Чекпойнт Le Chonk від Mistral із 1 трлн параметрів з’явився на Hugging Face

29 жовтня 2026 року Mistral AI опублікувала ваги Mistral Large 4 — своєї флагманської нативно мультимодальної моделі з 1 трлн параметрів, відомої як Le Chonk. Чекпойнт можна завантажити з Hugging Face для самостійного розміщення, а також використовувати через API Mistral і платформи партнерів за модифікованою ліцензією MIT для відкритих ваг.

Реліз відбувся після публічного попереднього показу моделі 6 жовтня 2026 року, коли Mistral уперше представила систему типу «суміш експертів» із 1,05 трлн параметрів. У своєму оголошенні Mistral повідомила, що врахувала відгуки за підсумками попереднього показу й водночас продовжила масштабувати навчання з підкріпленням, завдяки чому, за її словами, досягла значного прогресу в програмуванні, захисній кібербезпеці та ефективності міркування. Компанія назвала Mistral Large 4 найкращою моделлю з відкритими вагами для програмування та заявила, що прогрес і далі прискорюється, без ознак насичення.

Ліцензія, ціни та доступність

Ваги опубліковано на Hugging Face за ліцензією Mistral Ecosystem Open-Weight License — модифікованою версією ліцензії MIT. За її умовами модель можна безкоштовно використовувати, змінювати, донавчати й комерціалізувати. Єдина умова: компанії, що надають послугу «модель як послуга» (Model-as-a-Service), мають отримати від Mistral окрему комерційну ліцензію, перш ніж комерційно використовувати модель.

За даними документації моделі Mistral, доступ до API коштує $0,70 за мільйон вхідних токенів, $0,07 за мільйон кешованих вхідних токенів і $2,10 за мільйон вихідних токенів. Модель доступна під назвою mistral-large-4 через Mistral API та Mistral Studio, а також через OpenRouter, асистента з програмування Vibe Code від Mistral, кінцеві точки на хостингу NVIDIA з оптимізованим контейнером NVIDIA NIM і Microsoft Foundry. Mistral повідомила, що розробникам Azure доступні варіанти приватного розгортання через Foundry, а Тіна Шухман, корпоративна віцепрезидентка Foundry у Microsoft, заявила, що Microsoft стала першим хмарним провайдером, який пропонує Mistral Large 4 клієнтам.

Результати тестів із програмування та режими міркування

За даними Mistral, Mistral Large 4 очолює закритий тест Cognition FrontierCode 2.0, який оцінює якість коду від початку до кінця та ймовірність того, що супровідник репозиторію прийме зміни агента. Модель набрала 19,7%, випередивши зазначені моделі з відкритими вагами, зокрема GLM-5.3, Kimi K3 і DeepSeek V4.1 Flash.

У рейтингу Artificial Analysis Coding Agent Index Mistral повідомила про результат 48%, назвавши його фактично рівним результату провідної моделі з відкритими вагами GLM-5.3, хоча в середньому на одне завдання модель використовувала на 47% менше токенів. У тесті Terminal-Bench 4.0 компанія повідомила про покращення на 13 відсоткових пунктів порівняно з публічним попереднім показом — до 41%. Це вивело модель на перше місце серед моделей із відкритими вагами, водночас кількість вихідних токенів зменшилася на 30%. У згаданих Mistral сліпих парних оцінюваннях людських уподобань Surge Code модель віддали перевагу над GLM-5.3, Kimi K3 і DeepSeek V4.1 Flash; серед оцінених моделей вона поступилася лише Claude Opus 5.5.

Модель підтримує три режими міркування: низький, середній і високий; за замовчуванням увімкнено високий. За словами Mistral, низький режим замінює попередній режим міркування «None» і підходить для простих завдань, середній — для повсякденного використання, а високий призначений для найскладніших завдань, що потребують ґрунтовного міркування. Це дає розробникам змогу шукати баланс між продуктивністю та вартістю.

Результати з кібербезпеки та зміни захисних механізмів

Mistral повідомила, що модель набрала 51% в індексі Artificial Analysis Cyber Index, який вимірює здатність моделі виявляти вразливості в кодовій базі, відтворювати й підтверджувати їх, а також виправляти, не порушуючи наявної функціональності. За словами компанії, модель виконує легітимні завдання із захисної безпеки без зайвих відмов, а вбудовані захисні механізми розрізняють завдання із захисною метою та шкідливі наступальні завдання. Mistral повідомила, що в середньому модель відмовлялася виконувати 96,6% шкідливих запитів, пов’язаних із кібербезпекою, у кібербезпекових підказках із наборів JailbreakBench, StrongREJECT і AgentHarm. За оцінкою компанії, це найвищий показник серед моделей із відкритим кодом, які вона тестує.

В оголошенні також повідомлялося, що після попереднього показу Mistral відстежувала використання моделі, пов’язане з кібербезпекою, у робочому трафіку. Компанія заявила, що спостерігала, як модель відмовлялася виконувати запити на атаки методом «чорної скриньки» проти активних цілей, однак вважає, що модель може підвищити спроможність проводити реальні атаки, і відповідно змінює захисні механізми. Подальші оновлення обіцяють у найближчі місяці. Корпоративні партнери з розробки, зокрема Orange Cyberdefense, отримують попередній доступ до спеціалізованої версії Mistral Large 4, оптимізованої для тестування на проникнення, оцінювання вразливостей і командних навчань red team. Доступ надається після перевірки та за умови договірних гарантій, які обмежують тестування власними системами або системами, на перевірку яких отримано чіткий дозвіл, у контрольованому середовищі.

В оголошенні також наведено оцінки від керівників Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik і Zscaler. Бред Медайрі, президент напряму національної кібербезпеки в Booz Allen Hamilton, заявив, що тестування показало: за внутрішнім тестом компанії для аналізу безпеки вихідного коду модель зрівнялася з іншими передовими моделями для кібербезпеки за повнотою виявлення вразливостей.

Архітектура та навчання

Згідно з карткою моделі, Mistral Large 4 — це модель із гранулярною архітектурою суміші експертів, яка загалом має приблизно 1 трлн параметрів і близько 52 млрд активних параметрів на токен (49 млрд без урахування вбудовувань і вихідних шарів), 128 маршрутизованих експертів, із яких на кожен токен активуються чотири, а також одного спільного експерта. Модель підтримує контекстне вікно на 1 млн токенів і приймає на вхід текст та зображення, видаючи текст; для цього використовується візуальний енкодер у стилі Pixtral із 1,6 млрд параметрів, навчений працювати зі зображеннями різних розмірів і співвідношень сторін. Mistral стверджує, що модель навчали з нуля на 3 800 графічних процесорах NVIDIA Grace Blackwell у власних дата-центрах компанії в Європі; вона вільно володіє понад 160 мовами, зокрема всіма офіційними мовами Європейського Союзу.

До комплекту контрольної точки входить вбудована чернеткова голова DSpark для спекулятивного декодування, яка пропонує блоки з трьох токенів. За вимірами Mistral, це забезпечує до 1,9 раза вищу пропускну здатність, ніж обслуговування лише цільової моделі. Також доступна квантована контрольна точка NVFP4, призначена для графічних процесорів Blackwell. Згідно з карткою моделі, в Artificial Analysis Intelligence Index v5 вона набрала 26 балів — це найвищий результат серед відкритих моделей західного походження; водночас у картці зазначено, що провідні китайські моделі з відкритими вагами мають вищі результати в загальному індексі. Mistral також повідомила, що результат моделі Finch у FinWorkBench зріс до 73,3% — це друге місце серед відкритих моделей після Kimi K3; результат у BrowseComp сягнув 84,5% порівняно з 75% у контрольної точки, налаштованої за допомогою контрольованого донавчання; а стійкість до атак у B3 Agent Security Benchmark становила 97,1% проти 93,3% у попередній версії.

Mistral заявила, що Mistral Large 4 стане основою нового покоління спеціалізованих і оптимізованих моделей Mistral, згадавши серед нещодавніх випусків Voxtral і Timestral.