Osegi
الذكاء الاصطناعي·2 دقائق قراءة

ميسترال تنشر أوزان Large 4 ليلحق بأفضل النماذج الصينية في البرمجة

بعد ثلاثة أسابيع من نسخة تجريبية خيّبت التوقعات، نشرت ميسترال أوزان Large 4. النموذج يعادل GLM-5.3 في البرمجة الوكيلية ويستهلك رموزًا أقل بكثير.

Abstract illustration of a large AI model with open weights being downloaded from servers in a European data center.
الصورة: Frandroid

نشرت شركة ميسترال أوزان نموذجها Large 4 على منصة Hugging Face اعتبارًا من الخميس 29 أكتوبر، ما يتيح لأي جهة تنزيل النموذج وتشغيله على بنيتها التحتية الخاصة. وصدرت في الوقت نفسه نسخة مكمّمة (مضغوطة) تقلّل الذاكرة المطلوبة.

يضم النموذج، الذي تلقّبه ميسترال «Chonk»، تريليون معامل في المجموع، لكنه لا يفعّل منها سوى 52 مليارًا عند توليد كل كلمة. وهو متعدد الوسائط: يفهم الصور، غير أنه يجيب بالنص والشيفرة فقط.

تقدم في البرمجة الوكيلية وتوفير في الرموز

يظهر التقدم الأوضح في البرمجة الوكيلية، حيث ينفّذ الذكاء الاصطناعي سلسلة أوامر في الطرفية بمفرده. وفي اختبار Terminal-Bench 4.0 ارتفعت نتيجة Large 4 من 28% في النسخة التجريبية إلى 41%، بحسب رسوم قُدمت للصحافة. أما GLM-5.3، أفضل نموذج صيني مفتوح في الرسم، فنال 40%، وDeepSeek V4.1 Flash نال 31%، وKimi K3 نال 21%.

وتقول ميسترال إن Large 4 يستهلك رموزًا أقل بنسبة 47% لكل مهمة مقارنة بـGLM-5.3 في مؤشر البرمجة الوكيلية، وأقل بنسبة 50% من النسخة التجريبية في Terminal-Bench. وهذا مهم لأن خدمات الذكاء الاصطناعي تُحتسب بالرمز. وأضافت الشركة وضعي استدلال أقصر هما «low» و«medium» إلى جانب «high».

وتعزو الشركة القفزة إلى التعلم المعزز، وهو المرحلة الأخيرة من التدريب، باستخدام مسائل برمجة وأمن سيبراني داخلية تزداد صعوبة. جرى التدريب على 3800 معالج Nvidia Grace Blackwell في مراكز بيانات الشركة الأوروبية. ويشير الرئيس التنفيذي آرثر منش إلى أن مختبرات أخرى جمعت مئات المليارات، بينما جمعت ميسترال نحو 6 مليارات دولار في ثلاث سنوات.

الدفاع السيبراني والإتاحة

في اختبار CyberGym-E2E، الذي يقتضي إعادة إنتاج ثغرة حقيقية في برمجية مفتوحة المصدر ثم إصلاحها، حقق Large 4 نسبة 79%، مساويًا MiMo-V2.6-Pro من شاومي. وحصل Claude Opus 5.5 وGPT-6 Astra على نتيجة قريبة من الصفر لأنهما يرفضان المهمة. ولم توضح ميسترال طبيعة ضوابط الأمان في الأوزان المنشورة.

ويبقى الفارق كبيرًا أمام النماذج الأمريكية المغلقة، إذ يتراوح Opus 5.5 وGPT-6 Astra بين 59% و65% في Terminal-Bench.

يتطلب تشغيل النسخة المكمّمة (نحو 690 غيغابايت بدقة 4 بت) أربعة معالجات Nvidia B200 أو B300. وتعد ميسترال بنسخة أخف للأفراد خلال شهر. ولم يُعلن السعر؛ وكانت النسخة التجريبية بـ1.36 دولار لكل مليون رمز إدخال و4.18 دولار للإخراج. يتوفر Large 4 على Hugging Face وعبر واجهة ميسترال البرمجية.

الوسوم:mistrallarge 4open weightshugging faceagentic codingcybersecurity

المزيد من هذا اليوم

عرض الكل →

المزيد في: الذكاء الاصطناعي

عرض الكل →
ميسترال Large 4: أوزان مفتوحة وأداء يعادل GLM-5.3 · Osegi