Bemutatta a Mistral a Large 4-et, de a kínai élmezőnyt még nem érte utol

Az európai AI-modell kiberbiztonsági teszteken erős, de drága; a letölthető modellsúlyokat csak október végére ígérik.

A Mistral Large 4 ugyanannyi pontot szerzett az Artificial Analysis összesített intelligenciatesztjén, mint az OpenAI GPT-6 Luna (max): mindkettő 38 ponton áll. A francia Mistral AI új modellje ezzel az Egyesült Államokon és Kínán kívüli mezőny élére került, de több kínai nyílt modell mögött maradt. Egyelőre kutatási előzetesként, a Mistral API-ján keresztül használható; a saját gépen való futtatáshoz szükséges modellsúlyok még nem érhetők el.

Erős európai eredmény, magasabb kínai pontszámok

A független Artificial Analysis Intelligence Indexének v4.3.2-es változatában a Large 4 egy ponttal marad el a DeepSeek V4.1 Flash (max) 39 pontos eredményétől. Előtte áll a GLM-5.3-Flash 42, a Kimi K3 (max) 44, a GLM-5.3 (max) 45 és a Xiaomi MiMo-V2.6-Pro 46 ponttal is. A vezető európai helyezés tehát nem jelent vezetést a teljes nyíltmodell-mezőnyben.

Az Artificial Analysis az előzetes változatot egyelőre zárt modellként tartja nyilván. Ez fontos különbség: a nyílt súlyú kiadásnál a modell működését meghatározó számszerű értékek letölthetők, így a modell saját infrastruktúrán is futtatható. A Mistral ezt a kiadást október végére tervezi, az értékelő pedig utána módosíthatja a pontszámot.

Billiós modell, európai adatközpontokban tanítva

A Large 4 úgynevezett mixture-of-experts felépítésű: a számítást szakértői részhálózatok között osztja el, ezért az 1,05 billió paraméterből egyszerre 49–52 milliárd aktív. Szöveget és képet fogad, szöveges választ ad; 512 000 tokenes kontextusablaka azt jelzi, mekkora bemeneti szövegmennyiséget tud egyben kezelni. A token a modell által feldolgozott szöveg egy kisebb egysége.

A Mistral saját európai adatközpontjaiban, nagyjából két hónap alatt, 3 800 Nvidia Grace Blackwell GPU-val tanította a modellt az alapoktól. Az előző Large 3-hoz 3 000 Nvidia H200-at használtak; annak 675 milliárd paraméteréből 41 milliárd volt aktív. A cég 3 milliárd eurós Series D tőkebevonásról is beszámolt, amelyet az európai technológiai vállalatok eddigi legnagyobb ilyen finanszírozási körének nevez.

Kiberbiztonságban mutatja a legerősebb oldalát

„Bizonyos területeken, köztük a kiberbiztonságban, megelőzi a kínai modelleket.”

— Arthur Mensch, a Mistral vezérigazgatója a Reutersnek

Ezt egyes tesztek alátámasztják: a CyberGym-E2E-AA feladatsoron az Artificial Analysis 81,7%-ot mért, szemben a MiMo-V2.6-Pro 79%-ával és a GPT-6 Luna (max) 78%-ával. A Tom’s Hardware ugyanerre a tesztre 82%-ot közöl. Az összesített Cyber Indexen viszont a Large 4 50 pontja csak a GLM-5.3-Flash eredményével egyezik meg; a MiMo-V2.6-Pro és a Grok 4.7 (xhigh) egyaránt 56 pontot ért el.

A Cyber Indexbe beszámító CWE-Bench-AA teszten 51%, a DeepsecBench-AA teszten 16% lett az eredmény. A Mistral saját közlése szerint a Large 4 a biztonsági versenyekből összeállított, 40 feladatos Cybench 93%-át oldja meg. Az Artificial Analysis a súlyok kiadása után a három legjobb nyílt súlyú modell közé várja a Cyber Indexen, de az összehasonlítást árnyalja, hogy a Claude Opus 5.5 és a GPT-6 Astra bizonyos feladatokat biztonsági okokból visszautasít.

A GDP.pdf teszten 19%-ot ért el a modell, ami 18 százalékpontos javulás a Large 3-hoz képest. A Mistral ezt részben az API változásának tulajdonítja: egy kérésben már 100 kép küldhető be a korábbi 8 helyett. A javulás tehát nem kizárólag a modell képességeinek változásából adódhat.

Gyors válaszok, magas feladatonkénti költség

Egymillió bemeneti token ára 1,36 dollár, egymillió kimeneti tokené 4,18 dollár; a gyorsítótárból újra felhasznált bemenet egymillió tokenenként 0,14 dollárba kerül. Az Artificial Analysis számítása szerint egy Intelligence Index-feladat normál áron 1,13 dollár, az első két hét 50%-os bevezető kedvezményével 0,57 dollár. A beszámolók szerint a normál feladatonkénti költség több mint négyszerese a hasonló nyílt súlyú modellekének, így a Large 4 nem tartozik a legkedvezőbb teljesítmény–ár arányú ajánlatok közé.

Sebességben kedvezőbb a kép: a Mistral API-ján az Artificial Analysis másodpercenként 116,1 tokent mért, az első token pedig 1,46 másodperc után érkezett. A válaszgenerálás az értékelő szerint mintegy 33%-kal gyorsabb a kategória mediánjánál. A Mistral közlése szerint az utótanítás még folyamatban van, és a Large 4-re építve további specializált, optimalizált modelleket is tervez.

» Követett téma: AI · régió: EU · kulcsszó: Mistral, nyílt súlyú modellek