Checkpoint Le Chonk Mistral z bilionem parametrów trafia na Hugging Face

29 października 2026 r. Mistral AI opublikowała wagi Mistral Large 4, swojego flagowego, natywnie multimodalnego modelu z bilionem parametrów, znanego jako Le Chonk. Checkpoint można pobrać z Hugging Face i hostować samodzielnie, a model jest też dostępny za pośrednictwem API Mistral oraz platform partnerskich na warunkach zmodyfikowanej licencji MIT na otwarte wagi.

Premiera nastąpiła po publicznej zapowiedzi modelu 6 października 2026 r., kiedy Mistral po raz pierwszy przedstawiła system typu mixture-of-experts o 1,05 biliona parametrów. W swoim komunikacie Mistral poinformowała, że uwzględniła opinie zebrane podczas zapowiedzi, jednocześnie zwiększając skalę uczenia przez wzmocnienie. Jak podała firma, przyniosło to znaczne postępy w programowaniu, defensywnym cyberbezpieczeństwie i efektywności rozumowania. Mistral określiła Mistral Large 4 jako najlepszy model z otwartymi wagami do programowania i stwierdziła, że postępy nadal przyspieszają, a ich tempo nie wykazuje oznak wyhamowania.

Licencja, ceny i dostępność

Wagi opublikowano na Hugging Face na warunkach Mistral Ecosystem Open-Weight License, czyli zmodyfikowanej wersji licencji MIT. Zgodnie z jej postanowieniami model można bezpłatnie używać, modyfikować, dostrajać i wykorzystywać komercyjnie. Obowiązuje jednak jeden warunek: firmy oferujące model jako usługę (Model-as-a-Service) muszą uzyskać od Mistral osobną licencję komercyjną, zanim zaczną komercyjnie korzystać z modelu.

Jak podaje dokumentacja modelu Mistral, dostęp przez API kosztuje 0,70 USD za milion tokenów wejściowych, 0,07 USD za milion tokenów wejściowych z pamięci podręcznej oraz 2,10 USD za milion tokenów wyjściowych. Model jest udostępniany pod nazwą mistral-large-4 za pośrednictwem Mistral API i Mistral Studio. Można z niego korzystać również przez OpenRouter, asystenta programistycznego Vibe Code firmy Mistral, punkty końcowe hostowane przez NVIDIA z zoptymalizowanym kontenerem NVIDIA NIM oraz Microsoft Foundry. Mistral poinformowała, że deweloperzy korzystający z Azure mogą wdrażać model prywatnie za pośrednictwem Foundry. Tina Schuchman, wiceprezeska korporacyjna Foundry w Microsoft, powiedziała, że Microsoft jest pierwszym dostawcą usług chmurowych, który udostępnia Mistral Large 4 klientom.

Testy porównawcze programowania i tryby rozumowania

Mistral poinformowała, że Mistral Large 4 prowadzi w prywatnym teście porównawczym FrontierCode 2.0 firmy Cognition. Test ocenia kompleksową jakość kodu oraz to, czy opiekun repozytorium zaakceptowałby zmianę zaproponowaną przez agenta. Model uzyskał wynik 19,7%, wyprzedzając uwzględnione w zestawieniu modele z otwartymi wagami, w tym GLM-5.3, Kimi K3 i DeepSeek V4.1 Flash.

W teście Artificial Analysis Coding Agent Index Mistral podała wynik 48%, określając go jako praktycznie równy wynikowi czołowego modelu z otwartymi wagami, GLM-5.3, przy średnim zużyciu o 47% mniejszej liczby tokenów na zadanie. W Terminal-Bench 4.0 firma odnotowała poprawę o 13 punktów procentowych względem publicznej zapowiedzi — do 41%. Dzięki temu model zajął pierwsze miejsce wśród modeli z otwartymi wagami, zużywając jednocześnie o 30% mniej tokenów wyjściowych. W przywołanych przez Mistral ślepych, porównawczych ocenach preferencji użytkowników w Surge Code model był oceniany wyżej niż GLM-5.3, Kimi K3 i DeepSeek V4.1 Flash. Spośród testowanych modeli wyprzedził go tylko Claude Opus 5.5.

Model obsługuje trzy tryby rozumowania: niski, średni i wysoki; domyślnie ustawiony jest tryb wysoki. Mistral poinformowała, że tryb niski zastępuje poprzedni tryb rozumowania „Brak” i nadaje się do prostych zadań, tryb średni sprawdza się w codziennym użytkowaniu, a tryb wysoki przeznaczono do najtrudniejszych zastosowań wymagających wnikliwego rozumowania. Dzięki temu deweloperzy mogą wybierać między wydajnością a kosztem.

Wyniki w cyberbezpieczeństwie i zmiany zabezpieczeń

Mistral podała wynik 51% w teście Artificial Analysis Cyber Index, który mierzy zdolność modelu do wykrywania luk w bazie kodu, odtwarzania ich i weryfikowania, a następnie usuwania bez zakłócania istniejących funkcji. Firma poinformowała, że model wykonuje uzasadnione zadania z zakresu defensywnego bezpieczeństwa bez niepotrzebnych odmów, a wbudowane zabezpieczenia odróżniają działania defensywne od złośliwych ataków. Mistral odnotowała średni wskaźnik odmów na poziomie 96,6% w odpowiedzi na złośliwe prośby dotyczące cyberbezpieczeństwa w cyberbezpieczeństwowych zadaniach testowych JailbreakBench, StrongREJECT i AgentHarm. Według firmy jest to najwyższy wynik spośród otwartych modeli uwzględnianych w jej pomiarach.

W komunikacie poinformowano również, że po publicznej zapowiedzi Mistral monitorowała w ruchu produkcyjnym użycie związane z cyberbezpieczeństwem. Firma stwierdziła, że zaobserwowała odmowy współpracy modelu przy atakach typu black box na rzeczywiste cele, ale dostrzega możliwość zwiększenia jego zdolności do przeprowadzania prawdziwych ataków i odpowiednio modyfikuje zabezpieczenia. Zapowiedziała też kolejne aktualizacje w nadchodzących miesiącach. Partnerzy projektowi z sektora przedsiębiorstw, tacy jak Orange Cyberdefense, otrzymują dostęp w ramach testów wstępnych do wyspecjalizowanej wersji Mistral Large 4 zoptymalizowanej pod kątem testów penetracyjnych, oceny podatności i red teamingu. Dostęp jest uzależniony od weryfikacji oraz zabezpieczeń umownych, które ograniczają testy do systemów należących do użytkownika lub objętych jego wyraźną zgodą, w kontrolowanym środowisku.

W komunikacie znalazły się wypowiedzi oceniające model przedstawicieli Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik i Zscaler. Brad Medairy, prezes działu cyberbezpieczeństwa krajowego w Booz Allen Hamilton, powiedział, że testy wykazały, iż model osiągał takie same wskaźniki czułości w wykrywaniu podatności jak inne wiodące modele cyberbezpieczeństwa, gdy porównywano je z wewnętrznym testem firmy służącym do analizy bezpieczeństwa kodu źródłowego.

Architektura i trenowanie

Według karty modelu Mistral Large 4 to granularny model z mieszaniną ekspertów, mający łącznie około 1 biliona parametrów i około 52 miliardów aktywnych parametrów na token (49 miliardów bez uwzględnienia osadzeń i warstw wyjściowych), z 128 ekspertami routowanymi, z których czterech jest aktywnych dla każdego tokenu, oraz jednym ekspertem współdzielonym. Model obsługuje okno kontekstowe o długości 1 miliona tokenów i przyjmuje tekst oraz obrazy, generując tekst za pomocą enkodera wizyjnego w stylu Pixtral, z 1,6 miliarda parametrów, wytrenowanego do obsługi obrazów o różnych rozmiarach i proporcjach. Mistral podaje, że model wytrenowano od podstaw na 3800 procesorach graficznych NVIDIA Grace Blackwell we własnych centrach danych firmy w Europie oraz że natywnie posługuje się ponad 160 językami, w tym wszystkimi językami urzędowymi Unii Europejskiej.

Checkpoint zawiera wbudowaną głowicę roboczą DSpark do dekodowania spekulatywnego, która proponuje bloki po trzy tokeny. Według pomiarów Mistral zapewnia ona nawet 1,9 raza większą przepustowość niż samo serwowanie modelu docelowego. Dostępny jest również skwantyzowany checkpoint NVFP4 przeznaczony dla procesorów graficznych Blackwell. Karta modelu podaje wynik 26 w indeksie Artificial Analysis Intelligence Index v5, określając go jako najwyższy wśród zachodnich modeli o otwartych wagach, a zarazem zaznaczając, że czołowe chińskie modele o otwartych wagach osiągają wyższe wyniki w indeksie łącznym. Mistral podał również, że wynik modelu Finch (FinWorkBench) wzrósł do 73,3%, co daje mu drugie miejsce wśród modeli otwartych, za Kimi K3; wynik BrowseComp osiągnął 84,5%, podczas gdy checkpoint dostrojony za pomocą nadzorowanego uczenia uzyskał 75%; odporność na ataki w benchmarku B3 Agent Security Benchmark wyniosła 97,1%, wobec 93,3% w wersji przedpremierowej.

Mistral poinformował, że Mistral Large 4 stanie się podstawą nowej generacji wyspecjalizowanych i zoptymalizowanych modeli Mistral, wskazując na niedawne premiery, takie jak Voxtral i Timestral.