Mistral AI در ۶ اکتبر ۲۰۲۶ مدل Mistral Large 4 (ML4) را با نام داخلی «Le Chonk» به‌صورت پیش‌نمایش عمومی منتشر کرد. این مدل یک Mixture of Experts با ۱.۰۵ تریلیون پارامتر کل و ۴۹ میلیارد پارامتر فعال به‌ازای هر توکن است که روی ۳,۸۰۰ کارت NVIDIA Grace Blackwell در دیتاسنترهای اروپایی خود Mistral آموزش دیده است. پنجره متنی ۱ میلیون توکن و انکودر بینایی ۱.۶ میلیارد پارامتری از دیگر ویژگی‌های معماری است.

معماری و دسترسی#

ML4 یک مدل ترکیبی instruct-and-reasoning است که ورودی تصویر را به‌صورت بومی پردازش می‌کند. تنها حدود ۴.۷ درصد از وزن‌ها به‌ازای هر توکن فعال می‌شوند؛ همین稀疏 بودن است که اجازه می‌دهد مدلی با بیش از یک تریلیون پارامتر با قیمت متوسط سرو شود. داده‌های آموزش بیش از ۱۶۰ زبان را پوشش می‌دهد، از جمله تمام زبان‌های رسمی اتحادیه اروپا.

API پیش‌نمایش از همین حالا فعال است: ۱.۳۶ دلار به‌ازای هر میلیون توکن ورودی و ۴.۱۸ دلار به‌ازای هر میلیون توکن خروجی. ورودی کش‌شده ۰.۱۴ دلار به‌ازای هر میلیون توکن قیمت‌گذاری شده که اقتصاد حلقه‌های عاملی با متن طولانی را تغییر می‌دهد. اما وزن‌ها تا پایان اکتبر ۲۰۲۶ منتشر نمی‌شوند و در نتیجه self-hosting فعلاً ممکن نیست. لایسنس هنوز اعلام نشده است.

عملکرد#

در امنیت سایبری، Mistral عدد ۹۳ درصد روی Cybench و ۸۲ درصد روی CyberGym-E2E گزارش می‌کند که ML4 را در پنج‌تای اول شاخص Artificial Analysis Cyber Index قرار می‌دهد. نکته ساختاری این است که طبق ادعای Mistral، چند مدل بسته frontier روی CyberGym-E2E نزدیک صفر امتیاز می‌گیرند چون از انجام تکلیف امتناع می‌کنند.

در کدنویسی عاملی: ۶۱.۷ درصد روی DeepSWE v1.1، ۵۹.۴ درصد روی SWE-Atlas-QnA و ۲۸.۳ درصد روی Terminal-Bench 4.0، با شاخص ترکیبی Coding Agent Index برابر ۴۹.۸ درصد. Mistral یادآور شده که این ارزیابی‌ها پیش از عمومی‌شدن harness به‌صورت خصوصی انجام شده‌اند و هنوز قابل بازتولید مستقل نیستند.

در ارزیابی کور انسانی توسط Surge AI، ML4 Preview نمره ۳.۷۴ از ۵ گرفت و دوم از پنج مدل شد: جلوتر از GLM-5.3 (۳.۶۰) و Kimi K3 (۳.۵۹)، اما پشت Claude Opus 5 (۴.۲۲).

این خبر برای کسی که امروز ایجنت می‌سازد یعنی چه#

قیمت ورودی کش‌شده ۰.۱۴ دلار به‌ازای هر میلیون توکن، عددی است که اگر در عمل تأیید شود، هزینه اجرای حلقه‌های عاملی با پنجره ۱ میلیون توکن را به‌طور محسوسی پایین می‌آورد. اما تا زمانی که وزن‌ها منتشر نشده، این عدد فقط برای کسانی کاربرد دارد که از API Mistral استفاده می‌کنند و به self-hosting نیاز ندارند.

از سوی دیگر، ادعای عملکرد در امنیت سایبری جالب است اما باید با احتیاط خوانده شود: مقایسه با مدل‌هایی که «امتناع می‌کنند» معیار فنی محکمی نیست و امتناع ممکن است بازتاب سیاست ایمنی آن‌ها باشد نه ضعف معماری. در کدنویسی عاملی هم تا بازتولید عمومی نتایج، عدد ۴۹.۸ درصد شاخص ترکیبی صرفاً ادعای خود Mistral است. در این میان، توجه به استراتژی چندمدلی می‌تواند راهکاری برای مدیریت ریسک وابستگی به یک مدل خاص باشد.

منبع: MarkTechPost