Mistral udostępnił Mistral Large 4 w wersji, którą firmy mogą pobrać i uruchomić na własnych serwerach. Model ma około 1,05 biliona parametrów, obsługuje kontekst o długości miliona tokenów i został przygotowany m.in. do programowania, analizy dokumentów, pracy agentowej oraz zadań związanych z cyberbezpieczeństwem.
Dla firm najważniejsza jest możliwość wdrożenia modelu we własnej infrastrukturze. Dzięki temu poufne dane mogą pozostać wewnątrz organizacji, a model można dodatkowo dostosować do konkretnych procesów, procedur i wymagań bezpieczeństwa.
Najważniejsze informacje w skrócie:
- wagi Mistral Large 4 udostępniono 29 października 2026 roku,
- model ma około 1,05 biliona parametrów,
- podczas generowania aktywnych jest około 49 mld parametrów,
- długość kontekstu wynosi 1 mln tokenów,
- dostępne są warianty FP8 oraz NVFP4,
- model można wdrożyć na własnej infrastrukturze,
- Mistral szczególnie promuje zastosowania w programowaniu i cyberbezpieczeństwie,
- model działa na licencji Mistral Ecosystem Open-Weight License.
Bilion parametrów nie oznacza, że cały model pracuje przy każdym słowie
Mistral Large 4 wykorzystuje architekturę Mixture-of-Experts. Model ma około 1,05 biliona parametrów łącznie, ale przy przetwarzaniu pojedynczego tokena wykorzystuje około 49 mld z nich. Po uwzględnieniu embeddingów i warstwy wyjściowej Mistral podaje około 52 mld aktywnych parametrów. Dzięki temu ogromny model nie musi uruchamiać całej swojej architektury przy każdym fragmencie odpowiedzi.
ML4 jest również modelem multimodalnym. Przyjmuje tekst i obrazy, potrafi pracować z dokumentami oraz obsługuje kontekst o długości miliona tokenów. Mistral rozwija go jako jeden model zdolny zarówno do bezpośredniego odpowiadania, jak i dłuższego rozumowania. Użytkownik może wybrać jeden z trzech poziomów reasoning: Low, Medium lub High.
Wagi zostały udostępnione w wariantach FP8 i NVFP4. Nie jest to jednak model, który większość osób uruchomi na domowym komputerze obok niewielkiego LLM z naszego poradnika o LM Studio. Sam rozmiar ML4 oznacza, że lokalne wdrożenie wymaga infrastruktury klasy serwerowej z wieloma akceleratorami i bardzo dużą pamięcią.
Firmy mogą zatrzymać model i dane we własnej infrastrukturze
Udostępnienie wag zmienia sposób, w jaki przedsiębiorstwo może korzystać z Mistral Large 4. Zamiast wysyłać zapytania do zewnętrznego API, organizacja może uruchomić model we własnym centrum danych albo w kontrolowanym środowisku chmurowym. Może również dostosować go do własnych danych, procedur i zasad bezpieczeństwa.
Dla wielu firm nie chodzi wyłącznie o koszty. Bank, szpital, urząd czy przedsiębiorstwo pracujące na poufnej dokumentacji może nie chcieć przesyłać całego kontekstu do zewnętrznego dostawcy modelu. Self-hosting pozwala dokładniej kontrolować, gdzie znajdują się dane, kto ma do nich dostęp i jakie ograniczenia obowiązują agentów korzystających z modelu.
Nie oznacza to pełnej dowolności licencyjnej. Mistral pozwala model pobierać, modyfikować, dostrajać i wykorzystywać komercyjnie. Osobnego porozumienia wymagają jednak firmy, które chciałyby wykorzystać ML4 do oferowania własnej usługi Model-as-a-Service. To więc model open-weight, a nie oprogramowanie pozbawione wszystkich warunków biznesowych.
Cyberbezpieczeństwo jest jednym z głównych zastosowań ML4
Mistral bardzo mocno promuje Large 4 jako model dla zespołów bezpieczeństwa. W Artificial Analysis Cyber Index osiągnął 51 proc. i według producenta potrafi analizować kod, odtwarzać podatności oraz przygotowywać poprawki bez częstych odmów przy legalnych zadaniach defensywnych. Model jest już testowany między innymi przez firmy z branży cyberbezpieczeństwa oraz europejskie instytucje.
Otwarte wagi mają tutaj konkretne znaczenie. Zespół bezpieczeństwa może uruchomić model przy własnych logach, repozytoriach i danych o incydentach bez przesyłania ich poza organizację. Może również dostosować AI do własnych polityk, reguł detekcji i środowiska zagrożeń. ENISA testuje ML4 między innymi przy wyszukiwaniu podatności, audytowaniu kodu i analizie logów defensywnych.
Takie możliwości mają oczywiście drugą stronę. Model zdolny do odtwarzania luk może być użyteczny zarówno dla obrońcy, jak i atakującego. Mistral deklaruje 96,6 proc. współczynnika odmów przy szkodliwych żądaniach cybernetycznych i nadal zmienia zabezpieczenia na podstawie obserwowanego sposobu używania modelu. Podobny problem opisujemy przy coraz bardziej zaawansowanych modelach AI wykrywających podatności.
Mistral chce konkurować nie tylko jakością, ale też kosztem działania
Po dodatkowych tygodniach treningu Mistral poprawił wyniki Large 4 przede wszystkim w kodowaniu i zadaniach agentowych. W Artificial Analysis Coding Agent Index model osiąga 48 proc., czyli wynik zbliżony do GLM-5.3, ale według danych producenta wykorzystuje średnio 47 proc. mniej tokenów na zadanie. Przy masowym wdrożeniu różnica w liczbie generowanych tokenów zaczyna bezpośrednio wpływać na koszt infrastruktury.
ML4 jest też dostępny przez API Mistrala za 0,70 dolara za milion tokenów wejściowych i 2,10 dolara za milion wyjściowych. Firma daje więc klientowi wybór: korzystać z gotowej infrastruktury albo przejąć model i utrzymywać go samodzielnie. Ten drugi wariant wymaga dużo większego zaplecza technicznego, ale daje kontrolę, której zamknięte modele działające wyłącznie przez API zwykle nie oferują.
Dla Mistrala to również element większej strategii europejskiego „sovereign AI”. Firma podkreśla, że model został wytrenowany od podstaw na europejskiej infrastrukturze i ma być podstawą kolejnych wyspecjalizowanych systemów. Przy rosnącej presji na kontrolę danych i zależność od amerykańskich dostawców taki argument może być dla części przedsiębiorstw równie istotny jak same benchmarki.
Źródła: Mistral AI, Hugging Face, TechCrunch. Opracowanie własne.
Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Codziennie publikujemy najważniejsze informacje z Polski i ze świata dotyczące technologii, sztucznej inteligencji, nowych rozwiązań cyfrowych oraz trendów technologicznych, które kształtują przyszłość.
Obserwuj nas na Facebooku, aby być na bieżąco z najważniejszymi wydarzeniami ze świata technologii.
