Checkpoint Le Chonk dari Mistral dengan 1 Triliun Parameter Hadir di Hugging Face

Pada 29 Oktober 2026, Mistral AI merilis bobot Mistral Large 4, model multimodal unggulan dengan 1 triliun parameter yang dikenal sebagai Le Chonk. Checkpoint ini dapat diunduh dari Hugging Face untuk dihosting sendiri dan tersedia melalui API Mistral serta platform mitra dengan lisensi bobot terbuka MIT yang telah dimodifikasi.

Rilis ini menyusul pratinjau publik model tersebut pada 6 Oktober 2026, saat Mistral pertama kali memperkenalkan sistem campuran pakar dengan 1,05 triliun parameter. Dalam pengumumannya, Mistral menyatakan bahwa mereka telah menerapkan masukan dari pratinjau tersebut sambil terus meningkatkan skala pembelajaran penguatan, sehingga menghasilkan peningkatan besar dalam pemrograman, keamanan siber defensif, dan efisiensi penalaran, menurut perusahaan. Mistral menyebut Mistral Large 4 sebagai model berbobot terbuka terbaik untuk pemrograman dan mengatakan bahwa peningkatannya terus melaju tanpa tanda-tanda mencapai kejenuhan.

Lisensi, Harga, dan Ketersediaan

Bobot model ini dipublikasikan di Hugging Face dengan Lisensi Bobot Terbuka Ekosistem Mistral, versi modifikasi dari lisensi MIT. Berdasarkan ketentuannya, model ini bebas digunakan, dimodifikasi, disempurnakan, dan dikomersialkan, dengan satu syarat: perusahaan yang menawarkan Model-as-a-Service harus memperoleh lisensi komersial terpisah dari Mistral sebelum menggunakan model ini untuk tujuan komersial.

Menurut dokumentasi model Mistral, akses API dikenai biaya $0.70 per satu juta token masukan, $0.07 per satu juta token masukan yang disimpan dalam cache, dan $2.10 per satu juta token keluaran. Model ini tersedia dengan nama mistral-large-4 melalui Mistral API dan Mistral Studio, serta melalui OpenRouter, asisten pemrograman Vibe Code dari Mistral, endpoint yang dihosting NVIDIA dengan kontainer NVIDIA NIM yang dioptimalkan, dan Microsoft Foundry. Mistral menyatakan bahwa opsi penerapan privat tersedia bagi pengembang Azure melalui Foundry. Tina Schuchman, wakil presiden perusahaan untuk Foundry di Microsoft, mengatakan bahwa Microsoft adalah penyedia layanan cloud pertama yang menghadirkan Mistral Large 4 kepada pelanggan.

Tolok Ukur Pemrograman dan Mode Penalaran

Mistral melaporkan bahwa Mistral Large 4 memimpin dalam tolok ukur privat FrontierCode 2.0 milik Cognition, yang menilai kualitas kode dari awal hingga akhir serta apakah pengelola repositori akan menerima perubahan dari sebuah agen. Model ini memperoleh skor 19,7%, mengungguli model berbobot terbuka lain yang tercantum, termasuk GLM-5.3, Kimi K3, dan DeepSeek V4.1 Flash.

Dalam Artificial Analysis Coding Agent Index, Mistral melaporkan skor 48% dan menyebut hasilnya pada dasarnya setara dengan model berbobot terbuka terkemuka, GLM-5.3, meski menggunakan rata-rata 47% lebih sedikit token untuk setiap tugas. Pada Terminal-Bench 4.0, perusahaan melaporkan peningkatan 13 poin persentase dibandingkan pratinjau publik, menjadi 41%. Hasil ini menempatkannya di posisi teratas di antara model berbobot terbuka, sekaligus mengurangi jumlah token keluaran sebesar 30%. Dalam evaluasi preferensi manusia secara berpasangan dan tersamar di Surge Code yang dikutip Mistral, model ini lebih disukai daripada GLM-5.3, Kimi K3, dan DeepSeek V4.1 Flash; di antara model yang dievaluasi, hanya Claude Opus 5.5 yang berada di atasnya.

Model ini mendukung tiga mode penalaran: rendah, sedang, dan tinggi, dengan mode tinggi sebagai pengaturan bawaan. Mistral menyatakan bahwa mode rendah menggantikan mode penalaran sebelumnya yang bernama “None” dan cocok untuk tugas sederhana, sedangkan mode sedang ditujukan untuk penggunaan sehari-hari dan mode tinggi untuk kasus penggunaan tersulit yang membutuhkan penalaran menyeluruh. Dengan demikian, pengembang dapat menyeimbangkan kinerja dan biaya.

Hasil Keamanan Siber dan Perubahan Pengamanan

Mistral melaporkan skor 51% pada Artificial Analysis Cyber Index, yang mengukur kemampuan model untuk menemukan kerentanan dalam basis kode, mereproduksi dan memvalidasinya, serta menambalnya tanpa merusak fungsi yang sudah ada. Perusahaan mengatakan bahwa model ini menangani tugas keamanan defensif yang sah tanpa penolakan yang tidak perlu, sementara pengamanan bawaannya membedakan tugas defensif dari tugas ofensif yang berbahaya. Mistral melaporkan tingkat penolakan rata-rata sebesar 96,6% terhadap permintaan siber berbahaya dalam prompt terkait siber di JailbreakBench, StrongREJECT, dan AgentHarm, serta menyebutnya sebagai tingkat tertinggi yang tercatat dalam pengukurannya di antara model terbuka.

Dalam pengumuman tersebut, Mistral juga mengungkapkan bahwa mereka memantau penggunaan terkait keamanan siber dalam lalu lintas langsung setelah pratinjau. Perusahaan mengatakan bahwa mereka mengamati model menolak mematuhi serangan kotak hitam terhadap target aktif. Namun, Mistral melihat potensi peningkatan kemampuan untuk melakukan serangan nyata dan sedang menyesuaikan pengamanan model, dengan pembaruan lebih lanjut dijanjikan dalam beberapa bulan mendatang. Mitra desain perusahaan, seperti Orange Cyberdefense, memperoleh akses pratinjau ke varian khusus Mistral Large 4 yang dioptimalkan untuk pengujian penetrasi, penilaian kerentanan, dan simulasi serangan red-team. Akses ini tunduk pada proses pemeriksaan dan perlindungan kontraktual yang membatasi pengujian hanya pada sistem milik sendiri atau yang telah mendapat izin eksplisit, serta harus dilakukan di lingkungan terkendali.

Pengumuman tersebut memuat pernyataan evaluasi dari para eksekutif di Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik, dan Zscaler. Brad Medairy, presiden bidang keamanan siber nasional di Booz Allen Hamilton, mengatakan bahwa pengujian menunjukkan model ini menyamai tingkat perolehan deteksi kerentanan model-model keamanan siber terdepan lainnya dalam tolok ukur internal perusahaan untuk analisis keamanan kode sumber.

Arsitektur dan Pelatihan

Menurut kartu model, Mistral Large 4 adalah model campuran ahli granular dengan total sekitar 1 triliun parameter dan sekitar 52 miliar parameter aktif per token (49 miliar jika embedding dan lapisan output tidak dihitung), dengan 128 ahli yang dirutekan, empat di antaranya aktif per token, serta satu ahli bersama. Model ini mendukung jendela konteks 1 juta token dan menerima masukan teks serta gambar, dengan keluaran berupa teks melalui enkoder visi bergaya Pixtral berparameter 1,6 miliar yang dilatih untuk menangani berbagai ukuran dan rasio aspek gambar. Mistral menyatakan bahwa model ini dilatih dari awal menggunakan 3.800 GPU NVIDIA Grace Blackwell di pusat data milik perusahaan sendiri di Eropa dan secara bawaan fasih dalam lebih dari 160 bahasa, termasuk semua bahasa resmi Uni Eropa.

Checkpoint ini dilengkapi kepala draf decoding spekulatif DSpark yang tertanam, yang mengusulkan kelompok berisi tiga token dan, menurut pengukuran Mistral, menghasilkan throughput hingga 1,9x lebih tinggi dibandingkan hanya menjalankan model target; checkpoint NVFP4 terkuantisasi yang ditujukan untuk GPU Blackwell juga tersedia. Pada Artificial Analysis Intelligence Index v5, kartu model melaporkan skor 26, yang disebut sebagai skor tertinggi di antara model berbobot terbuka dari Barat, sembari mencatat bahwa model berbobot terbuka terkemuka dari Tiongkok memperoleh skor lebih tinggi pada indeks agregat. Mistral juga melaporkan bahwa skor Finch (FinWorkBench) naik menjadi 73,3%, menempati posisi kedua di antara model terbuka setelah Kimi K3; skor BrowseComp mencapai 84,5% dengan checkpoint penyetelan halus terawasi yang meraih skor 75%; dan ketahanan terhadap serangan mencapai 97,1% pada B3 Agent Security Benchmark, naik dari 93,3% pada versi pratinjau.

Mistral mengatakan bahwa Mistral Large 4 akan menjadi landasan bagi generasi baru model Mistral yang terspesialisasi dan teroptimasi, dengan merujuk pada sejumlah produk terbaru seperti Voxtral dan Timestral.