Mistral AI представила Mistral Large 4, называя её крупнейшей и самой мощной моделью компании на данный момент. Модель, известная внутри компании под кодовым названием «Le Chonk», содержит в общей сложности триллион параметров, при этом в каждой операции используются 49 миллиардов активных параметров. Компания предоставляет публичную предварительную версию модели через Mistral Studio и планирует опубликовать её веса до конца октября.
Мультимодальная модель для корпоративного использования
Mistral Large 4 обрабатывает текст и изображения. По словам компании, модель разработана для программирования, рабочих процессов на основе интеллектуальных агентов, понимания изображений, финансов, права и кибербезопасности. Mistral утверждает, что модель демонстрирует одни из самых высоких результатов в ряде корпоративных сценариев по сравнению с моделями с открытыми весами.
В тесте Dense 200 на понимание изображений модель набрала 42% против 41% у GPT-6 Astra. Также заявлена её способность анализировать сложные документы, графики и технические схемы, находить определённые элементы на крупных спутниковых изображениях и определять расположение объектов в визуальных данных.
Показатели в области безопасности и программирования
Mistral Large 4 набрала 82% в тесте, который воспроизводит уязвимости в реальном программном обеспечении, а затем нацелен на их устранение. Кроме того, модель выполнила 93% из 40 заданий теста Cybench. По словам компании, варианты использования в сфере безопасности включают анализ вредоносного программного обеспечения, приоритизацию уязвимостей и создание правил обнаружения.
В тестах по программированию модель набрала 61,7% в DeepSWE v1.1, 59,4% в SWE-Atlas-QnA, 28,3% в Terminal-Bench 4 и 49,8% в Coding Agent Index. Согласно Mistral, в общем индексе она превзошла DeepSeek V4 Pro и Qwen3.8 Max, тогда как в слепой оценке, проведённой профессиональными разработчиками, заняла второе место после Claude Opus 5.
Агенты и европейская инфраструктура
Модель также ориентирована на выполнение длительных задач с использованием нескольких инструментов и приложений. В AutomationBench, охватывающем 657 корпоративных рабочих процессов в Gmail, Google Sheets, Slack и Salesforce, она набрала 59,9%. Кроме того, модель получила 1 393 балла Elo в тесте AA-Briefcase, посвящённом созданию электронных таблиц, презентаций и PDF-файлов.
Модель обучалась с нуля в европейских центрах обработки данных Mistral с использованием 3 800 графических процессоров Nvidia Grace Blackwell. По словам компании, она поддерживает более 160 языков, включая все официальные языки Европейского союза. Её также будут размещать в Европе на инфраструктуре, управляемой Mistral и регулируемой европейским законодательством. После публикации весов компании смогут запускать их в собственных облаках или локальной инфраструктуре.
Что меняется на практике?
Mistral Large 4 объединяет крупную мультимодальную модель, возможности агентов и ожидаемый вариант с открытыми весами, предоставляя компаниям потенциальный путь к снижению зависимости от внешних API и более широкому контролю над данными и политиками использования. Однако подробности архитектуры, методов обучения и дополнительные результаты тестов пока не опубликованы. Кроме того, большинство приведённых показателей основано на собственных данных компании, поэтому для независимого сравнения потребуется дождаться публикации весов и подробной информации.
Стоимость использования API составляет 1,36 доллара за миллион входных токенов и 4,18 доллара за миллион выходных токенов. Mistral заявляет, что модель стала первой значимой моделью в дорожной карте, последовавшей за раундом финансирования Series D объёмом 3 миллиарда евро, а также послужит основой для отраслевых и оптимизированных моделей, которые компания разработает позднее.