Обзор на Mistral Large 4: открытая модель на 1 трлн параметров cо скидкой 50% первые 2 недели

Французская Mistral AI представила Mistral Large 4 — модель с кодовым именем Le Chonk, триллионом параметров и позиционированием «лучший open-weight вне Китая». Large 4 - здесь

1,05 триллиона параметров в архитектуре Mixture-of-Experts. Активны на каждом запросе — 49 миллиардов. Остальные спят, пока не понадобятся. Ровно та же логика, что у DeepSeek и Qwen: гигантский общий размер при умеренных вычислительных затратах.

Контекст — 1 миллион токенов. Вывод не раскрыт, но для агентных задач этого достаточно.

Нативная мультимодальность. Текст и изображения. Плюс отдельный vision-энкодер на 1,6 миллиарда параметров.

Гибридный режим. Instruct, reasoning и agentic-способности в одной модели. Уровень рассуждений регулируется параметром reasoning_effort — как у Mistral Small 4.

160+ языков, включая все официальные языки Евросоюза. Для европейского рынка — не абстрактная цифра, а требование регуляторов.

Large 4 - здесь

На Artificial Analysis Cyber Index — независимой оценке способности находить и исправлять уязвимости в реальном софте — модель набрала 82%. Лучший результат среди всех, включая закрытые. На Cybench (40 задач по безопасности) — 93%.

На DeepSWE v1.1 — агентном бенчмарке по разработке ПО — 62%. Выше GLM-5.3 (61%), DeepSeek-V4-Pro (57%) и Qwen 3.8 Max (51%). В официальной таблице Mistral Le Chonk стоит первым.

На FinWorkBench — 67%, вровень с DeepSeek-V4-Pro. На юридическом бенчмарке Harvey — 15% против 13% у Kimi K3 и 5% у GPT-6 Astra. Низкие абсолютные цифры говорят о том, как далеки все модели от реальной юридической работы. Но относительный отрыв есть.

В visual grounding — поиске объектов на изображении — Mistral заявляет о превосходстве над закрытыми моделями. На DIOR-RSVG (спутниковые снимки) — 73% против 68% у GPT-6 Astra. На Dense200 — паритет, 42% у обеих.

С нуля. Без дистилляции с чужих моделей — именно в этом Mistral обвиняет китайские лаборатории и подчёркивает, что сама так не делала.

3 800 GPU NVIDIA Grace Blackwell. Не «арендовали у Amazon». Собственные дата-центры в Европе, в Брюйер-ле-Шатель, в 30 километрах от Парижа. 4 000 GPU на процессе, два месяца обучения, около 10 мегаватт мощности.

Для сравнения: китайские конкуренты используют «в два-три раза больше» GPU, по словам вице-президента Mistral по науке Пьера Стока. Mistral доказывает, что триллион параметров можно обучить на меньшем железе.

Стандартный прайс: $1,36 за миллион входных токенов, 0,14.

Промо-цена на время превью: $0,68 и $2,09. Скидка 50%, действует две недели.

Для сравнения: GPT-6 Astra — $10 за вход и $50 за выход. Opus 5.5 — $4 и $20. Le Chonk в промо в 15 раз дешевле Astra на входе. Даже по полной цене — в 7 раз.

Весов нет. Не на Hugging Face, не на Mistral Studio. Только API-превью. Mistral обещает открыть веса 27 октября — после трёх недель red-teaming с партнёрами и госорганами. Партнёры получат версию с «уменьшенной модерацией и расширенными кибервозможностями» — то есть более мощную, чем публичная.

Лицензия неизвестна. Mistral Large 3 был под Apache 2.0. Для Large 4 ожидается кастомная лицензия Mistral, но её текст не опубликован. «Open-weight» может означать что угодно — от свободного коммерческого использования до ограничений, как у MiniMax H3.

Бенчмарки — от вендора. Все цифры в таблицах Mistral. На DeepSWE v1.1 сама Mistral показывает конкурентов с другими результатами, чем они заявляют о себе: GLM-5.3 по версии Zhipu — 66,9%, а не 61%. Kimi K3 — 67,5%, а не 61%. Разные конфигурации, разные прогоны, разный harness. Сравнение не apples-to-apples.

«Лучший вне Китая» — узкая формулировка. Mistral сама признаёт: китайские open-weight модели остаются сильнее в ряде областей. Le Chonk — лучший среди западных открытых. Это не то же самое, что «лучший в мире».

Локальный запуск — не для ноутбука. Даже с 49 миллиардами активных параметров 1,05 триллиона общих весов требуют серьёзного железа. Mistral не раскрывает оценку VRAM для self-hosting. Для большинства пользователей это API-модель, а не локальная.

Превью — не финал. Reinforcement learning ещё идёт. Бенчмарки могут измениться к релизу. И, скорее всего, изменятся.

Аптайм. Пока непонятно, насколько стабильно API-превью выдержит реальную нагрузку. Это не продакшн.

Mistral не пытается обогнать OpenAI или Anthropic по «интеллекту». Она играет в другую игру: суверенитет. Обучение в Европе, хостинг в Европе, открытые веса, которые можно развернуть на своей инфраструктуре без оглядки на американские санкции или китайские ограничения.

Для банка, которому нужно сканировать сети на уязвимости без отправки данных в чужое облако. Для госструктуры, которой нужна модель под европейским законодательством. Для промышленника, который хочет конвертировать технические чертежи в CAD-модели и не платить за каждый вызов API.

Le Chonk не для всех. Он для тех, кому контроль важнее максимального качества. И пока это единственный западный open-weight на триллион параметров.

Mistral Large 4 - здесь