Mistralin biljoonan parametrin Le Chonk -mallitarkistuspiste julkaistiin Hugging Facessa

Mistral AI julkaisi 29. lokakuuta 2026 Mistral Large 4:n painot. Mistral Large 4 on yhtiön lippulaivamalli: natiivisti multimodaalinen biljoonan parametrin malli, joka tunnetaan nimellä Le Chonk. Tarkistuspisteen voi ladata Hugging Facesta omaa käyttöympäristöä varten, ja malli on saatavilla myös yhtiön API:n ja kumppanialustojen kautta muokatulla MIT:n avoimien painojen lisenssillä.

Julkaisua edelsi mallin julkinen esikatselu 6. lokakuuta 2026, jolloin Mistral esitteli ensimmäisen kerran 1,05 biljoonan parametrin asiantuntijaseosjärjestelmän. Ilmoituksessaan Mistral kertoi hyödyntäneensä esikatselusta saatua palautetta ja jatkaneensa samalla vahvistusoppimisen skaalaamista. Yhtiön mukaan tuloksena oli merkittäviä parannuksia koodauksessa, puolustuksellisessa kyberturvallisuudessa ja päättelyn tehokkuudessa. Yhtiö kuvaili Mistral Large 4:ää parhaaksi avoimien painojen malliksi koodaukseen ja sanoi sen suorituskyvyn paranevan edelleen kiihtyvällä vauhdilla ilman merkkejä kyllästymisestä.

Lisenssi, hinnoittelu ja saatavuus

Painot on julkaistu Hugging Facessa Mistral Ecosystem Open-Weight License -lisenssillä, joka on muokattu versio MIT-lisenssistä. Lisenssin ehtojen mukaan mallia saa käyttää, muokata, hienosäätää ja kaupallistaa maksutta. Yhtenä ehtona on, että mallia palveluna tarjoavien yritysten on hankittava Mistralilta erillinen kaupallinen lisenssi ennen mallin kaupallista käyttöä.

Mistralin mallidokumentaation mukaan API-käyttö maksaa 0,70 $ miljoonalta syötetokenilta, 0,07 $ miljoonalta välimuistiin tallennetulta syötetokenilta ja 2,10 $ miljoonalta tulostokenilta. Malli on saatavilla nimellä mistral-large-4 Mistral API:n ja Mistral Studion kautta. Sitä voi käyttää myös OpenRouterin, Mistralin Vibe Code -koodausavustajan, optimoitua NVIDIA NIM -säiliötä käyttävien NVIDIA-isännöityjen päätepisteiden ja Microsoft Foundryn kautta. Mistralin mukaan Foundryn kautta on tarjolla yksityisiä käyttöönottoja Azure-kehittäjille. Microsoftin Foundry-yksikön varatoimitusjohtaja Tina Schuchman sanoi, että Microsoft on ensimmäinen pilvipalveluntarjoaja, joka tuo Mistral Large 4:n asiakkaiden saataville.

Koodaamisen vertailutestit ja päättelytilat

Mistralin mukaan Mistral Large 4 johtaa Cognitionin yksityisessä FrontierCode 2.0 -vertailutestissä. Testissä arvioidaan koodin laatua päästä päähän ja sitä, hyväksyisikö ohjelmistovaraston ylläpitäjä tekoälyagentin tekemän muutoksen. Malli sai tulokseksi 19,7 % ja päihitti listatut avoimien painojen mallit, kuten GLM-5.3:n, Kimi K3:n ja DeepSeek V4.1 Flashin.

Artificial Analysis Coding Agent Indexissä Mistral ilmoitti mallin tulokseksi 48 % ja kuvaili sen olevan käytännössä tasoissa johtavan avoimien painojen mallin GLM-5.3:n kanssa. Malli käytti kuitenkin keskimäärin 47 % vähemmän tokeneita tehtävää kohden. Terminal-Bench 4.0:ssa yhtiö ilmoitti tuloksen parantuneen julkiseen esikatseluversioon verrattuna 13 prosenttiyksikköä 41 prosenttiin. Näin malli nousi avoimien painojen mallien kärkeen ja vähensi samalla tulostokenien määrää 30 %. Mistralin mainitsemissa Surge Code -testin sokkoutetuissa ihmisten tekemissä parivertailuissa malli sai paremmat arviot kuin GLM-5.3, Kimi K3 ja DeepSeek V4.1 Flash. Arvioiduista malleista sen edelle sijoittui vain Claude Opus 5.5.

Malli tukee kolmea päättelytilaa: matalaa, keskitasoista ja korkeaa. Oletustila on korkea. Mistralin mukaan matala tila korvaa aiemman ”None”-päättelytilan ja soveltuu yksinkertaisiin tehtäviin, keskitasoinen tila arkikäyttöön ja korkea tila vaativimpiin tehtäviin, jotka edellyttävät perusteellista päättelyä. Näin kehittäjät voivat sovittaa suorituskyvyn kustannuksiin.

Kyberturvallisuustulokset ja suojakaiteiden muutokset

Mistral ilmoitti mallin saaneen Artificial Analysis Cyber Indexissä tulokseksi 51 %. Indeksi mittaa mallin kykyä löytää koodikannan haavoittuvuuksia, toistaa ja varmistaa ne sekä korjata ne rikkomatta olemassa olevia toimintoja. Yhtiön mukaan malli pystyy hoitamaan asianmukaisia puolustuksellisia tietoturvatehtäviä kieltäytymättä tarpeettomasti, ja sen sisäänrakennetut suojakaiteet erottavat puolustukselliset tehtävät haitallisista hyökkäystehtävistä. Mistralin mukaan mallin keskimääräinen kieltäytymisaste haitallisia kyberpyyntöjä kohtaan oli 96,6 % JailbreakBenchin, StrongREJECTin ja AgentHarmin kyberaiheisissa kehotteissa. Yhtiö kuvaili lukemaa korkeimmaksi avoimista malleista mittaamakseen.

Ilmoituksessa kerrottiin myös, että Mistral oli seurannut kyberturvallisuuteen liittyvää käyttöä mallin esikatselun jälkeen todellisessa liikenteessä. Yhtiön mukaan malli kieltäytyi noudattamasta pyyntöjä, jotka koskivat mustan laatikon hyökkäyksiä todellisia kohteita vastaan. Mistral näkee kuitenkin mahdollisuuden siihen, että malli voi helpottaa todellisten hyökkäysten toteuttamista, ja muuttaa siksi suojakaiteitaan. Yhtiö lupasi lisäpäivityksiä tulevien kuukausien aikana. Yritysasiakkaiden suunnittelukumppanit, kuten Orange Cyberdefense, saavat esikatseluversion erikoisversiosta, joka on optimoitu tunkeutumistestaukseen, haavoittuvuuksien arviointiin ja red team -testaukseen. Käyttö edellyttää tarkastusta ja sopimukseen kirjattuja suojatoimia, joilla testaus rajataan omistettuihin tai nimenomaisesti hyväksyttyihin järjestelmiin valvotuissa ympäristöissä.

Ilmoituksessa esitettiin arvioita Booz Allen Hamiltonin, Ciscon, Cloudflaren, CrowdStriken, Elasticin, ENISAn, Fortinetin, NVIDIAn, Orange Cyberdefensen, Rubrikin ja Zscalerin johtajilta. Booz Allen Hamiltonin kansallisen kyberturvallisuustoiminnan johtaja Brad Medairy sanoi testien osoittaneen, että malli ylsi haavoittuvuuksien havaitsemisen saantoasteessa samaan tulokseen kuin muut johtavat kyberturvallisuusmallit yhtiön sisäisessä vertailutestissä, jossa arvioidaan lähdekoodin tietoturvaa.

Arkkitehtuuri ja koulutus

Mallikortin mukaan Mistral Large 4 on hienojakoinen asiantuntijaseosmalli, jossa on yhteensä noin biljoona parametria ja tokenia kohden noin 52 miljardia aktiivista parametria (49 miljardia, kun upotukset ja tulostuskerrokset jätetään pois). Mallissa on 128 reititettyä asiantuntijaa, joista neljä on aktiivisena kutakin tokenia kohden, sekä yksi jaettu asiantuntija. Malli tukee miljoonan tokenin konteksti-ikkunaa ja ottaa vastaan tekstiä ja kuvia, mutta tuottaa tekstiä. Kuvien käsittelyssä se hyödyntää 1,6 miljardin parametrin Pixtral-tyylistä näköenkooderia, joka on koulutettu käsittelemään erikokoisia kuvia ja erilaisia kuvasuhteita. Mistralin mukaan malli koulutettiin alusta alkaen yhtiön omissa datakeskuksissa Euroopassa 3 800 NVIDIA Grace Blackwell -grafiikkasuorittimella. Malli toimii luontevasti yli 160 kielellä, mukaan lukien kaikilla Euroopan unionin virallisilla kielillä.

Tarkistuspisteeseen sisältyy DSpark-spekulatiivisen dekoodauksen luonnospää, joka ehdottaa kolmen tokenin lohkoja. Mistralin mittausten mukaan läpimeno on sillä jopa 1,9-kertainen verrattuna siihen, että kohdemallia käytetään yksinään. Saatavilla on myös kvantisoitu NVFP4-tarkistuspiste, joka on suunnattu Blackwell-grafiikkasuorittimille. Artificial Analysis Intelligence Index v5 -indeksissä mallikortin mukaan malli sai 26 pistettä. Mallikortti kuvailee tulosta länsimaisten avoimien painojen mallien korkeimmaksi, mutta huomauttaa, että johtavat kiinalaiset avoimien painojen mallit saavat kokonaisindeksissä korkeampia pisteitä. Mistral ilmoitti myös, että sen Finch-tulos (FinWorkBench) nousi 73,3 prosenttiin, mikä on avoimien mallien joukossa toiseksi paras tulos Kimi K3:n jälkeen; BrowseComp-tulos nousi 84,5 prosenttiin sellaisesta ohjatun hienosäädön tarkistuspisteestä, jonka tulos oli 75 prosenttia; ja hyökkäysten torjuntakyky B3 Agent Security Benchmark -testissä oli 97,1 prosenttia, kun se esikatseluversiossa oli 93,3 prosenttia.

Mistralin mukaan Mistral Large 4 toimii perustana uudelle erikoistuneiden ja optimoitujen Mistral-mallien sukupolvelle. Yhtiö viittasi hiljattain julkaistuihin malleihin, kuten Voxtraliin ja Timestraliin.