Mistral открыла веса Large 4: в коде сильна, но китайцы набирают 32 балла против 26

Французская компания Mistral выложила на Hugging Face веса своей крупнейшей модели Mistral Large 4, которую называет «Le Chonk». Это открытая модель на текст и изображения с выводом текста и кода. В ней около триллиона параметров, но на каждом шаге генерации задействованы только 52 миллиарда: остальные «спят», так устроена архитектура со смесью экспертов. Независимая лаборатория Artificial Analysis сводит результаты девяти тестов в один индекс интеллекта. Large 4 получила там 26 баллов. Это выше медианы открытых моделей схожего размера (23), но ниже китайских DeepSeek V4.1 Flash и GLM-5.3 с 32 баллами и MiMo-V2.6-Pro с 30. До лидеров рынка далеко: у Gemini 4 Carbon от Google 59, у Claude Opus 5.5 от Anthropic 58.

Код: лидер среди открытых, но не среди всех

После публичного превью, вышедшего три недели назад, Mistral продолжила дообучать модель с подкреплением. Модель получает задачи, которые команда сама придумала и умеет автоматически проверять, и поощряется за верные решения. Сложность задач росла по ходу обучения. Исследователи Пьер Сток и Корантен Пти сказали журналистам, что потолок качества задаёт лишь то, насколько трудную проверяемую задачу команда ещё способна сочинить. Сама Mistral называет это «двухлетней ставкой».

Вот что получилось:

• Terminal-Bench 4.0 (агент решает задачи в терминале): было 28%, стало 41%. GLM-5.3 даёт 40%. • Coding Agent Index от Artificial Analysis: 48 баллов, то есть практически на уровне GLM-5.3, но с расходом на 47% меньше токенов. Claude Code на базе Opus 5.5 набирает 62. • FrontierCode 2.0 от Cognition: 19,7%, лучший результат среди открытых моделей. У Opus 5.5 — 46%. • Слепое сравнение от Surge (тестеры выбирают лучший код, не зная автора): Large 4 чаще побеждает код GLM-5.3, Kimi K3 и DeepSeek, но у Opus 5.5 выигрывает лишь 22% раз.

Оговорка про Kimi K3.1 Pro от Moonshot. В сравнениях Mistral её нет, потому что веса пока закрыты. Moonshot обещает открыть их до 4 ноября 2026 года. У Kimi K3.1 Pro в Terminal-Bench 4.0 уже 67%, так что преимущество Large 4 в открытом коде, скорее всего, продержится недолго.

Кибербезопасность: заявка на первое место, реальное третье

Mistral называет Large 4 лучшей открытой моделью для киберзащиты. Cyber Index проверяет, умеет ли модель найти уязвимость в кодовой базе, воспроизвести её и закрыть, ничего не сломав. У Large 4 там 51 балл. Но на собственном графике Mistral впереди DeepSeek V4.1 Flash (57) и MiMo-V2.6-Pro (56), то есть модель третья среди открытых. Среди всех лидирует Kimi K3.1 Pro с 64. Превью давало 50, так что дополнительные три недели обучения дали здесь один балл.

К тому же выходит дорого: $1,21 за задачу, тогда как DeepSeek V4.1 Flash набирает больше за малую долю этой суммы. Зато модель отклоняет 96,6% вредоносных запросов на кибератаки, по словам Mistral, лучше любой другой открытой. Компания признаёт, что модель может облегчить реальные атаки, и обещает ужесточить защиту в ближайшие месяцы. Отдельную версию для пентестов уже пробуют избранные партнёры вроде Orange Cyberdefense, доступ по проверке и с договорными ограничениями.

Скорость, цена и лицензия с оговоркой

Сильнее всего Large 4 выглядит по деньгам и скорости:

• 161 токен в секунду против 111 у превью; быстрее только DeepSeek V4.1 Flash и Muse Wonder. • Средняя задача индекса стоит $2,06 (у превью $5,54). GLM-5.3 обходится в $5,01, Kimi K3.1 Pro в $3,68, но DeepSeek V4.1 Flash всего в $0,60, а MiMo-V2.6-Pro в $0,26. • На весь индекс модель сгенерировала 110 млн выходных токенов вместо 150 млн у превью. Медиана сопоставимых моделей — 100 млн. • Цена в API: $0,70 за миллион входных токенов и $2,10 за миллион выходных. Во время превью было $1,36 и $4,18. Для сравнения, Kimi K3.1 Pro стоит $2 и $10.

Лицензия — модифицированная MIT. Пользоваться, менять и применять в коммерции можно бесплатно. Но компаниям, которые хотят продавать Large 4 как облачный сервис, нужен отдельный договор с Mistral. Запустить модель у себя непросто: по документации SGLang, стандартной версии нужны восемь GPU Nvidia B300, сжатой — четыре GB300. Если железа нет, модель доступна, в частности, в Microsoft Foundry.

Что это даёт на практике

Mistral продаёт Large 4 как «суверенный» ИИ: обучена целиком в Европе и работает на собственных серверах. Для европейских компаний с жёсткими требованиями к данным это аргумент. Для задач, где важны цена и скорость, а не абсолютный максимум качества, модель выглядит разумным вариантом. Тем, кому нужен лучший результат в сложном коде и безопасности, пока стоит смотреть на Claude и Gemini, а среди открытых моделей — на китайские.

Стоит учитывать и методику. Версия 5 индекса вышла в среду, и три пятых тестов в ней закрыты: задачи или решения не публикуются. По старому индексу разрыв был таким же: у превью 38 баллов против 45 у GLM-5.3. Mistral считает, что работает с долей ресурсов американских и китайских лабораторий и с десятикратным капиталом была бы наверху. Large 4 станет основой для специализированных моделей компании, но про малые версии на её базе в Mistral пока ничего не говорят.