С сегодняшнего дня разработчики могут получить к ней доступ через API Mistral. Веса модели, позволяющие любому скачать её и запустить на собственных серверах, станут доступны 27 октября.
В следующие три недели компания будет тестировать модель в реальных условиях. Разработчики, фирмы в сфере кибербезопасности и государственные ведомства получат версию с меньшим количеством ограничений и расширенными возможностями в области кибербезопасности по сравнению с публичным API.
Large 4 получила прозвище «Le Chonk», а новая модель умеет обрабатывать и текст, и изображения.
На этот раз на этикетке написано: «Сделано в Европе»
Для любой задачи модель использует лишь 49 млрд из триллиона параметров. Кроме того, её обучали с нуля в течение двух месяцев, задействовав около 4 000 графических процессоров Nvidia Grace Blackwell в европейских дата-центрах Mistral, которые теперь также обеспечивают работу предварительной версии. По словам компании, на обучение ушло около 10 мегаватт электроэнергии.
Этап обучения с подкреплением, на котором модель совершенствуется методом проб и ошибок и с помощью обратной связи, ещё продолжается.
Mistral сообщает, что рост показателей пока не замедлился. Результаты тестов предварительные, и компания ожидает, что они изменятся до публикации весов.
В тесте DeepSWE, где ИИ-агенты выполняют реальные задачи по разработке программного обеспечения, Large 4 набрала 62%.
Это позволяет ей с небольшим отрывом опередить GLM-5.3 от Zhipu с результатом 61% и DeepSeek-V4-Pro с 57%, а также значительно обойти Qwen 3.8 Max с 51% и Beam от Reflection AI с 44%.
В финансовом бенчмарке FinWorkBench (FinWorkBench) Large 4 набрала 67% — столько же, сколько DeepSeek-V4-Pro, и немного больше, чем GLM-5.3 с результатом 65%. Это почти вдвое выше показателя собственной модели Mistral Medium 3.5, набравшей 37%.
В бенчмарке Harvey’s Legal Agent модель набрала 15%, опередив Kimi K3 с результатом 13% и GPT-6 Astra от OpenAI с 5%. Однако низкие показатели всех моделей показывают, как далеко им ещё до самостоятельного выполнения юридической работы.
Больше всего Mistral выделяется в работе с изображениями. В задаче на визуальную локализацию, то есть поиск конкретных объектов на изображении, Large 4 набрала 73% в тесте дистанционного зондирования DIOR-RSVG против 68% у GPT-6 Astra.
В Dense200 обе модели набрали по 42%. Mistral также утверждает, что её модель превосходит Fable 5.1 от Anthropic в этих задачах, однако цифры для сравнения компания не предоставила.
Компания планирует применять эти возможности на практике: например, помогать страховым компаниям оценивать ущерб от штормов по аэрофотоснимкам, коммунальным службам — проверять линии электропередачи, а фермам — следить за состоянием посевов.
Новая модель Large 4 также умеет преобразовывать технические чертежи в CAD-модели. По словам Mistral, она показывает очень хорошие результаты в тестах для полупроводниковой отрасли, что указывает на её ориентацию на промышленных заказчиков.
Кибербезопасность занимает центральное место в разработке этой модели, и именно здесь открытость особенно важна. Самые мощные модели американских лабораторий закрыты: клиенты могут только арендовать их через серверы поставщика, который решает, что модель будет и не будет делать.
Когда веса Large 4 станут доступны, банк или государственное ведомство смогут скачать модель, запустить её на собственных компьютерах и использовать для защиты своих сетей, никому не запрашивая разрешения.
Для специалистов по безопасности эта разница имеет практическое значение. Им нужно ежедневно проверять системы на наличие новых уязвимостей, а закрытые модели зачастую слишком дороги для такого объёма работы, слишком ограничены или просто отказываются выполнять запрос.
Компания также утверждает, что Large 4 превосходит лучшие открытые модели от Kimi, DeepSeek и Meta в задачах кибербезопасности, но подтверждающих это цифр не приводит.
«Возможности киберзащиты позволят компаниям и государственным ведомствам защищаться от злоумышленников, которые обходят ограничения закрытых моделей, чтобы проводить кибератаки», — заявил Гийом Лампль, сооснователь и главный научный сотрудник Mistral.
У этого вопроса есть и политическая сторона: Mistral считает, что компании и государственные ведомства не должны зависеть от поставщика, который может в любой момент отключить их инструменты. По словам компании, заказчикам нужны две гарантии: ни одна иностранная страна не сможет лишить их доступа, а также будет доступна чёткая информация о том, как обучали модель.
Вопросы цифрового суверенитета будут влиять на то, как будет продаваться Large 4. Заказчики смогут запускать её на собственных серверах или пользоваться ею через API Mistral в выбранном регионе, в том числе в европейском, где данные защищены законодательством ЕС.
Модель также рассчитана на работу далеко не только с английским языком: её обучали более чем на 160 языках, включая все официальные языки ЕС, а также такие языки, как корейский.
Финансирование этого проекта обеспечил раунд инвестиций на 3 млрд евро, который Mistral закрыла в сентябре. Large 4 стала первой моделью, созданной благодаря этим средствам.
Эти же деньги пойдут на расширение вычислительных мощностей, которые должны начать работать в первой половине 2027 года.
Mistral уже сотрудничает более чем со 125 крупными компаниями, включая Airbus, ASML и HSBC. Некоторые из них помогали обучать Large 4 с помощью тех же инструментов, которые Mistral предлагает через платформу Forge.
До публикации весов 27 октября Mistral обещает рассказать больше о том, как устроена модель, привести дополнительные результаты тестов, объяснить, как её дорабатывали после основного обучения, и описать проведённые проверки безопасности.
После этого компания планирует использовать Large 4 как основу для нового семейства специализированных моделей. Поэтому версия, которую разработчики могут опробовать уже сегодня, — это отправная точка, а не готовый продукт.
«Таким образом, утверждение, что Европа не может конкурировать, неверно», — заявил Артур Менш на конференции в Абу-Даби незадолго до запуска новой модели.
Опубликовано 6 октября 2026 - 06:00 Наверх
