Mistral відкрила ваги Large 4, модель очолила рейтинг кодування

Французька лабораторія штучного інтелекту Mistral оприлюднила ваги моделі Mistral Large 4, яку також називають ML4 або Le Chonk через її розмір у трильйон параметрів. Модель, що вийшла у прев’ю 6 жовтня, поліпшила результат у бенчмарку для агентного програмування Terminal-Bench 4.0 з 28% до 41%. За ZDNET, це на один пункт більше, ніж у GLM-5.3, у цьому рейтингу.

Результати у програмуванні

Mistral заявила, що Large 4 конкурує з GLM-5.3 в індексі Artificial Analysis Coding Agent Index, використовуючи в середньому на 47% менше токенів на завдання. Видання зауважує, що результати бенчмарків слід оцінювати обережно, зокрема через можливість нечесного проходження тестів окремими моделями. Водночас зростання показника ML4 за кілька тижнів додаткового навчання є помітним.

Відкриті моделі дедалі активніше конкурують із закритими системами, використання яких може бути дорогим. Оприлюднення ваг дає змогу користувачам працювати з моделлю у власній інфраструктурі та контролювати дані.

Кіберзахист і навчання моделі

Під час запуску прев’ю Mistral наголошувала на можливостях ML4 у сфері кіберзахисту, зокрема на налаштовуваному контролі та суверенітеті даних. Компанія протягом кількох тижнів тестувала ці можливості разом із розробниками та керівниками. Для окремих партнерів був доступний менш обмежений варіант моделі з розширеними кібербезпековими функціями.

У тесті CyberGym для оборонної кібербезпеки Le Chonk набрала трохи більше балів, ніж DeepSeek V4.1 Flash. Бенчмарк перевіряє здатність моделей знаходити реальні вразливості безпеки пам’яті у відкритих C/C++-проєктах, відтворювати їх за допомогою тестових вхідних даних і виправляти код без порушення тестів проєкту.

За даними Mistral, ML4 навчали з нуля протягом двох місяців на 4 000 графічних процесорах Nvidia Grace Blackwell у власних дата-центрах компанії в Європі.