‏Mistral Large 4: مدل تریلیون‌پارامتری و اروپایی Mistral

Mistral مدل Mistral Large 4 رو با لقب «Le Chonk» معرفی کرده. این لقب اول یه میم توی جامعهٔ AI بود و بعد مدیرعامل Mistral رسمی‌ش کرد. نکتهٔ مهمش اینه که این مدل از صفر توی اروپا و روی ۳۸۰۰ GPU از نوع Nvidia Grace Blackwell آموزش دیده، نه اینکه روی یه مدل باز چینی مثل Qwen یا Kimi ساخته شده باشه. الان به‌صورت public preview فقط از طریق API در دسترسه و وزن‌هاش قراره تا آخر ماه منتشر بشه.

معماریش Mixture of Experts هست؛ یعنی مدل از چند زیرشبکهٔ تخصصی ساخته شده و یه router برای هر درخواست فقط expertهای مرتبط رو فعال می‌کنه. پس با اینکه کل مدل یک تریلیون پارامتره، هر بار فقط حدود ۴۹ میلیارد پارامتر کار می‌کنن و اجراش خیلی ارزون‌تر از یه مدل dense هم‌اندازه‌ست. مدل multimodal هم هست و instruction-following، reasoning و کارهای agentic رو توی یه مدل واحد جمع کرده. پنجرهٔ context‌ش ۵۰۰ هزار توکنه، یعنی نصف استاندارد ۱ میلیونی مدل‌های frontier فعلی.

قیمت API برای هر میلیون توکن ورودی ۱.۳۶ دلار و برای هر میلیون توکن خروجی ۴.۱۸ دلاره. نویسنده می‌گه این قیمت ارزونه، ولی روی نمودار هوش در برابر هزینه، مدل توی ناحیهٔ «ارزون ولی نه بهترین» می‌شینه. از اون طرف، لب‌های بزرگ بسته هم دارن قیمت مدل‌هاشون رو کم می‌کنن و فاصلهٔ قیمتی که قبلاً مدل‌های باز رو انتخاب پیش‌فرض می‌کرد، داره کم می‌شه.

توی بنچمارک‌های کدنویسی، مدل توی Deep 1.1 امتیاز ۶۲ گرفته و بین مدل‌های باز دومه، بعد از Kimi K3 با ۶۸. توی Terminal Bench هم دومه و GLM 5.3 با امتیاز ۴۰ جلوتره. توی Automation Bench امتیازش ۵۹.۹ بوده، نزدیک GLM 5.3 با ۶۲.۲ و کمی بالاتر از Kimi K3 با ۵۸.۳. این یه جهش بزرگ نسبت به Medium 3.5 قبلی Mistral‌ـه. ولی توی بنچمارک حقوقی Harvey، مدل‌هایی مثل Grok 4.7 خیلی جلوترن.

نقطهٔ قوت اصلی مدل امنیت سایبریـه. توی Artificial Analysis Cyber Index با GLM 5.3 Flash مشترکاً اول شده و جزو پنج مدل برتر دنیاست. بین مدل‌های باز غیرچینی هم با فاصلهٔ زیاد اوله. به همین دلیل Mistral می‌گه قبل از انتشار وزن‌ها، داره مدل رو با شرکای امنیتی و نهادهای دولتی red-team می‌کنه (یعنی عمداً سعی می‌کنن ازش سوءاستفاده کنن تا ضعف‌هاش پیدا بشه).

ولی توی Artificial Analysis Intelligence Index که چند بنچمارک رو با هم جمع می‌کنه، امتیازش ۳۸ بوده و از ۲۵ مدل رتبهٔ ۲۵ رو گرفته. Claude Opus 5.5، GPT 6.1 و Gemini 4 خیلی جلوترن و چندتا مدل باز چینی هم بالاترن. نویسنده معتقده فعلاً برای بیشتر برنامه‌نویس‌ها آماده نیست، چون وصل کردنش به ابزارهایی مثل OpenCode دردسر داره و گاهی chain-of-thought‌ش بی‌وقفه ادامه پیدا می‌کنه تا context پر بشه. به گفتهٔ نویسنده، بیشتر به درد سازمان‌هایی می‌خوره که تیم AI دارن و کنترل کامل روی میزبانی و داده‌ها براشون مهمه.

نکات کلیدی:

• ۱ تریلیون پارامتر کل با حدود ۴۹ میلیارد پارامتر فعال، آموزش‌دیده روی ۳۸۰۰ GPU از نوع Grace Blackwell در اروپا
• قیمت API: ۱.۳۶ دلار برای هر میلیون توکن ورودی و ۴.۱۸ دلار برای هر میلیون توکن خروجی
• پنجرهٔ context ۵۰۰ هزار توکنی، نصف استاندارد ۱ میلیونی
• توی Artificial Analysis Cyber Index با GLM 5.3 Flash مشترکاً اوله
• توی Intelligence Index امتیاز ۳۸ و رتبهٔ ۲۵ از ۲۵
• وزن‌ها بعد از red-teaming، تا آخر ماه منتشر می‌شه