Mistral Large 4 er ute i forhåndsvisning med 1050 milliarder parametre, vektene kommer i oktober

Mistral AI slapp tirsdag 6. oktober en offentlig forhåndsversjon av Mistral Large 4, som selskapet selv kaller «le Chonk». Ifølge modellsiden i Mistrals dokumentasjon er det en Mixture-of-Experts-modell med 1,05 billioner parametre totalt, 49 milliarder aktive og en egen visjonskoder på 1,6 milliarder parametre. Den tar både tekst og bilder som input og kan testes i Mistral Studio i dag. Fram til vektene slippes, red-teamer Mistral modellen sammen med sikkerhetsaktører, partnere og statlige myndigheter, som får den med redusert moderering og utvidede cyberevner.

Sikkerhet er hovedargumentet. På Cybench, 40 oppgaver hentet fra sikkerhetskonkurranser, løser modellen 93 %. På en test i Artificial Analysis Cyber Index der modellen skal gjenskape en ekte sårbarhet i åpen kildekode og deretter tette den, får den 82 %, ifølge Mistral den høyeste av alle modeller.

«Flere ledende lukkede modeller, blant dem Claude Opus 5.5 og GPT-6 Astra, scorer nær null på den samme testen fordi de nekter å utføre oppgaven.» — Mistral AI, i lanseringsinnlegget

Poenget til Mistral er at forsvarere trenger en modell som ikke nekter å bevise at en feil er ekte, og som kan kjøres på egne servere under egne regler. Samtidig hevder selskapet at modellen avviser ondsinnede cyberforespørsler oftere enn alle andre åpne modeller i JailbreakBench, StrongREJECT og AgentHarm.

På agentisk koding oppgir Mistral 61,7 % på DeepSWE v1.1, 59,4 % på SWE-Atlas-QnA og 28,3 % på Terminal-Bench 4. Disse tallene er kjørt privat av Artificial Analysis før de offentlige testoppsettene er lansert. I en blind menneskelig vurdering med Surge AI fikk modellen 3,74 av 5 og endte på andreplass av fem, bak Claude Opus 5 med 4,22.

Vals.ai har allerede kjørt modellen gjennom sin egen indeks, og der er bildet mer nøkternt: 48,05 %, plass 32 av 44, og 13,78 dollar per test. Beste plassering er sjetteplass av 75 på Harveys Legal Agent Benchmark.

«Ellers ligger den bak på den bredere Pareto-fronten, men ikke mye» — jakozaur, i Hacker News-tråden om lanseringen

Listeprisen er 1,36 dollar per million input-tokens og 4,18 dollar for output, men modellsiden viser nå halv pris: 0,68 og 2,09 dollar. Mistral oppgir 1 million tokens kontekst, mens Vals.ai lister 512 000.

Bakgrunn

Mistral trente modellen fra bunnen av på 3800 Nvidia Grace Blackwell-GPU-er i egne europeiske datasentre, og forhåndsversjonen kjøres på den samme infrastrukturen. Treningsdataene spenner over mer enn 160 språk, inkludert alle EUs offisielle språk. Modellen er første milepæl i planen som finansieres av Series D-runden på 3 milliarder euro, ifølge Mistral den største egenkapitalrunden et europeisk teknologiselskap har hentet. Selskapet sier at forsterkningslæringen fortsatt pågår, og at ML4 skal bli grunnmuren for en ny generasjon spesialiserte Mistral-modeller.

For deg som bygger betyr det to ting. Med 1,05 billioner parametre blir vektene over 500 GB selv med 4-bits kvantisering, så dette er ingen modell for hjemmeserveren. Men når vektene kommer, får du en åpen modell utenfor Kina som kan gjøre sikkerhetsarbeid de store lukkede modellene avviser, og de mindre modellene Mistral vil bygge på den er de som kan havne på din egen GPU.