Mistral oferuje na swojej platformie model GLM, w otwartym dostępie (otwarte wagi), od chińskiego laboratorium Zhipu AI. Ten wybór, który wywołał reakcje we francuskim środowisku technologicznym, odpowiada według źródła zarówno zakładowi finansowemu, jak i technicznemu, i przygotował on nadejście Mistral Large 4, modelu o 1000 miliardów parametrów wydanego na początku października.
- Mistral oferuje model GLM od Zhipu AI, co generuje powtarzalne przychody z opłat za odpowiedzi.
- Firmy chcą suwerennej inferencji, dlatego Mistral hostuje GLM na własnej infrastrukturze pod regionalną kontrolą.
- Integracja GLM pozwala Mistralowi nauczyć się obsługi modelu granicznego na dużą skalę.
- Mistral Large 4 ma stać się modelem domyślnym, gdy nowe moce obliczeniowe zostaną uruchomione w 2026 roku.
Niektórzy widzieli w tym zdradę obietnicy suwerenności firmy, inni ewolucję w kierunku działalności doradczej i chmurowej. W istocie, wyjaśnienie jest przede wszystkim księgowe. Wydawcy AI wydają ogromne sumy na fizyczną infrastrukturę, procesory graficzne (GPU), aby trenować swoje modele. W dokumentach wprowadzających na giełdę Anthropic, cytowanych przez źródło, figuruje 7,33 miliarda dolarów wydanych na obliczenia w 2025 roku, przy 4,6 miliarda przychodów.
Mistral dysponuje środkami znacznie mniejszymi niż OpenAI czy Anthropic, pomimo kilku kolejnych rund finansowania, w tym 1,7 miliarda euro w 2025 roku. Integracja GLM ma więc na celu stworzenie źródła powtarzalnych przychodów, poprzez fakturowanie firmom za każdą odpowiedź wygenerowaną w ramach ich usług. „To zdecydowanie bardzo dobry biznes, który zapewnia powtarzalność w ich przychodach, przy amortyzujących się nakładach inwestycyjnych » – wyjaśnia Bilal El Alamy, współzałożyciel i CEO Pyratz (venture builder).
Oferta pomyślana dla suwerennej inferencji
Mistral inspiruje się również Palantir i jego inżynierami delegowanymi do klienta, zwanych „forward deployed engineers ». Obecni na miejscu, ci inżynierowie instalują i wdrażają technologie oraz doradzają firmom w sprawach AI w ogóle. Ta obecność pozwala Mistralowi zakorzenić się u dużych klientów, zwłaszcza wokół suwerennej AI, segmentu, w którym Marc Trilling, prezes i współzałożyciel Saegus, widzi „silną perspektywę wzrostu ».
Według Saegus, które doradza firmom z CAC 40, te mniej interesują się pochodzeniem modelu, a bardziej miejscem, w którym działa jego inferencja, czyli proces umożliwiający jego działanie na serwerach. Mistral twierdzi w wpisie na blogu z 11 sierpnia, że GLM i przyszłe modele stron trzecich „będą działać na tej samej infrastrukturze, z tą samą kontrolą regionalną i tymi samymi zobowiązaniami serwisowymi » co jego własne modele.
To zapotrzebowanie odpowiada konkretnej potrzebie. Nicolas Gaudemet, chief AI officer Onepoint, zauważa, że „niektórzy z naszych klientów mają prawdziwe wyzwania związane z suwerennością », zwłaszcza w sektorze publicznym, dotyczące danych nadwrażliwych. Dla wielu firm uruchamianie tych modeli lokalnie lub na własnej infrastrukturze chmurowej pozostaje zbyt kosztowne, ponieważ obecne modele są bardzo ciężkie. Według niego interfejs Mistrala staje się wtedy najbardziej logicznym rozwiązaniem. Wymienia Scaleway, OVHcloud, Cloud Temple i Mistral jako jedynych graczy oferujących obecnie suwerenny dostęp przez API, na dużą skalę, do modeli granicznych.
Poligon doświadczalny dla modeli granicznych
Hostowanie GLM daje również Mistralowi okazję do nauczenia się, jak uruchamiać model graniczny na dużą skalę na własnej infrastrukturze. Prawidłowa obsługa tysięcy klientów modelami o setkach miliardów parametrów jest delikatna, a OpenAI i Anthropic się z tym zmagały, nawet jeśli ich klientela jest nieporównywalna. Bilal El Alamy uważa, że gdy infrastruktura będzie gotowa, Mistral będzie mógł dogonić konkurentów, korzystając z istniejących dobrych praktyk.
Mistral Large 4 pozostaje w tyle za najlepszymi chińskimi i amerykańskimi modelami. Wytrenowanie modelu o 1000 miliardów parametrów przy użyciu zaledwie 4000 układów Nvidia Grace Blackwell stanowi jednak, według źródła, sukces techniczny. „Naprawdę uważamy, że znaleźliśmy właściwą metodę iteracji » – podsumowuje Pierre Stock, VP science w Mistral AI.
Moce obliczeniowe zakupione dzięki rundzie finansowania serii C, ogłoszonej we wrześniu 2025 roku, będą w pełni operacyjne dopiero między końcem października 2026 a początkiem 2027 roku. Do tego czasu GLM nie ma pozostać na pierwszym planie. „Plan jest oczywiście taki, aby ML4 był domyślnym modelem we wszystkich naszych produktach » – zapewnia Pierre Stock. Guillaume Lample, współzałożyciel i chief science officer Mistral, precyzuje, że chiński model pozostanie w katalogu, ale że „domyślnie celem jest oczywiście promowanie Mistral Large 4″.
