Мой блог
Mistral Large 4: триллион параметров и открытые веса Le Chonk
Французская компания Mistral AI выложила в открытый доступ веса мультимодальной модели Mistral Large 4, известной под кодовым наименованием Le Chonk. Чекпоинт флагманской системы с общим объемом около одного триллиона параметров опубликован на платформе Hugging Face для автономного развертывания, а также стал доступен через программный интерфейс разработчика и партнерские платформы.
Полноценный релиз состоялся после этапа предварительного публичного тестирования, стартовавшего 6 октября 2026 года, когда компания впервые представила архитектуру с 1,05 триллиона параметров на базе смеси экспертов. Согласно заявлению Mistral AI, финальная версия вобрала в себя отзывы тестировщиков и результаты дальнейшего масштабирования обучения с подкреплением, что обеспечило заметный прогресс в генерации программного кода, задачах кибербезопасности и скорости логического вывода.
Условия лицензирования, стоимость API и каналы распространения
Веса модели опубликованы под лицензией Mistral Ecosystem Open-Weight License, представляющей собой модифицированный вариант лицензии MIT. Условия разрешают свободное использование, модификацию, дообучение и коммерческую эксплуатацию чекпоинта. Единственное ограничение касается компаний, предоставляющих сервис формата Model-as-a-Service: таким поставщикам облачных платформ необходимо заключить с Mistral AI отдельное коммерческое соглашение.
Доступ через официальный API тарифицируется по следующим ставкам:
- 0,70 доллара США за один миллион входных токенов;
- 0,07 доллара США за один миллион кэшированных входных токенов;
- 2,10 доллара США за один миллион выходных токенов.
В инфраструктуре Mistral API и интерфейсе Mistral Studio система представлена под идентификатором mistral-large-4. Помимо этого, модель интегрирована в платформу OpenRouter, фирменный ассистент разработки Vibe Code, каталоги NVIDIA с оптимизированным контейнером NVIDIA NIM, а также в сервис Microsoft Foundry. Представители Microsoft уточнили, что стали первым сторонним облачным провайдером, предоставившим корпоративным клиентам приватное развертывание модели на базе Azure.
Бенчмарки в кодинге и настраиваемые режимы рассуждения
По информации разработчиков, Mistral Large 4 заняла верхнюю строчку в закрытом бенчмарке FrontierCode 2.0 от Cognition с результатом 19,7%. Этот тест оценивает сквозное качество сгенерированного кода и вероятность принятия изменений мейнтейнером репозитория. В данном испытании модель опередила другие открытые решения, среди которых GLM-5.3, Kimi K3 и DeepSeek V4.1 Flash.
В комплексном рейтинге Artificial Analysis Coding Agent Index система набрала 48%, разделив лидерство с моделью GLM-5.3, но при этом затратив в среднем на 47% меньше токенов на решение каждой задачи. На бенчмарке Terminal-Bench 4.0 показатель составил 41%, что на 13 процентных пунктов выше по сравнению с предварительной версией. Одновременно с этим авторы отметили сокращение объема генерируемых выходных токенов на 30%.
В серии слепых сравнительных тестов предпочтений разработчиков Surge Code новая модель превзошла решения линеек GLM, Kimi и DeepSeek, уступив по общему баллу только проприетарной системе Claude Opus 5.5.
Для балансировки вычислительных затрат разработчики предусмотрели три режима рассуждения:
- Low — пришел на смену полному отключению логических цепочек и оптимизирован под базовые сценарии;
- Medium — сбалансированный вариант для повседневных рабочих запросов;
- High — профиль, активированный по умолчанию, ориентированный на ресурсоемкие задачи, где требуется наиболее глубокий анализ данных.
Показатели кибербезопасности и фильтрация угроз
В испытании Artificial Analysis Cyber Index модель показала результат 51%. Тест проверяет способность нейросети находить уязвимости в программных проектах, воспроизводить их, валидировать векторы атак и выпускать патчи без нарушения работоспособности смежных компонентов. По заявлению компании, архитектура корректно обрабатывает легитимные задачи оборонительной безопасности, не генерируя ложных блокировок.
Встроенная система защитных барьеров нацелена на разграничение исследовательских задач и вредоносных действий. На наборах тестов JailbreakBench, StrongREJECT и AgentHarm модель показала средний уровень блокировки вредоносных инструкций на уровне 96,6%, что разработчики называют наивысшим результатом среди доступных открытых моделей.
Анализ реального трафика в период предварительного тестирования показал, что система устойчиво отклоняет запросы на атаки методом «черного ящика» против действующих интернет-узлов. При этом Mistral AI отметила наличие риска использования подобных моделей для подготовки реальных сетевых атак и подтвердила дальнейшее ужесточение фильтров в ближайших обновлениях.
Отдельные корпоративные партнеры, включая Orange Cyberdefense, получили ранний доступ к специализированной конфигурации модели для проведения тестов на проникновение, анализа защищенности и red-teaming. Доступ предоставляется в рамках жестких соглашений, разрешающих тестирование исключительно изолированных систем или сред с прямым подтвержденным допуском владельца.
Результаты модели также получили экспертные оценки от специалистов Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Rubrik и Zscaler. В частности, руководство подразделения национальной кибербезопасности Booz Allen Hamilton сообщило, что на их внутренних тестах модель показала полноту выявления уязвимостей в исходном коде на уровне передовых специализированных систем.
Архитектура Le Chonk и параметры обучения
Согласно сопроводительной технической документации, модель использует детализированную структуру смеси экспертов (Mixture-of-Experts). При общей емкости около одного триллиона параметров в обработке отдельного токена задействуется порядка 52 миллиардов параметров (около 49 миллиардов без учета слоев эмбеддингов и выходных матриц). Архитектура включает 128 маршрутизируемых экспертов, из которых на каждый токен активируются четыре, а также один общий эксперт.
Ключевые спецификации системы:
- Контекстное окно размером до 1 миллиона токенов;
- Мультимодальный ввод с поддержкой текста и графических данных через зрительный энкодер Pixtral объемом 1,6 миллиарда параметров, способный обрабатывать изображения с нестандартным соотношением сторон и произвольным разрешением;
- Прямая поддержка свыше 160 языков, включая все официальные языковые стандарты Европейского союза;
- Обучение «с нуля» на кластере из 3800 графических процессоров NVIDIA Grace Blackwell, расположенных в европейских дата-центрах Mistral.
В опубликованный дистрибутив интегрирован дополнительный модуль спекулятивного декодирования DSpark, предлагающий блоки по три токена за шаг. По внутренним замерам компании, такое решение обеспечивает прирост пропускной способности генерации до 1,9 раза по сравнению со стандартным выводом целевой сети. Для инфраструктуры на чипах Blackwell также подготовлен квантованный чекпоинт в формате NVFP4.
В сводном бенчмарке Artificial Analysis Intelligence Index v5 система получила 26 баллов, показав лучший результат среди западных моделей с открытыми весами. В отраслевом финансовом тесте Finch (FinWorkBench) показатель составил 73,3%, на испытании веб-навигации BrowseComp — 84,5%, а устойчивость к атакам в рамках B3 Agent Security Benchmark выросла до 97,1%.
В Mistral AI подчеркнули, что архитектура Mistral Large 4 послужит базовой технологической платформой для последующей линейки компактных и специализированных нейросетей, продолжая подход, ранее реализованный в релизах Voxtral и Timestral.
