Kontrolní bod Le Chonk od Mistralu s 1 bilionem parametrů přichází na Hugging Face

Společnost Mistral AI zveřejnila 29. října 2026 váhy modelu Mistral Large 4, svého vlajkového nativně multimodálního modelu s 1 bilionem parametrů známého jako Le Chonk. Kontrolní bod je tak možné stáhnout z Hugging Face a provozovat na vlastním serveru; model je dostupný také prostřednictvím jejího API a partnerských platforem pod upravenou licencí MIT s otevřenými vahami.

Vydání navazuje na veřejné představení modelu 6. října 2026, kdy Mistral poprvé uvedl systém typu mixture of experts s 1,05 bilionu parametrů. Mistral ve svém oznámení uvedl, že zapracoval zpětnou vazbu z předběžného představení a zároveň dál rozšiřoval reinforcement learning, což podle společnosti přineslo výrazné zlepšení v programování, obranné kybernetické bezpečnosti a efektivitě uvažování. Společnost označila Mistral Large 4 za nejlepší model s otevřenými vahami pro programování a uvedla, že zlepšování dál nabírá na rychlosti a nevykazuje známky nasycení.

Licence, ceny a dostupnost

Váhy jsou zveřejněny na Hugging Face pod licencí Mistral Ecosystem Open-Weight License, upravenou verzí licence MIT. Podle jejích podmínek lze model bezplatně používat, upravovat, dále dolaďovat a komerčně využívat. Platí jediná podmínka: firmy provozující službu Model-as-a-Service si před komerčním využitím modelu musí od Mistralu obstarat samostatnou komerční licenci.

Přístup k API stojí podle dokumentace modelu od Mistralu 0,70 USD za milion vstupních tokenů, 0,07 USD za milion vstupních tokenů načtených z mezipaměti a 2,10 USD za milion výstupních tokenů. Model je dostupný pod názvem mistral-large-4 prostřednictvím Mistral API a Mistral Studio a také přes OpenRouter, programovacího asistenta Mistral Vibe Code, koncové body hostované společností NVIDIA s optimalizovaným kontejnerem NVIDIA NIM a Microsoft Foundry. Mistral uvedl, že vývojářům Azure nabízí prostřednictvím Foundry možnosti soukromého nasazení. Tina Schuchmanová, viceprezidentka společnosti Microsoft pro Foundry, uvedla, že Microsoft je prvním poskytovatelem cloudových služeb, který zákazníkům zpřístupňuje Mistral Large 4.

Výsledky v programovacích benchmarcích a režimy uvažování

Mistral uvedl, že Mistral Large 4 vede v neveřejném benchmarku FrontierCode 2.0 od společnosti Cognition, který hodnotí kvalitu kódu od začátku do konce a zkoumá, zda by správce repozitáře přijal změnu navrženou agentem. Model dosáhl skóre 19,7 % a předčil uvedené modely s otevřenými vahami, mezi nimi GLM-5.3, Kimi K3 a DeepSeek V4.1 Flash.

V žebříčku Artificial Analysis Coding Agent Index dosáhl Mistral podle vlastního vyjádření skóre 48 %, což označil za výsledek prakticky srovnatelný s vedoucím modelem s otevřenými vahami GLM-5.3, přičemž na jeden úkol v průměru využil o 47 % méně tokenů. V benchmarku Terminal-Bench 4.0 společnost oznámila zlepšení o 13 procentních bodů oproti veřejnému představení, tedy na 41 %. Model se tak dostal do čela mezi modely s otevřenými vahami a současně snížil počet výstupních tokenů o 30 %. Ve slepých párových hodnoceních lidských preferencí v rámci Surge Code, na něž Mistral poukázal, dali hodnotitelé přednost tomuto modelu před GLM-5.3, Kimi K3 a DeepSeek V4.1 Flash. Z hodnocených modelů se umístil za jediným modelem, Claude Opus 5.5.

Model nabízí tři režimy uvažování: nízký, střední a vysoký; jako výchozí je nastaven vysoký. Mistral uvedl, že nízký režim nahrazuje předchozí režim uvažování „None“ a hodí se pro jednoduché úkoly, zatímco střední je určen pro každodenní použití a vysoký pro nejnáročnější případy vyžadující důkladné uvažování. Vývojáři tak mohou volit mezi výkonem a náklady.

Výsledky v kybernetické bezpečnosti a změny ochranných mechanismů

Mistral uvedl, že model dosáhl skóre 51 % v žebříčku Artificial Analysis Cyber Index, který měří schopnost modelu odhalovat zranitelnosti v kódové základně, reprodukovat je a ověřovat a následně je opravit, aniž by narušil stávající funkčnost. Společnost uvedla, že model zvládá legitimní úkoly v oblasti obranné bezpečnosti, aniž by je zbytečně odmítal, a jeho vestavěné ochranné mechanismy přitom rozlišují mezi obrannými úkoly a škodlivými útočnými činnostmi. Mistral oznámil průměrnou míru odmítání 96,6 % u škodlivých kybernetických požadavků napříč kyberneticky zaměřenými zadáními v testech JailbreakBench, StrongREJECT a AgentHarm. Podle společnosti jde o nejvyšší hodnotu, jakou naměřila u otevřených modelů.

Oznámení také odhalilo, že Mistral po předběžném představení sledoval v živém provozu používání modelu související s kybernetickou bezpečností. Společnost uvedla, že zaznamenala, jak model odmítá vyhovět útokům typu black box vedeným proti aktivním cílům. Zároveň však vidí možnost zvýšit jeho schopnosti tak, aby umožňovaly provádět skutečné útoky, a proto odpovídajícím způsobem upravuje jeho ochranné mechanismy; další aktualizace slíbila v následujících měsících. Podnikoví designoví partneři, například Orange Cyberdefense, získávají předběžný přístup ke specializované verzi Mistral Large 4 optimalizované pro penetrační testování, hodnocení zranitelností a red teaming. Přístup podléhá prověření a smluvním zárukám, které omezují testování na vlastní systémy nebo systémy, k jejichž testování bylo uděleno výslovné oprávnění, a to v kontrolovaném prostředí.

Oznámení obsahovalo vyjádření k výsledkům hodnocení od vedoucích pracovníků společností Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik a Zscaler. Brad Medairy, prezident pro národní kybernetickou bezpečnost ve společnosti Booz Allen Hamilton, uvedl, že testování ukázalo, že model v interním benchmarku firmy pro analýzu bezpečnosti zdrojového kódu dosahuje stejné míry úplnosti detekce zranitelností jako jiné špičkové modely zaměřené na kybernetickou bezpečnost.

Architektura a trénování

Podle karty modelu je Mistral Large 4 jemně členěný model směsi expertů s přibližně 1 bilionem parametrů celkem a zhruba 52 miliardami aktivních parametrů na token (49 miliard bez započítání embeddingů a výstupních vrstev), se 128 směrovanými experty, z nichž jsou pro každý token aktivní čtyři, a jedním sdíleným expertem. Podporuje kontextové okno o velikosti 1 milionu tokenů a přijímá textový i obrazový vstup, přičemž výstupem je text. Zpracování zajišťuje obrazový enkodér ve stylu Pixtral s 1,6 miliardy parametrů, trénovaný na práci s různými velikostmi a poměry stran obrázků. Mistral uvádí, že model byl trénován od nuly na 3 800 GPU NVIDIA Grace Blackwell ve vlastních datových centrech společnosti v Evropě a že nativně ovládá více než 160 jazyků, včetně všech úředních jazyků Evropské unie.

Kontrolní bod obsahuje vestavěnou návrhovou hlavu DSpark pro spekulativní dekódování, která navrhuje bloky po třech tokenech. Mistral naměřil až 1,9× vyšší propustnost než při obsluze samotného cílového modelu. K dispozici je také kvantizovaný kontrolní bod NVFP4 určený pro GPU Blackwell. Karta modelu uvádí skóre 26 v žebříčku Artificial Analysis Intelligence Index v5, které označuje za nejvyšší mezi západními modely s otevřenými váhami; zároveň upozorňuje, že přední čínské modely s otevřenými váhami mají v souhrnném žebříčku vyšší skóre. Mistral dále uvedl, že jeho skóre Finch (FinWorkBench) vzrostlo na 73,3 %, což ho řadí na druhé místo mezi modely s otevřenými váhami za Kimi K3; skóre BrowseComp dosáhlo 84,5 % oproti 75 % u kontrolního bodu po supervizovaném dolaďování; a odolnost vůči útokům v benchmarku B3 Agent Security Benchmark činila 97,1 %, oproti 93,3 % v předběžné verzi.

Mistral uvedl, že Mistral Large 4 poslouží jako základ nové generace specializovaných a optimalizovaných modelů Mistral, a poukázal přitom na nedávná vydání, jako jsou Voxtral a Timestral.