Mistral представила Mistral Large 4, получивший прозвище «Le Chonk», — это мультимодальная, многоязычная модель с архитектурой смеси экспертов (Mixture-of-Experts), которая принимает на вход текст и изображения и генерирует текст. Она насчитывает около 1 трлн параметров в общей сложности и имеет контекстное окно в 1 млн токенов, где токен обозначает единицу текста, обрабатываемую моделью. Распространяется она по Mistral Ecosystem Open-Weight License — лицензии на основе MIT, устанавливающей ограничения для предложений типа model-as-a-service.
Модель существует в двух официальных вариантах: FP8 и NVFP4. Версии в формате GGUF, предназначенные для локального запуска, были созданы Unsloth и командой llama.cpp.
Модель, ориентированная на оборонительную кибербезопасность
По данным Mistral, Mistral Large 4 набирает 82 % в Artificial Analysis Cyber Index — тесте, который требует воспроизвести реальную уязвимость в открытом программном обеспечении, а затем исправить её. Mistral отмечает, что многие передовые закрытые модели получают близкий к нулю балл в этом испытании, поскольку отказываются его выполнять. Во внутренних тестах модель также оказалась полезной для анализа вредоносного ПО, приоритизации уязвимостей и написания правил обнаружения — применений, для которых она не обучалась специально.
Mistral особенно подчёркивает оборонительное применение. По словам компании, поиск уязвимостей и реагирование на инциденты могут выглядеть как атаки в запросах к модели и блокироваться фильтрами. Команда, зависящая от API, также может потерять доступ в разгар кризиса. Модели с открытыми весами, напротив, оставляют пользователю контроль над политикой использования и развёртывания. Однако модель отклоняет опасные запросы: по киберзапросам из бенчмарков JailbreakBench, StrongREJECT и AgentHarm её средний уровень отказа, согласно источнику, выше, чем у любой другой модели с открытыми весами.
Архитектура и заявленные результаты
Текстовый декодер состоит из 72 слоёв, имеет скрытую размерность 6 144 и 64 головы внимания. Он сочетает Multi-head Latent Attention (MLA) и индексатор DeepSeek Sparse Attention (DSA), который выбирает до 2 048 позиций ключей для каждого запроса. В слоях MoE маршрутизатор выбирает четырёх экспертов из 128 для каждого токена, к которым добавляется общий эксперт, то есть всего пять активных экспертов на токен. Кодировщик изображений представляет собой кодировщик Pixtral на 1,6 млрд параметров.
Mistral заявляет о результатах 61,7 % на DeepSWE v1.1, 59,4 % на SWE-Atlas-QnA и 28,3 % на Terminal-Bench 4, что даёт комбинированный Coding Agent Index в 49,8 %, опережая DeepSeek V4 Pro 0813 и Qwen3.8 Max. На Cybench модель решает 93 % из серии из 40 задач, взятых из соревнований по безопасности, и достигает 93,3 % устойчивости к атакам в бенчмарке B3 от Lakera. Согласно источнику, на 29 октября 2026 года она является пятой лучшей моделью с открытыми весами в индексе Artificial Analysis Intelligence.
Развёртывание и адаптация
Mistral Large 4 совместима с момента запуска с transformers, vLLM и llama.cpp. На сервере с восемью GPU NVIDIA H200 через Inference Endpoints вариант FP8 достигает для одиночного запроса около 65 токенов в секунду и до 120–138 токенов в секунду на промптах диалога. На Mac M3 Ultra версия Q2_K показывает около 15 токенов в секунду при генерации.
Модель также может подвергаться тонкой настройке, то есть дополнительному обучению на специфических данных. Пример предоставлен с TRL, библиотекой Hugging Face, на узле с восемью GPU B300, чтобы научить модель рассуждать на языке, указанном в системном промпте. Примеры TRL включают скрипт запуска Slurm. Кроме того, Dell предлагает оптимизированную конфигурацию для развёртывания модели на своих серверах Dell AI, в частности на узле NVIDIA B300.
