Το σημείο ελέγχου Le Chonk της Mistral, με 1 τρισεκατομμύριο παραμέτρους, κυκλοφορεί στο Hugging Face

Στις 29 Οκτωβρίου 2026, η Mistral AI κυκλοφόρησε τα βάρη του Mistral Large 4, του κορυφαίου μοντέλου της με 1 τρισεκατομμύριο παραμέτρους, το οποίο είναι εγγενώς πολυτροπικό και είναι γνωστό ως Le Chonk. Έτσι, το σημείο ελέγχου έγινε διαθέσιμο για λήψη από το Hugging Face, για αυτοδιαχειριζόμενη φιλοξενία, καθώς και μέσω του API της και των πλατφορμών συνεργατών, με τροποποιημένη άδεια ανοικτών βαρών MIT.

Η κυκλοφορία ακολουθεί τη δημόσια προεπισκόπηση του μοντέλου στις 6 Οκτωβρίου 2026, όταν η Mistral παρουσίασε για πρώτη φορά το σύστημα μίγματος ειδικών με 1,05 τρισεκατομμύρια παραμέτρους. Στην ανακοίνωσή της, η Mistral ανέφερε ότι αξιοποίησε τα σχόλια από την προεπισκόπηση, συνεχίζοντας παράλληλα να κλιμακώνει την ενισχυτική μάθηση, με αποτέλεσμα, όπως δήλωσε, σημαντικές βελτιώσεις στον προγραμματισμό, την αμυντική κυβερνοασφάλεια και την αποδοτικότητα της συλλογιστικής. Η εταιρεία χαρακτήρισε το Mistral Large 4 ως το καλύτερο μοντέλο ανοικτών βαρών για προγραμματισμό και ανέφερε ότι οι επιδόσεις συνεχίζουν να βελτιώνονται με επιταχυνόμενο ρυθμό, χωρίς ενδείξεις κορεσμού.

Άδεια χρήσης, τιμολόγηση και διαθεσιμότητα

Τα βάρη δημοσιεύονται στο Hugging Face υπό την άδεια Mistral Ecosystem Open-Weight License, μια τροποποιημένη εκδοχή της άδειας MIT. Σύμφωνα με τους όρους της, το μοντέλο διατίθεται δωρεάν για χρήση, τροποποίηση, περαιτέρω εκπαίδευση και εμπορική αξιοποίηση, με έναν όρο: οι επιχειρήσεις που προσφέρουν μοντέλο ως υπηρεσία (Model-as-a-Service) πρέπει να εξασφαλίσουν ξεχωριστή εμπορική άδεια από τη Mistral προτού χρησιμοποιήσουν εμπορικά το μοντέλο.

Η πρόσβαση μέσω API κοστίζει 0,70 $ ανά εκατομμύριο διακριτικά εισόδου, 0,07 $ ανά εκατομμύριο αποθηκευμένα διακριτικά εισόδου και 2,10 $ ανά εκατομμύριο διακριτικά εξόδου, σύμφωνα με την τεκμηρίωση του μοντέλου της Mistral. Το μοντέλο διατίθεται ως mistral-large-4 μέσω του Mistral API και του Mistral Studio, ενώ είναι επίσης διαθέσιμο μέσω των OpenRouter, του βοηθού προγραμματισμού Vibe Code της Mistral, των τελικών σημείων που φιλοξενούνται από τη NVIDIA με βελτιστοποιημένο κοντέινερ NVIDIA NIM, καθώς και του Microsoft Foundry. Η Mistral ανέφερε ότι οι προγραμματιστές του Azure μπορούν να χρησιμοποιήσουν επιλογές ιδιωτικής ανάπτυξης μέσω του Foundry, ενώ η Tina Schuchman, εταιρική αντιπρόεδρος του Foundry στη Microsoft, δήλωσε ότι η Microsoft είναι ο πρώτος πάροχος υπηρεσιών νέφους που προσφέρει το Mistral Large 4 στους πελάτες.

Δοκιμές επιδόσεων στον προγραμματισμό και τρόποι συλλογιστικής

Η Mistral ανέφερε ότι το Mistral Large 4 προηγείται στη μη δημόσια δοκιμή FrontierCode 2.0 της Cognition, η οποία αξιολογεί την ποιότητα του κώδικα από άκρο σε άκρο και το κατά πόσο ένας συντηρητής αποθετηρίου θα συγχώνευε μια αλλαγή που προτείνει ένας πράκτορας. Το μοντέλο σημείωσε 19,7%, ξεπερνώντας τα μοντέλα ανοικτών βαρών που παρατίθενται, μεταξύ των οποίων τα GLM-5.3, Kimi K3 και DeepSeek V4.1 Flash.

Στον δείκτη Artificial Analysis Coding Agent Index, η Mistral ανέφερε βαθμολογία 48%, περιγράφοντας το αποτέλεσμα ως ουσιαστικά ισόπαλο με το κορυφαίο μοντέλο ανοικτών βαρών, το GLM-5.3, ενώ κατά μέσο όρο απαιτούνταν 47% λιγότερα διακριτικά ανά εργασία. Στη δοκιμή Terminal-Bench 4.0, η εταιρεία ανέφερε βελτίωση κατά 13 ποσοστιαίες μονάδες σε σχέση με τη δημόσια προεπισκόπηση, με τη βαθμολογία να φτάνει το 41%. Έτσι, το μοντέλο πέρασε στην πρώτη θέση μεταξύ των μοντέλων ανοικτών βαρών, μειώνοντας παράλληλα τα διακριτικά εξόδου κατά 30%. Σε τυφλές συγκρίσεις ανά ζεύγη, με αξιολογήσεις ανθρώπινης προτίμησης που επικαλέστηκε η Mistral, το μοντέλο προτιμήθηκε έναντι των GLM-5.3, Kimi K3 και DeepSeek V4.1 Flash, καταλαμβάνοντας τη δεύτερη θέση μετά το Claude Opus 5.5 μεταξύ των μοντέλων που αξιολογήθηκαν.

Το μοντέλο υποστηρίζει τρεις τρόπους συλλογιστικής: χαμηλό, μεσαίο και υψηλό, με προεπιλεγμένο τον υψηλό. Η Mistral ανέφερε ότι ο χαμηλός τρόπος αντικαθιστά τον προηγούμενο τρόπο συλλογιστικής «None» και ενδείκνυται για απλές εργασίες, ενώ ο μεσαίος καλύπτει την καθημερινή χρήση και ο υψηλός προορίζεται για τις δυσκολότερες περιπτώσεις, όπου απαιτείται διεξοδική συλλογιστική. Έτσι, οι προγραμματιστές μπορούν να σταθμίζουν την απόδοση σε σχέση με το κόστος.

Επιδόσεις στην κυβερνοασφάλεια και αλλαγές στα μέτρα προστασίας

Η Mistral ανέφερε βαθμολογία 51% στον δείκτη Artificial Analysis Cyber Index, ο οποίος μετρά την ικανότητα ενός μοντέλου να εντοπίζει ευπάθειες σε μια βάση κώδικα, να τις αναπαράγει και να τις επαληθεύει, καθώς και να τις διορθώνει χωρίς να διαταράσσει τις υπάρχουσες λειτουργίες. Η εταιρεία δήλωσε ότι το μοντέλο διαχειρίζεται νόμιμες εργασίες αμυντικής ασφάλειας χωρίς αδικαιολόγητες αρνήσεις, ενώ τα ενσωματωμένα μέτρα προστασίας του διακρίνουν τις αμυντικές από τις κακόβουλες επιθετικές εργασίες. Η Mistral ανέφερε μέσο ποσοστό άρνησης 96,6% σε κακόβουλα αιτήματα κυβερνοασφάλειας, στα σχετικά με την κυβερνοασφάλεια μηνύματα των JailbreakBench, StrongREJECT και AgentHarm, και το χαρακτήρισε ως το υψηλότερο ποσοστό που καταγράφει μεταξύ των μοντέλων ανοικτών βαρών.

Η ανακοίνωση αποκάλυψε επίσης ότι, μετά τη δημόσια προεπισκόπηση, η Mistral παρακολουθούσε τη χρήση του μοντέλου που σχετίζεται με την κυβερνοασφάλεια σε πραγματικές συνθήκες. Η εταιρεία ανέφερε ότι παρατήρησε το μοντέλο να αρνείται να συμμορφωθεί με επιθέσεις τύπου μαύρου κουτιού εναντίον ενεργών στόχων, αλλά εκτιμά ότι υπάρχει περιθώριο ενίσχυσης των δυνατοτήτων του για τη διεξαγωγή πραγματικών επιθέσεων και τροποποιεί ανάλογα τα μέτρα προστασίας του, υποσχόμενη περαιτέρω ενημερώσεις τους προσεχείς μήνες. Συνεργάτες σχεδιασμού επιχειρηματικών λύσεων, όπως η Orange Cyberdefense, αποκτούν πρόσβαση σε προεπισκόπηση μιας εξειδικευμένης παραλλαγής του Mistral Large 4, βελτιστοποιημένης για δοκιμές διείσδυσης, αξιολόγηση ευπαθειών και ασκήσεις προσομοίωσης επιθέσεων από ομάδες red team. Η πρόσβαση υπόκειται σε ελέγχους και συμβατικές δικλίδες ασφαλείας, οι οποίες περιορίζουν τις δοκιμές σε συστήματα που ανήκουν στους χρήστες ή για τα οποία διαθέτουν ρητή εξουσιοδότηση, και απαιτούν τη διεξαγωγή τους σε ελεγχόμενα περιβάλλοντα.

Η ανακοίνωση περιλάμβανε δηλώσεις αξιολόγησης από στελέχη των Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik και Zscaler. Ο Brad Medairy, πρόεδρος του τομέα εθνικής κυβερνοασφάλειας στην Booz Allen Hamilton, δήλωσε ότι οι δοκιμές έδειξαν πως το μοντέλο πετυχαίνει ποσοστά ανάκλησης στον εντοπισμό ευπαθειών αντίστοιχα με εκείνα άλλων κορυφαίων μοντέλων κυβερνοασφάλειας, σύμφωνα με το εσωτερικό σημείο αναφοράς της εταιρείας για την ανάλυση της ασφάλειας του πηγαίου κώδικα.

Αρχιτεκτονική και εκπαίδευση

Σύμφωνα με την κάρτα μοντέλου, το Mistral Large 4 είναι ένα μοντέλο μίγματος ειδικών με λεπτομερή κατανομή, με περίπου 1 τρισεκατομμύριο συνολικές παραμέτρους και περίπου 52 δισεκατομμύρια ενεργές παραμέτρους ανά token (49 δισεκατομμύρια χωρίς τα ενσωματώματα και τα επίπεδα εξόδου), με 128 ειδικούς στους οποίους δρομολογούνται τα δεδομένα, τέσσερις ενεργούς ανά token, καθώς και έναν κοινό ειδικό. Υποστηρίζει παράθυρο συμφραζομένων 1 εκατομμυρίου token και δέχεται κείμενο και εικόνες ως είσοδο, παράγοντας κείμενο μέσω ενός κωδικοποιητή όρασης τύπου Pixtral με 1,6 δισεκατομμύρια παραμέτρους, ο οποίος εκπαιδεύτηκε ώστε να χειρίζεται εικόνες μεταβλητών διαστάσεων και λόγων πλευρών. Η Mistral αναφέρει ότι το μοντέλο εκπαιδεύτηκε από το μηδέν σε 3.800 GPU NVIDIA Grace Blackwell στα δικά της κέντρα δεδομένων στην Ευρώπη και διαθέτει εγγενή ευχέρεια σε περισσότερες από 160 γλώσσες, συμπεριλαμβανομένων όλων των επίσημων γλωσσών της Ευρωπαϊκής Ένωσης.

Το checkpoint περιλαμβάνει ενσωματωμένη κεφαλή προσχεδίου για αποκωδικοποίηση με εικασία DSpark, η οποία προτείνει ομάδες των τριών token και με την οποία η Mistral μέτρησε έως και 1,9 φορές μεγαλύτερη ρυθμαπόδοση σε σύγκριση με την εξυπηρέτηση μόνο του βασικού μοντέλου· διατίθεται επίσης ένα κβαντισμένο checkpoint NVFP4, σχεδιασμένο για GPU Blackwell. Στον Artificial Analysis Intelligence Index v5, η κάρτα μοντέλου αναφέρει βαθμολογία 26, η οποία χαρακτηρίζεται ως η υψηλότερη μεταξύ των μοντέλων ανοικτών βαρών της Δύσης, ενώ σημειώνει ότι τα κορυφαία κινεζικά μοντέλα ανοικτών βαρών σημειώνουν υψηλότερες επιδόσεις στον συνολικό δείκτη. Η Mistral ανέφερε επίσης ότι η βαθμολογία του Finch (FinWorkBench) ανέβηκε στο 73,3%, κατατάσσοντάς το δεύτερο μεταξύ των μοντέλων ανοικτών βαρών, πίσω από το Kimi K3· ότι το BrowseComp έφτασε το 84,5%, από 75% σε checkpoint εποπτευόμενης βελτιστοποίησης· και ότι η ανθεκτικότητα σε επιθέσεις έφτασε το 97,1% στο B3 Agent Security Benchmark, από 93,3% στην έκδοση προεπισκόπησης.

Η Mistral δήλωσε ότι το Mistral Large 4 θα αποτελέσει τη βάση για μια νέα γενιά εξειδικευμένων και βελτιστοποιημένων μοντέλων Mistral, παραπέμποντας σε πρόσφατες κυκλοφορίες όπως τα Voxtral και Timestral.