Архитектура и спецификации
Mistral Large 4, получившая кодовое имя Le Chonk, — это мультимодальная модель с архитектурой Mixture-of-Experts (MoE). Она принимает текст и изображения, генерируя текст. Ключевые технические характеристики:
- Общее число параметров: ~1 триллион (1T).
- Активные параметры: 49B (на каждый токен активируется 5 экспертов из 128).
- Контекстное окно: 1 000 000 токенов (1M).
- Визуальный энкодер: Pixtral (1.6B параметров, 30 слоев).
- Лицензия: Mistral Ecosystem Open-Weight License (производная от MIT с ограничениями на MaaS).
Кибербезопасность: прорыв для защитников
Главная сильная сторона ML4 — работа с уязвимостями. В отличие от закрытых моделей, которые часто отказываются выполнять запросы, связанные с взломом, Mistral Large 4 успешно воспроизводит реальные уязвимости в open-source ПО и пишет патчи. Это критически важно для инцидент-респонса, где необходимо точно воспроизвести атаку для её устранения.
Модель сохраняет высокую степень безопасности: средний уровень отказа от вредоносных запросов (JailbreakBench, StrongREJECT) выше, чем у других open-weight моделей, что делает её безопасной для корпоративного использования.
Результаты бенчмарков
По состоянию на 29 октября 2026 года Mistral Large 4 занимает 5-е место в рейтинге Artificial Analysis Intelligence Index среди open-weight моделей. Модель демонстрирует выдающиеся результаты в кодинге и кибербезопасности, превосходя DeepSeek V4 Pro и Qwen3.8 Max.
| Категория | Бенчмарк | Результат | Примечание |
|---|---|---|---|
| Кибербезопасность | Artificial Analysis Cyber Index | 82% | Воспроизведение уязвимости и написание патча. Лучший результат в индексе. |
| Кибербезопасность | Cybench | 93% | Решение 93% из 40 задач из реальных security-соревнований. |
| Кодинг (Agentic) | DeepSWE v1.1 | 61.7% | Превосходит DeepSeek V4 Pro 0813 и Qwen3.8 Max. |
| Кодинг (Agentic) | SWE-Atlas-QnA | 59.4% | — |
| Кодинг (Agentic) | Terminal-Bench 4 | 28.3% | — |
| Бизнес-задачи | AutomationBench | 59.9% | Оценка долгосрочных профессиональных задач. |
| Безопасность | Lakera B3 (B3) | 93.3% | Устойчивость к атакам через инъекцию промптов. |
Доступность и запуск
Модель доступна в двух официальных вариантах: FP8 и NVFP4. Также существуют квантованные версии GGUF от Unsloth и llama.cpp. Поддержка «день ноль» обеспечена для библиотек Transformers, vLLM и llama.cpp. Для развертывания доступны Inference Endpoints и серверный инференс через Inference Providers.
В реализации Transformers модель использует AutoModelForMultimodalLM и поддерживает уровни усилий рассуждения (reasoning effort): low, medium, high (по умолчанию high). Отключить рассуждения нельзя, даже если передать none.
Источник: Hugging Face blog ↗