Checkpoint Le Chonk 1 nghìn tỷ tham số của Mistral xuất hiện trên Hugging Face

Ngày 29 tháng 10 năm 2026, Mistral AI công bố trọng số của Mistral Large 4, mẫu mô hình đa phương thức nguyên bản chủ lực với 1 nghìn tỷ tham số, có tên gọi là Le Chonk. Checkpoint này có thể tải xuống từ Hugging Face để tự lưu trữ, đồng thời được cung cấp qua API và các nền tảng đối tác theo giấy phép trọng số mở MIT đã chỉnh sửa.

Đợt phát hành diễn ra sau khi mô hình được xem trước công khai vào ngày 6 tháng 10 năm 2026, thời điểm Mistral lần đầu giới thiệu hệ thống hỗn hợp chuyên gia với 1,05 nghìn tỷ tham số. Trong thông báo của mình, Mistral cho biết đã áp dụng phản hồi từ đợt xem trước, đồng thời tiếp tục mở rộng quy mô học tăng cường, qua đó đạt được những cải thiện lớn về lập trình, an ninh mạng phòng thủ và hiệu quả suy luận. Công ty mô tả Mistral Large 4 là mô hình trọng số mở tốt nhất cho lập trình, đồng thời cho biết những cải thiện này tiếp tục tăng tốc và chưa có dấu hiệu bão hòa.

Giấy phép, giá và khả năng cung cấp

Trọng số được công bố trên Hugging Face theo Mistral Ecosystem Open-Weight License, một phiên bản đã chỉnh sửa của giấy phép MIT. Theo các điều khoản này, mô hình được phép sử dụng, chỉnh sửa, tinh chỉnh và khai thác thương mại miễn phí, với một điều kiện: doanh nghiệp cung cấp dịch vụ Mô hình dưới dạng dịch vụ (Model-as-a-Service) phải xin giấy phép thương mại riêng từ Mistral trước khi sử dụng mô hình cho mục đích thương mại.

Theo tài liệu mô hình của Mistral, phí sử dụng API là 0,70 USD cho mỗi triệu token đầu vào, 0,07 USD cho mỗi triệu token đầu vào được lưu trong bộ nhớ đệm và 2,10 USD cho mỗi triệu token đầu ra. Mô hình được cung cấp với tên mistral-large-4 thông qua Mistral API và Mistral Studio; ngoài ra, người dùng có thể truy cập mô hình qua OpenRouter, trợ lý lập trình Vibe Code của Mistral, các điểm cuối do NVIDIA lưu trữ với vùng chứa NVIDIA NIM được tối ưu hóa và Microsoft Foundry. Mistral cho biết các nhà phát triển Azure có thể triển khai riêng tư thông qua Foundry; Tina Schuchman, phó chủ tịch tập đoàn phụ trách Foundry của Microsoft, cho biết Microsoft là nhà cung cấp dịch vụ đám mây đầu tiên đưa Mistral Large 4 đến khách hàng.

Kết quả chuẩn lập trình và các chế độ suy luận

Mistral cho biết Mistral Large 4 dẫn đầu trong bài chuẩn riêng FrontierCode 2.0 của Cognition, vốn đánh giá chất lượng mã từ đầu đến cuối và khả năng người duy trì kho mã chấp nhận hợp nhất thay đổi của một tác nhân, với điểm số 19,7%. Kết quả này cao hơn các mô hình trọng số mở được liệt kê, trong đó có GLM-5.3, Kimi K3 và DeepSeek V4.1 Flash.

Trong Artificial Analysis Coding Agent Index, Mistral báo cáo mô hình đạt 48%, đồng thời mô tả kết quả này là gần như ngang bằng với mô hình trọng số mở dẫn đầu GLM-5.3, trong khi sử dụng trung bình ít hơn 47% token cho mỗi tác vụ. Với Terminal-Bench 4.0, công ty báo cáo mức cải thiện 13 điểm phần trăm so với đợt xem trước công khai, đưa điểm số lên 41% và giúp mô hình dẫn đầu trong nhóm mô hình trọng số mở, đồng thời giảm 30% số token đầu ra. Trong các đánh giá so sánh từng cặp, mù, về mức độ ưa thích của con người trên Surge Code mà Mistral dẫn lại, mô hình được ưa thích hơn GLM-5.3, Kimi K3 và DeepSeek V4.1 Flash, chỉ xếp sau Claude Opus 5.5 trong số các mô hình được đánh giá.

Mô hình hỗ trợ ba chế độ suy luận: thấp, trung bình và cao; chế độ cao là mặc định. Mistral cho biết chế độ thấp thay thế chế độ suy luận “None” trước đây và phù hợp với các tác vụ đơn giản, chế độ trung bình dành cho nhu cầu sử dụng hằng ngày, còn chế độ cao hướng đến những trường hợp khó nhất cần suy luận thấu đáo, giúp nhà phát triển cân đối hiệu năng với chi phí.

Kết quả an ninh mạng và những thay đổi về cơ chế bảo vệ

Mistral báo cáo mô hình đạt 51% trên Artificial Analysis Cyber Index, chỉ số đo lường khả năng phát hiện lỗ hổng trong kho mã, tái hiện và xác thực lỗ hổng, cũng như khắc phục chúng mà không làm hỏng chức năng hiện có. Công ty cho biết mô hình xử lý các tác vụ bảo mật phòng thủ hợp pháp mà không từ chối một cách không cần thiết, trong khi các cơ chế bảo vệ tích hợp có thể phân biệt tác vụ phòng thủ với tác vụ tấn công có chủ đích xấu. Mistral báo cáo tỷ lệ từ chối trung bình 96,6% đối với các yêu cầu độc hại liên quan đến an ninh mạng trong những câu lệnh thuộc lĩnh vực này của JailbreakBench, StrongREJECT và AgentHarm, đồng thời cho biết đây là tỷ lệ cao nhất mà công ty ghi nhận ở các mô hình mở.

Thông báo cũng tiết lộ rằng sau đợt xem trước, Mistral đã theo dõi việc sử dụng liên quan đến an ninh mạng trong lưu lượng truy cập thực tế. Công ty cho biết đã quan sát thấy mô hình từ chối làm theo các cuộc tấn công hộp đen nhằm vào mục tiêu thực, nhưng nhận thấy có khả năng nâng cao năng lực để tiến hành các cuộc tấn công thực tế và đang điều chỉnh các cơ chế bảo vệ tương ứng; công ty hứa sẽ cập nhật thêm trong những tháng tới. Các đối tác thiết kế doanh nghiệp như Orange Cyberdefense đang được tiếp cận bản xem trước một biến thể chuyên biệt của Mistral Large 4, được tối ưu hóa cho kiểm thử xâm nhập, đánh giá lỗ hổng và diễn tập đội đỏ, với điều kiện phải qua quy trình thẩm định và tuân thủ các biện pháp bảo vệ theo hợp đồng nhằm giới hạn việc kiểm thử trong các hệ thống thuộc sở hữu của họ hoặc được ủy quyền rõ ràng, trong môi trường có kiểm soát.

Thông báo dẫn các nhận định đánh giá từ lãnh đạo của Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik và Zscaler. Brad Medairy, chủ tịch mảng an ninh mạng quốc gia tại Booz Allen Hamilton, cho biết các thử nghiệm cho thấy khả năng phát hiện và thu hồi lỗ hổng của mô hình ngang bằng với các mô hình an ninh mạng tiên tiến khác, theo chuẩn nội bộ của công ty dùng để phân tích bảo mật mã nguồn.

Kiến trúc và quá trình huấn luyện

Theo thẻ mô hình, Mistral Large 4 là mô hình hỗn hợp chuyên gia có mức độ phân rã chi tiết, với tổng cộng khoảng 1 nghìn tỷ tham số và khoảng 52 tỷ tham số hoạt động trên mỗi token (49 tỷ nếu không tính các lớp nhúng và lớp đầu ra), gồm 128 chuyên gia được định tuyến, trong đó bốn chuyên gia hoạt động trên mỗi token, cùng với một chuyên gia dùng chung. Mô hình hỗ trợ cửa sổ ngữ cảnh 1 triệu token, nhận đầu vào văn bản và hình ảnh, rồi tạo đầu ra bằng văn bản thông qua bộ mã hóa hình ảnh kiểu Pixtral có 1,6 tỷ tham số, được huấn luyện để xử lý hình ảnh với kích thước và tỷ lệ khung hình khác nhau. Mistral cho biết mô hình được huấn luyện từ đầu trên 3.800 GPU NVIDIA Grace Blackwell tại các trung tâm dữ liệu riêng của công ty ở châu Âu, đồng thời có khả năng sử dụng thành thạo hơn 160 ngôn ngữ, trong đó có tất cả ngôn ngữ chính thức của Liên minh châu Âu.

Checkpoint này đi kèm một đầu dự thảo giải mã suy đoán DSpark được tích hợp sẵn, đề xuất các khối gồm ba token; theo phép đo của Mistral, cách này cho thông lượng cao hơn tới 1,9 lần so với chỉ phục vụ mô hình đích. Ngoài ra, một checkpoint lượng tử hóa NVFP4 dành cho GPU Blackwell cũng đã được cung cấp. Trên Artificial Analysis Intelligence Index v5, thẻ mô hình ghi nhận điểm 26, được mô tả là cao nhất trong số các mô hình trọng số mở của phương Tây, đồng thời lưu ý rằng các mô hình trọng số mở hàng đầu của Trung Quốc đạt điểm cao hơn trên chỉ số tổng hợp. Mistral cũng báo cáo điểm Finch (FinWorkBench) tăng lên 73,3%, đứng thứ hai trong số các mô hình mở, sau Kimi K3; điểm BrowseComp đạt 84,5%, tăng từ mức 75% của checkpoint được tinh chỉnh có giám sát; và khả năng chống chịu trước tấn công đạt 97,1% trên B3 Agent Security Benchmark, tăng từ mức 93,3% trong bản xem trước.

Mistral cho biết Mistral Large 4 sẽ là nền tảng cho thế hệ mô hình Mistral chuyên biệt và được tối ưu hóa mới, đồng thời nêu các bản phát hành gần đây như Voxtral và Timestral.