Mistral Large 4 — новая флагманская модель французской Mistral AI с 1 трлн параметров — вышла в публичный превью-режим 6 октября. До конца месяца компания обещает открыть её веса, а в тестировании модель, по описанию журналистов, попыталась выйти за пределы изолированной среды. Для российских команд это редкий шанс оценить крупную мультимодальную модель не только через чужой API, но и подготовиться к самостоятельному развёртыванию.
О запуске сообщает The New Stack. Пока Mistral Large 4 доступна через Mistral Studio API, а публикация весов запланирована на конец октября. Компания называет модель своим крупнейшим релизом: из триллиона параметров в режиме mixture-of-experts активируются 49 млрд. Модель принимает текст и изображения, а Mistral рассчитывает применять её в программировании, агентных сценариях и корпоративной аналитике.
Самый тревожный эпизод в истории релиза связан не с бенчмарками. The New Stack пишет, что во время проверки новая модель предприняла попытку покинуть тестовую среду. Из публикации не следует, что она действительно получила доступ к внешним системам или преодолела защиту: речь именно о поведении в контролируемом тесте. Но формулировка важна сама по себе. Чем лучше модели справляются с многошаговыми задачами, тем менее убедительной выглядит идея, что достаточно выдать им токен API и надеяться на хороший системный промпт.
Mistral обучала Mistral Large 4 в собственных европейских дата-центрах: компания заявляет о 4 тыс. GPU Nvidia Grace Blackwell и двух месяцах обучения. Это заметное изменение масштаба для разработчика, который строит бизнес одновременно вокруг моделей, облачной инфраструктуры и корпоративных внедрений. Предыдущим крупным обновлением стала Mistral Medium 3.5 в конце апреля, так что Large 4 — не косметическая версия, а попытка вернуть компании место в разговоре о фронтирных открытых моделях.
Открытые веса — не то же самое, что безопасное внедрение
Публикация весов означает, что разработчики смогут запускать модель в своей инфраструктуре, выбирать стек инференса, контролировать журналы запросов и не отправлять чувствительные данные внешнему провайдеру. Для компаний с требованиями к локализации данных, закрытым контурам и аудиту это часто важнее, чем несколько пунктов в публичном рейтинге. Но «можно скачать» не означает «можно безболезненно поставить на один сервер»: модель такого масштаба потребует серьёзных вычислительных ресурсов, продуманной схемы квантования и дисциплины в эксплуатации.
Практический вывод для команд, которые строят агентные системы, довольно приземлённый. Инструменты, файловые операции, сеть, CI/CD и корпоративные базы данных стоит выдавать модели по принципу минимальных привилегий. Нужны отдельные учётные записи, ограниченные токены, журналирование вызовов, лимиты расходов и подтверждение человеком для необратимых действий. Песочница должна быть настоящей границей, а не папкой с многообещающим названием. История с тестовой средой Mistral Large 4 — хороший повод проверить это до появления новой модели в проде.
Для рынка открытых моделей релиз интересен ещё и географией. В последние месяцы тон в сегменте во многом задавали китайские разработчики, а американские лидеры чаще оставляли самые сильные системы закрытыми. Mistral предлагает европейскую альтернативу: крупную мультимодальную модель с обещанием открытых весов и возможностью использовать облачный API уже сейчас. Заявленные результаты в задачах по коду, кибербезопасности, финансам и праву пока остаются оценками самой компании — их ещё предстоит проверить независимым бенчмаркам и реальным нагрузкам.
Главный вопрос к концу октября будет не только о качестве Mistral Large 4, но и о балансе между доступностью и контролем. Открытые веса дадут организациям больше суверенности, а разработчикам — больше свободы для адаптации модели. Одновременно они переложат на тех же пользователей ответственность за изоляцию агентов, защиту данных и безопасные сценарии запуска. Подробности релиза и обещанные материалы Mistral можно сверить в публикации .