Мой блог
Mistral Large 4: тестирование новой нейросети и сравнение с аналогами
Компания Mistral представила масштабную языковую модель Mistral Large 4 с триллионом параметров в формате Research Public Preview. Согласно независимым оценкам платформы Artificial Analysis, эта разработка признана наиболее интеллектуальной системой за пределами США и Китая, хотя некоторые открытые азиатские модели демонстрируют более высокие результаты в общих индексах.
Особенности тестирования и позиции в индексах
Новая модель демонстрирует высокий балл 38 в рейтинге Artificial Analysis Intelligence Index, оказываясь на одном уровне с такими решениями, как GPT-6 Luna (max, 38) и DeepSeek V4.1 Flash (max, 39). В рамках индекса кибербезопасности Artificial Analysis Cyber Index модель набирает 50 баллов, показывая идентичный результат с GLM-5.3-Flash и уступая MiMo-V2.6-Pro со значением 56. Наиболее сильным направлением для новинки стал специализированный тест кибернетической защиты CyberGym-E2E-AA, где зафиксирован показатель 82%, что превышает результаты ряда конкурентов.
При этом эксперты отмечают превосходство нескольких китайских открытых систем в общем рейтинге Intelligence Index. В частности, позиции выше занимают DeepSeek V4.1 Flash (max) с результатом 39, GLM-5.3-Flash (42), Kimi K3 (max) с показателем 44, GLM-5.3 (max) на отметке 45 и MiMo-V2.6-Pro, набравшая 46 баллов. Большая часть этих моделей уже имеет открытые веса, в то время как публикация весов Mistral Large 4 запланирована на конец октября текущего года.
Финансовые показатели и скорость работы
Экономическая эффективность использования модели отличается от предложений конкурентов. Стандартная стоимость выполнения одной задачи в рамках индекса Artificial Analysis составляет 1.13 доллара при тарификации 1.36 доллара за миллион входных токенов и 4.18 доллара за миллион выходных токенов, а кэшированные входные токены оцениваются в 0.14 доллара за миллион. На первые две недели после запуска предусмотрена пятипроцентная скидка, снижающая затраты на задачу до 0.57 доллара. Тем не менее, это дороже аналогичных решений от других разработчиков, например, GLM-5.3-Flash обходится в 0.25 доллара, а DeepSeek V4.1 Flash — в 0.27 доллара.
Скоростные характеристики демонстрируют генерацию на уровне 116.1 токена в секунду при времени до первого токена в 1.46 секунды. Это превышает медианные показатели по сегменту примерно на треть, а скорость отклика оказывается в 2.6 раза выше среднего. Подобные параметры были зафиксированы на собственном интерфейсе программирования (API) разработчика.
Мультимодальность и аппаратная база
Система поддерживает обработку текста и изображений, демонстрируя улучшенные показатели в задачах визуального и документного анализа. В тесте GDP.pdf зафиксирован результат 19%, что соответствует уровню MiMo-V2.6-Pro и уступает Kimi K3 с показателем 22%. Подобный прогресс стал возможен благодаря обновлению программного интерфейса, который теперь принимает до 100 изображений в одном запросе вместо прежних 8, используя встроенный визуальный энкодер на 1.6 миллиарда параметров.
Процесс обучения модели осуществлялся в течение двух месяцев на собственных европейских мощностях компании с использованием 3800 графических ускорителей NVIDIA Grace Blackwell. Для сравнения, предыдущая версия Large 3 задействовала 3000 чипов Nvidia H200. В дальнейшем компания планирует масштабировать инфраструктуру дата-центров до 18000 чипов Grace Blackwell в рамках партнерства с Nvidia, а открытые веса модели после их официального релиза позволят развертывать систему локально или на частных облачных серверах.
