Mistral Large 4 z otwartymi wagami: wyraźny skok w kodowaniu

Mistral AI opublikowało w czwartek 29 października 2026 roku wagi modelu Mistral Large 4, nazywanego „Le Chonk”. Pliki są dostępne na platformie Hugging Face, więc model można uruchomić na własnej infrastrukturze, bez wysyłania danych do firmy. Premiera modelu odbyła się 6 października, ale początkowo dostępny był wyłącznie płatny dostęp przez API.

Large 4 ma 1000 mld parametrów, jednak dzięki architekturze mieszaniny ekspertów (MoE) na jeden token aktywnych jest tylko 49 mld, a wraz z warstwami wejściową i wyjściową 52 mld. Model składa się ze 128 wyspecjalizowanych ekspertów, z których dla każdego tokena włączane są cztery oraz jeden wspólny. Poprzedni Large 3 miał 675 mld parametrów, w tym 41 mld aktywnych.

Co zmieniło się od premiery

Przez trzy tygodnie Mistral kontynuował uczenie ze wzmocnieniem, głównie w obszarach cyberbezpieczeństwa i programowania. Według firmy wynik w teście Terminal-Bench 4.0, sprawdzającym pracę w wierszu poleceń, wzrósł z 28 do 41 proc. To o punkt więcej niż chiński GLM-5.3 (40 proc.). Wyprzedza też DeepSeek V4.1 Flash (31 proc.), Kimi K3 (21 proc.) i Muse Spark Open (6 proc.). W indeksie kodowania Artificial Analysis model osiąga 48 proc., remisując z GLM-5.3, a zużywa przeciętnie o 47 proc. mniej tokenów na zadanie.

Mistral przyznaje jednak w dokumentacji, że najlepsze chińskie modele otwarte nadal prowadzą w ogólnym indeksie Artificial Analysis. Large 4 zdobywa tam 26 punktów, czyli najlepszy wynik wśród zachodnich modeli otwartych. Na początku października wyszukiwarka Ecosia zastąpiła modele Mistrala chińskimi, m.in. Qwen, Kimi i GLM.

Cennik i licencja

Cena API spadła o połowę: 0,70 dolara za milion tokenów wejściowych i 2,10 dolara za wyjściowe, wobec 1,36 i 4,18 dolara w wersji zapoznawczej. Nowa licencja Mistral Ecosystem Open-Weight License jest mniej liberalna niż Apache 2.0 przy Large 3. Dopuszcza użycie komercyjne, ale firmy odsprzedające dostęp do modelu jako usługę muszą podpisać osobną umowę z Mistralem.

Model nie nadaje się na zwykły komputer. Nawet wersja skompresowana wymaga czterech akceleratorów Nvidia B200 lub B300, a pełna aż ośmiu.