Mistral udostępnia wagi modelu Large 4, najwyżej ocenianego modelu otwartoźródłowego spoza Chin

Otwarte wagi modelu zbliżonego do czołówki

Mistral udostępnił wagi modelu Large 4 (ML4), nazywanego "Le Chonk", który posiada bilion parametrów i został zaprezentowany 6 października. Wagi są dostępne w serwisie Hugging Face na licencji Mistral Ecosystem Open-Weight License, która nie przewiduje progu przychodów. Osobna umowa handlowa jest wymagana tylko wtedy, gdy użytkownik lub podmiot powiązany prowadzi działalność typu model-as-a-service, z zastrzeżeniem określonych wyjątków. Model przetwarza tekst i obrazy, generuje tekst oraz kod, aktywując 52 miliardy parametrów dla każdego zadania.

Wyniki testów i dystans do liderów

W ocenie z 29 października Artificial Analysis przyznało ML4 26 punktów w Intelligence Index v5 w kategorii wysokiego rozumowania, co stanowi wzrost z 25 punktów w wersji zapoznawczej. To o jeden punkt więcej niż Muse Spark Open w trybie xhigh, ale o sześć punktów mniej niż liderzy w kategorii otwartych wag: DeepSeek V4.1 Flash 1017 oraz GLM-5.3, testowani przy maksymalnych ustawieniach rozumowania. W teście Terminal-Bench 4.0, sprawdzającym kodowanie agentowe w terminalu, wynik ML4 wzrósł z 28% do 41%, wyprzedzając GLM-5.3 (40%). W teście CyberGym-E2E, mierzącym zdolność modelu do wykrywania, odtwarzania i naprawiania błędów bezpieczeństwa pamięci w projektach open-source C i C++, ML4 uzyskał 79%, zrównując się z MiMo-V2.6-Pro i wyprzedzając DeepSeek V4.1 Flash (76%).

ML4 w wersji zapoznawczej28%

ML4 w wersji finalnej41%

GLM-5.340%

ML4 w wersji zapoznawczej

28 %

ML4 w wersji finalnej

41 %

GLM-5.3

40 %

Dane z tekstu artykułu

ML479%

DeepSeek V4.1 Flash76%

ML4

79 %

DeepSeek V4.1 Flash

76 %

Dane z tekstu artykułu

Koszt zadania i efektywność kodowania

Artificial Analysis szacuje koszt ML4 na 2,06 USD za zadanie w Intelligence Index, co oznacza spadek z 5,54 USD w wersji zapoznawczej, czyli redukcję o 63%. W ocenie agentów kodujących ML4 zajmuje drugie miejsce wśród obecnych modeli z otwartymi wagami, zużywając średnio o 47% mniej tokenów na zadanie niż GLM-5.3. Mistral twierdzi, że oszczędność ta rośnie, gdy agenci pracują przez wiele godzin. Wcześni testerzy, określani jedynie jako rządy i przedsiębiorstwa, oczekiwali większej kontroli nad czasem namysłu modelu, dlatego Mistral dodał tryby niskiego i średniego rozumowania oraz zwiększył efektywność trybu wysokiego o 50%. Zyski kosztowe mają największe znaczenie dla klientów, którzy chcą zachować kontrolę nad swoimi wdrożeniami.

ML4 wersja zapoznawcza5,54

ML4 wersja finalna2,06

ML4 wersja zapoznawcza

5.54 USD za zadanie

ML4 wersja finalna

2.06 USD za zadanie

Dane z tekstu artykułu

Marjorie Janiewicz, dyrektor ds. przychodów w Mistral, powiedziała w wywiadzie dla VentureBeat, że klienci poszukują modeli, które mogą zatrzymać, dostosować do własnych informacji i używać bez pełnej zależności od zgody dostawcy. Sformułowała to wprost:

„Chcę być właścicielem mojego modelu”

Orange Cyberdefense i kontrola danych

Orange Cyberdefense dołączyło do programu partnerów projektowych Large 4 w czwartek, 29 października. Francuska firma będzie wprowadzać model stopniowo, zaczynając od audytów technicznych i testów penetracyjnych, w których specjaliści próbują włamać się do systemów klientów, aby znaleźć słabe punkty. Późniejsze zastosowania obejmą ocenę sposobów dotarcia atakujących do tych systemów oraz badanie naruszeń, co pozwoli personelowi na szybszą reakcję. Orange Cyberdefense będzie uruchamiać swoje modele bezpieczeństwa na komputerach w europejskich centrach danych Mistral, co według firmy pomaga klientom zachować kontrolę nad danymi. Warunki finansowe nie zostały ujawnione, a wdrożenie początkowo obejmuje klientów biznesowych i z sektora publicznego.

Anis Trabelsi, szef innowacji i AI w Orange Cyberdefense, powiedział:

„To przymierze między Orange Cyberdefense a Mistral AI wzmacnia fundamenty cyberbezpieczeństwa wspieranego przez godną zaufania sztuczną inteligencję”

Otwarte wagi jako argument strategiczny

Pierre Stock, wiceprezes ds. nauki w Mistral, powiedział dziennikarzom podczas briefingu prasowego:

„To przełomowy moment w globalnym wyścigu o przywództwo w dziedzinie AI”

Stock argumentował, że przedsiębiorstwa i rządy potrzebują modeli, których nie można zdalnie wyłączyć, porównując AI do energii elektrycznej i ostrzegając przed zależnością od dostawcy, który może w krótkim czasie odciąć dostęp. Stwierdził, że po opublikowaniu wag rozprzestrzeniają się one w internecie, więc dostępu nie można cofnąć. Dodał również, że nie ma gwarancji, iż chińskie modele unikną szkodliwych zachowań i mogą służyć jako wektory ataków. Konkurenci twierdzą, że otwarte modele niosą ze sobą większe ryzyko. Mistral twierdzi, że zbudował ML4 przy ułamku zasobów dostępnych dla zamkniętych laboratoriów i chińskich rywali, co jest twierdzeniem trudnym do zweryfikowania, ponieważ chińskie laboratoria ujawniają niewiele informacji.