در ۶ اکتبر ۲۰26، آزمایشگاه هوش مصنوعی فرانسوی Mistral AI از مدل چندوجهی جدید خود با نام Mistral Large 4 (ML4) رونمایی کرد. این مدل ۱ تریلیون پارامتر دارد — که در میان تیم داخلی با نام «Le Chonk» شناخته می‌شود — و قرار است هم رقبای بسته‌ی آمریکایی و هم رقبای چینی را پشت سر بگذارد.
اما یک نکته‌ی مهم وجود دارد: ML4 فعلاً یک مدل open-weight نیست. در حال حاضر فقط از طریق یک public guardrail endpoint قابل دسترسی است و Mistral برنامه دارد سه هفته پس از اتمام تست‌های امنیتی، وزن‌های مدل را آزاد کند. Pierre Stock، معاون علمی Mistral، به TechCrunch گفت که در این فاصله با شرکای مورد اعتماد و دولت‌ها همکاری می‌کنند تا مطمئن شوند وزن‌های باز «برای دفاع قابل استفاده‌اند، نه برای حملات مخرب».
یکی از جزئیات فنی که Stock مطرح کرد، مقیاس زیرساختی مدل است. ML4 به‌طور کامل روی compute خود Mistral آموزش دیده و فقط از ۴,۰۰۰ GPU انویدیا استفاده کرده — عددی که به گفته‌ی او دو تا سه برابر کمتر از رقبای چینی و «به‌طور قابل توجهی کمتر» از رقبای بسته‌ی آمریکایی است.
نتایج benchmark هنوز منتشر نشده‌اند، اما Mistral امیدوار است ML4 در میان مدل‌های open-weight — به‌ویژه خارج از چین — بهترین باشد. Stock گفت که با توجه به آموزش متمرکز، این مدل می‌تواند در حوزه‌های مشخصی که برای مشتریان اهمیت دارد و قابلیت‌های چندوجهی ارزش‌آفرین هستند، حتی از مدل‌های بسته هم بهتر عمل کند.
حوزه‌های بهینه‌شده‌ی ML4 طبق گفته‌ی Stock شامل امنیت سایبری، مالی و طراحی تراشه است. طراحی تراشه دقیقاً حوزه‌ی فعالیت دو سرمایه‌گذار اصلی Mistral است: ASML هلندی (رهبر Series C) و Samsung (رهبر Series D در ماه گذشته با ارزش‌گذاری €21 میلیارد یا حدود $24.39 میلیارد).
امانوئل مکرون، رئیس‌جمهور فرانسه، این مدل را «راه سوم در هوش مصنوعی» توصیف کرده است.
این خبر برای سازندگان ایجنت چه تغییری ایجاد می‌کند؟#
در کوتاه‌مدت، چیزی تغییر نمی‌کند. مدل فعلاً باز نیست، benchmark منتشر نشده، و دسترسی فقط از طریق یک endpoint محدود ممکن است. اگر روی یک خط تولید با مدل‌های بسته یا open-weightهای موجود کار می‌کنید، ML4 فعلاً جایگزین عملی نیست.
اما اگر سه هفته‌ی آینده وزن‌ها آزاد شود و نتایج benchmark قوی باشد، یک گزینه‌ی اروپایی با مقیاس ۱ تریلیون پارامتر وارد بازی می‌شود که زیرساخت آن با ۴,۰۰۰ GPU ساخته شده — یعنی احتمالاً هزینه‌ی استنتاج پایین‌تری نسبت به مدل‌های هم‌سایز چینی خواهد داشت. برای تیم‌هایی که از نظر قانونی یا سیاسی ترجیح می‌دهند مدل چینی استفاده نکنند، این گزینه‌ی تازه‌ای است.
احتیاط اصلی: ادعای «بهترین در کلاس» بدون benchmark منتشرشده فقط یک ادعاست. قبل از هر تصمیمی درباره‌ی مهاجرت، صبر کنید تا اعداد واقعی بیاید.
منبع: TechCrunch AI
دیدگاه‌ها
برای گذاشتن دیدگاه وارد شو
دیدگاه‌ها فقط از حسابهای کاربری پذیرفته میشوند.
ورود / ثبتنامهنوز دیدگاهی ثبت نشده — اولین نفر باش.