Mistral Large 4, czyli otwarty model MoE z 1T parametrów

29 października Mistral udostępnił otwarte wagi Mistral Large 4 (nazywanego też „Le Chonk”), swojego flagowego modelu z ok. 1 bilionem parametrów. Wagi są już na Hugging Face, a model działa też przez API Mistrala i OpenRouter.

Co w tym nowego w kontekście AI?

Mistral Large 4 pojawił się na początku października jako publiczny preview, ale wtedy tylko przez API. Teraz dostajemy wersję po dodatkowym treningu i z otwartymi wagami. Według karty modelu to:

1. MoE (mixture-of-experts) z ok. 1T parametrów, z których na każdy token aktywnych jest ok. 52 mld (128 ekspertów, 4 aktywnych plus 1 wspólny).
2. Model z oknem kontekstu 1M tokenów.
3. Model multimodalny: przyjmuje tekst i obrazy, odpowiada tekstem.
4. Model hybrydowy z trzema poziomami rozumowania: low, medium i high (domyślny).

Według zapowiedzi model mówi płynnie w ponad 160 językach. Co ciekawe, Mistral trenował go na 3 800 GPU NVIDIA Grace Blackwell w Europie.

Co potrafi Mistral Large 4?

Mistral stawia przede wszystkim na kodowanie, agentów i cyberbezpieczeństwo. Wyniki z ogłoszenia:

Benchmark	Wynik
Terminal-Bench 4.0	41% (preview: 28%)
Artificial Analysis Coding Agent Index	48%
FrontierCode 2.0	19,7%
Artificial Analysis Cyber Index	51%
BrowseComp	84,5%
B3 Agent Security Benchmark	97,1% (preview: 93,3%)

Najciekawszy jest skok w Terminal-Bench: 13 punktów procentowych w trzy tygodnie, i to przy 30% mniejszej liczbie tokenów na wyjściu (według Mistrala). To wyniki podane przez samą firmę, więc traktujmy je z dystansem, dopóki nie zobaczymy niezależnych testów.

Ile kosztuje i na jakiej licencji?

Cennik API z ogłoszenia:

1. 0,70 USD za 1 mln tokenów wejściowych,
2. 0,07 USD za 1 mln tokenów wejściowych z cache,
3. 2,10 USD za 1 mln tokenów wyjściowych.

Wagi są na licencji Mistral Ecosystem Open-Weight, czyli zmodyfikowanej licencji MIT. Możemy model używać, modyfikować, dostrajać i wykorzystywać komercyjnie, ale firma, która chce sprzedawać go jako usługę (Model-as-a-Service), potrzebuje osobnej licencji komercyjnej od Mistrala.

Czy Mistral Large 4 uruchomimy lokalnie?

Teoretycznie tak, praktycznie raczej nie w domu. Przykłady w karcie modelu zakładają 8 GPU, a według The Next Web wersja skwantyzowana działa na czterech kartach NVIDIA B200 lub B300. Mistral przygotował też checkpoint NVFP4 pod GPU Blackwell, a model obsługują vLLM, SGLang, Transformers i llama.cpp (są już buildy GGUF).

Uruchomienie modelu z bilionem parametrów na laptopie to więc raczej ciekawostka niż realny scenariusz ;) Jeśli chcemy pobawić się modelami lokalnie, lepiej zacząć od mniejszych, o czym piszę w poradniku, jak uruchomić AI lokalnie.

Jak wypróbować Mistral Large 4?

Mamy kilka dróg:

1. Vibe Code na chat.mistral.ai.
2. API przez Mistral Studio (console.mistral.ai) albo OpenRouter.
3. Wagi z Hugging Face, jeśli mamy dostęp do odpowiedniego klastra GPU.
4. Endpointy NVIDIA i kontener NIM oraz Microsoft Foundry.

To kolejny duży model z otwartymi wagami w ostatnich tygodniach, po Reflection Beam i zapowiedzi Kimi K3.1 Pro. Wcześniej w październiku Mistral pokazał też Voxtral 3, który z kolei otwartych wag nie dostał.

FAQ

Czy Mistral Large 4 jest open source?

Ma otwarte wagi na licencji Mistral Ecosystem Open-Weight (zmodyfikowana licencja MIT). Użycie komercyjne jest dozwolone, z wyjątkiem oferowania modelu jako usługi bez osobnej licencji od Mistrala.

Ile parametrów ma Mistral Large 4?

Ok. 1 bilion parametrów w architekturze MoE, z czego na token aktywnych jest ok. 52 mld (49 mld bez warstw embedding i wyjściowej).

Czy Mistral Large 4 rozumie obrazy?

Tak, przyjmuje tekst i obrazy, a odpowiada tekstem.

Ile kosztuje Mistral Large 4 przez API?

0,70 USD za 1 mln tokenów wejściowych i 2,10 USD za 1 mln tokenów wyjściowych (według cennika z ogłoszenia).