Французская Mistral AI готовит к публикации Mistral Large 4 — мультимодальную языковую модель с триллионом параметров. В активной части её архитектуры одновременно работают около 49 млрд параметров, а веса обещают выложить на Hugging Face и другие репозитории до конца октября. Для русскоязычных команд это ещё один крупный кандидат на самостоятельное развёртывание LLM без зависимости от закрытого API американских поставщиков.
Внутри компании модель неформально прозвали Le Chonk — от интернет-мема о пухлых котах. Официальное имя заметно суше: Mistral Large 4. По данным The Register, это крупнейший выпуск модели с открытыми весами в истории Mistral. Компания уже открыла предварительный доступ через собственный API, а полноценную публикацию весов планирует в течение месяца.
Триллион параметров здесь не означает, что при каждом запросе нужно задействовать весь объём сети. Mistral использует архитектуру mixture of experts: запрос направляется к части специализированных «экспертов», поэтому активны примерно 49 млрд параметров. Такой подход стал стандартным способом приблизить модели к frontier-классу, не превращая каждую генерацию в событие для бюджета на инфраструктуру.
О требованиях к инференсу Mistral пока говорит скупо. The Register предполагает, что модель может быть практически применима на восьми-GPU-серверах уровня Nvidia HGX B300 или AMD MI355X. Это всё ещё не история про локальный запуск на рабочей станции разработчика, но уже вполне понятный масштаб для облачной команды, крупного интегратора или компании со своим GPU-кластером.
Зато параметры обучения раскрыты подробнее. Mistral Large 4 обучали примерно на 3 800 GPU Grace Blackwell — это около 52 стоек NVL72 — в европейских дата-центрах самой Mistral. Корпус охватывал более 160 языков; в обучении использовали контролируемое предобучение и reinforcement learning. Для европейского рынка это не только техническая характеристика: Mistral явно продаёт идею суверенного ИИ, где обучение, хранение данных и эксплуатация модели остаются в европейской юрисдикции.
По независимой оценке Artificial Analysis, preview-версия модели находится между DeepSeek V4.1 Flash и базовой GPT6 Luna в рейтинге интеллектуальных возможностей. До флагманских закрытых систем OpenAI и Anthropic она не дотягивается. При этом, как утверждает издание, Mistral заметно превосходит Inkling от Thinking Machines Lab — наиболее сильную американскую модель с открытыми весами. Для тех, кто принципиально выбирает скачиваемую модель не китайского происхождения, позиция Mistral выглядит конкурентоспособно.
Собственные бенчмарки компании ожидаемо оптимистичнее: там Mistral Large 4 сопоставляют с крупными китайскими моделями Alibaba, Moonshot, Z.AI и DeepSeek в задачах программирования, агентных сценариях, финансах и праве. Такие графики полезны как ориентир, но не как закупочный аргумент: на реальном проекте важнее качество на внутренних данных, стоимость токена, скорость, контекстное окно и предсказуемость при вызове инструментов.
Отдельный акцент Mistral делает на кибербезопасности. Компания заявляет о сильных результатах в Cyber Index от Artificial Analysis и противопоставляет свой подход моделям, которые на уровне провайдера отказываются выполнять часть задач с потенциально атакующим характером. Логика понятна: при внутреннем red teaming, расследовании инцидента или проверке конфигураций слишком широкие отказы модели могут мешать защите. Открытые веса и самостоятельное развёртывание дают компании возможность задавать собственные политики доступа, но одновременно переносят на неё ответственность за контроль злоупотреблений.
Релиз стал одним из первых результатов раунда Series D на €3 млрд, закрытого Mistral месяцем ранее. Компания рассчитывает дополнительно улучшать модель с помощью reinforcement learning, так что версия 4.1 выглядит вероятнее вопросом темпа, а не принципа. Главная проверка для Mistral Large 4 начнётся после публикации весов: рынку предстоит выяснить, насколько триллионная европейская LLM удобна и экономична вне демонстрационных бенчмарков. Исходные детали релиза собраны в материале .