial Analysis Cyber Index – независимой оценке способности моделей находить и исправлять реальные уязвимости в программном обеспечении – ML4 вошла в пятерку лучших в мире и значительно опережает открытые модели, разработанные за пределами Китая.

В одном из тестов индекса, где требовалось воспроизвести реальную уязвимость в открытом ПО и затем ее исправить, модель показала 82% — самый высокий результат среди всех оцененных. Кроме того, она решает 93% задач Cybench, состоящего из 40 упражнений с соревнований по безопасности.

По мнению компании, такой результат объясняется тем, что некоторые ведущие закрытые модели, включая Claude Opus 5.5 и GPT-6 Astra, на этом же тесте набирают почти ноль, отказываясь выполнять задание.

Mistral утверждает, что защита системы часто начинается с демонстрации реальной уязвимости — именно такие задачи блокируют фильтры безопасности закрытых моделей.

Поэтому Mistral настаивает, что открытая модель, развертываемая на собственной инфраструктуре (в частном облаке или локально), позволяет организациям выполнять задачи по безопасности в соответствии с их собственной политикой.

При этом Mistral подчеркивает, что ML4 демонстрирует более высокую степень отказа от обработки вредоносных запросов в области кибербезопасности, чем любая другая открытая модель, что подтверждают тесты JailbreakBench, StrongREJECT и AgentHarm.

В течение этих недель модель проходит стресс-тесты с участием экспертов по кибербезопасности, избранных партнеров и государственных органов, которые имеют доступ к версии с ослабленной модерацией и расширенными кибервозможностями.

Программирование, агенты и компьютерное зрение

В программировании ML4 достигает 61,7% в DeepSWE v1.1, 59,4% в SWE-Atlas-QnA и 28,3% в Terminal-Bench 4. С комбинированным результатом 49,8% в Coding Agent Index компания утверждает, что опережает DeepSeek V4 Pro 0813 и Qwen3.8 Max.

В слепой оценке качества кода, проведенной Surge AI (где профессиональные аннотаторы оценивали код, не зная, какая модель его сгенерировала), модель заняла второе место из пяти с результатом 3,74 из 5. Она уступила только Claude Opus 5 (4,22), но превзошла Kimi K3 и несколько версий GLM.

В области агентов модель набрала 59,9% в AutomationBench, который включает 657 бизнес-процессов в таких приложениях, как Gmail, Google Sheets, Slack или Salesforce. В задачах по работе со знаниями (создание электронных таблиц, презентаций и PDF) она также превосходит DeepSeek V4 Pro. В сторонних тестах по финансам и праву, проведенных Vals.ai, Mistral утверждает, что модель превзошла GPT-6 Astra.

Мультимодальные возможности — еще одна сильная сторона. Mistral говорит о значительном прорыве в понимании изображений, с применением от анализа инженерных чертежей до инспекции гигапиксельных спутниковых снимков для команд реагирования на чрезвычайные ситуации.

В тесте на визуальное распознавание Dense 200 модель даже незначительно превосходит GPT-6 Astra (42% против 41%). К этому добавляются возможности в науке и математике, где она показывает эталонные результаты среди открытых моделей в SciCode-Verified.

К концу октября ожидается публикация весов модели, а также дополнительные детали об архитектуре, новые бенчмарки и методология постобучения. ML4 также послужит основой для нового поколения специализированных моделей Mistral.

Нам предстоит дождаться этого момента, чтобы убедиться, подтвердятся ли результаты, представленные сегодня компанией, в руках сообщества.