Mistral AI 6 октября 2026 года открыла публичный preview флагманской мультимодальной модели Mistral Large 4 — разреженного Mixture-of-Experts с общим объёмом около триллиона параметров, из которых активны 49 млрд, и контекстом в 1 млн токенов. API уже доступен в Mistral Studio по цене $1,36 за миллион входных и $4,18 за миллион выходных токенов, а открытые веса компания обещает к концу октября после фазы ред-тиминга с кибербезопасностью, партнёрами и госорганами. Mistral заявляет лидерство среди open-weight моделей вне Китая и лучший результат среди всех перечисленных моделей в security-бенчмарке, однако на момент анонса доказательная база — цифры самого вендора.

image
image

Что произошло

6 октября 2026 года Mistral AI выпустила в публичный preview мультимодальную модель Mistral Large 4, получившую неофициальное прозвище «Le Chonk». Модель построена по схеме Mixture-of-Experts: общее число параметров — около 1 трлн (по данным The Decoder — 1,05 трлн), активны из них 49 млрд, контекстное окно составляет 1 млн токенов, а за изображения отвечает vision-энкодер на 1,6 млрд параметров. Обучена модель с нуля на 3 800 GPU NVIDIA Grace Blackwell в собственных дата-центрах Mistral в Европе и поддерживает более 160 языков, включая все официальные языки ЕС. API открыт в Mistral Studio (console.mistral.ai) по цене $1,36 за 1 млн входных и $4,18 за 1 млн выходных токенов. По цифрам вендора: 82% на агентном security-бенчмарке CyberGym-E2E — лучший результат среди всех перечисленных моделей (Claude Opus 5.5 и GPT-6 Astra отказываются выполнять такие задачи из-за safety-фильтров), 93% на Cybench, 49,8% на Coding Agent Index — выше DeepSeek V4 Pro и Qwen3.8 Max, и 42% против 41% у GPT-6 Astra в visual grounding на Dense 200. Открытые веса Mistral обещает к концу октября 2026 года.

Контекст

Главный фон анонса — многолетний дефицит открытого сектора: open-weight модели привычно отставали от закрытых флагманов, а крупные обучающие прогоны в Европе обычно опирались на арендованные вычисления гиперскейлеров. Mistral делает ставку на полный цикл на своём континенте: обучение проведено на собственном парке из 3 800 Grace Blackwell GPU, а не на аренде у гиперскейлеров. Сама архитектура при этом консервативна — разреженный Mixture-of-Experts, где в работе участвует около 5% параметров, повторяет отработанную схему Mixtral и моделей DeepSeek; новизна здесь скорее в масштабе, инфраструктуре и мультимодальности, чем в новых принципах. Ещё один фон касается самой методологии сравнения: лидерство в кибербезопасности частично держится на том, что Claude Opus 5.5 и GPT-6 Astra из-за safety-фильтров не выполняют наступательные и оборонительные security-задачи, то есть часть конкурентов фактически не участвует в замере.

Почему это важно для индустрии

Для индустрии анонс — сигнал очередного удешевления frontier-класса: результат уровня закрытых флагманов выходит через API с известной из анонса ценой, а обещанные открытые веса при исполнении обещания открывают командам самостоятельный хостинг и дообучение — при условии раскрытия требований к железу. Прямое давление приходится на две ниши закрытых провайдеров: агентные security- и финансово-юридические сценарии, где отказы Claude и GPT из-за safety-фильтров превращаются в рыночный недостаток, который вендорам придётся адресовать дифференцированно, и ценовой сегмент задач с длинным контекстом. Если архитектура подтвердится при открытии весов, открытая часть индустрии может сместиться к трлн-масштабным MoE с мультимодальностью как к новой точке отсчёта, а структура закупок изменится у компаний, которым закрытые модели недоступны или неудобны — от security-инструментов до документооборота и геопространственных приложений с хостингом в ЕС.

Почему это важно для пользователей

Самая практичная часть анонса доступна уже сегодня: API в Mistral Studio на console.mistral.ai позволяет сравнить Mistral Large 4 с Claude, GPT и DeepSeek на своих реальных задачах — длинных документах, схемах, спутниковых снимках, агентных security- и финансово-юридических сценариях, с собственными evals вместо публичных бенчмарков. Контекст в 1 млн токенов означает, что в одном запросе можно держать книги, своды договоров или большие репозитории кода. Когда выйдут открытые веса, появится возможность локального запуска или развёртывания в собственном облаке — это особенно интересно security-исследователям, командам с чувствительными данными и продуктовым командам, которым нужен хостинг в ЕС. Модель пока в preview: данных о latency и стабильности в анонсе нет, поэтому в продакшен её стоит переводить только после собственных замеров качества и скорости.

Что пока неизвестно / ограничения

Все заявленные в анонсе бенчмарки — vendor-run числа без раскрытой методологии: независимого воспроизведения нет, а проверка станет возможной не раньше публикации открытых весов, обещанной на конец октября 2026 года. Security-сравнение неоднородно: часть конкурентов не участвует в замере из-за safety-отказов, поэтому лидерство в CyberGym-E2E частично строится на отсутствии данных соперников. Превосходство в visual grounding — разница в один процентный пункт без доверительных интервалов, честная интерпретация — паритет с GPT-6 Astra. По Coding Agent Index неизвестны число запусков, scaffolding и возможная контаминация бенчмарков обучающими данными. Открытыми остались и прикладные вопросы: требования к железу для самостоятельного хостинга, точный общий размер модели (источники расходятся: 1 или 1,05 трлн), сроки выхода из preview и цены после релиза.

Источники

Автор

Look at AI, редакция