Mistral Large 4

Mistral Large 4 — самая большая модель Mistral. Компания называет её самой способной из своих моделей и основой для следующего поколения специализированных моделей. Она устроена как смесь экспертов (mixture of experts): всего в ней около триллиона параметров, но на каждый фрагмент текста работают только 52 миллиарда. Поэтому она обходится дешевле плотной модели такого же размера. Картинки модель понимает изначально: к языковой части добавлен блок для зрения на 1,6 миллиарда параметров, а обычные ответы, рассуждения по шагам и агентная работа с инструментами собраны в одной модели. Mistral обучила её с нуля на 3800 ускорителях Nvidia Grace Blackwell в своих европейских дата-центрах, на данных более чем на 160 языках, включая все официальные языки Евросоюза.

Предыдущая Large 3 была заметно меньше: 675 миллиардов параметров, из них 41 миллиард активных. Сейчас Large 4 — старшая модель линейки, выше Mistral Medium 3.5 и Small 4. Mistral сравнивает её прежде всего с открытыми китайскими моделями DeepSeek V4 Pro, Qwen 3.8 Max, Kimi K3 и GLM-5.3 и заявляет, что по ряду тестов её модель впереди. По замерам компании, в тесте на программирование DeepSWE v1.1 она набирает 61,7%, а в Cybench из 40 заданий соревнований по кибербезопасности — 93%. В оценке людьми, которую провела компания Surge AI, её код получил 3,74 балла из 5: это второе место после Claude Opus 5 с 4,22 балла.

Главные сильные стороны Mistral видит в кибербезопасности. Это поиск и воспроизведение уязвимостей и разбор инцидентов: в тесте на воспроизведение реальных уязвимостей у модели 82%, и, по словам компании, это лучший результат среди всех моделей. Ещё её берут для программирования и разбора больших репозиториев кода, долгих агентных задач, финансового анализа и юридических документов. По словам Mistral, на юридическом тесте Harvey модель обходит все открытые модели, а на финансовом Finance Agent v2, по замерам vals.ai, — закрытую GPT-6-Astra. Хорошо ей даётся и работа с изображениями: графиками, отчётами, чертежами и спутниковыми снимками. В тесте Dense 200, где нужно найти на картинке объект по описанию, у неё 42% против 41% у GPT-6-Astra.

Пока это предварительная версия. Обучение с подкреплением, при котором модель получает оценку за результат, ещё идёт, и компания заявляет, что запас для роста большой. До выхода весов модель проверяют атаками компании по кибербезопасности, проверенные партнёры и госорганы. Им дают ту же модель с ослабленной модерацией и расширенными навыками в кибербезопасности. Открытые веса Mistral обещает выложить до конца октября: тогда модель можно будет разворачивать без Mistral, дообучать и встраивать в свои продукты, но при триллионе параметров это задача для компаний с собственными серверами, а остальные будут работать с ней через API.

источники:Анонс Mistral Large 4 ↗Карточка модели в документации Mistral ↗