الإجاباتمنشور25 المصادر
ماذا تكشفه إتاحة أوزان Mistral Large 4 المفتوحة؟
أعلنت ميسترال إتاحة أوزان Large 4 في 29 أكتوبر، وقالت إن نتيجة Terminal Bench 4.0 ارتفعت من 28% إلى 41% بعد تدريب إضافي بالتعلّم المعزّز. يضم النموذج متعدد الوسائط 1.05 تريليون معامل إجمالاً، ويأتي بترخيص معدل عن MIT؛ لذا ينبغي مراجعة شروط الترخيص قبل تقديمه كخدمة مستضافة.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- أعلنت ميسترال إتاحة أوزان Large 4 في 29 أكتوبر، وقالت إن نتيجة Terminal Bench 4.0 ارتفعت من 28% إلى 41% بعد تدريب إضافي بالتعلّم المعزّز.
- يضم النموذج متعدد الوسائط 1.05 تريليون معامل إجمالاً، ويأتي بترخيص معدل عن MIT؛ لذا ينبغي مراجعة شروط الترخيص قبل تقديمه كخدمة مستضافة.
- تقول ميسترال إن النموذج حقق 51% في Cyber Index ورفض 96.6% من الطلبات السيبرانية الخبيثة في الاختبارات، لكن هذه النتائج لا تضمن منع إساءة الاستخدام.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open-weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
أطلقت ميسترال الأوزان المفتوحة لنموذجها Mistral Large 4، المعروف بلقب «لو شونك»، في 29 أكتوبر، بعد إتاحته بنسخة تجريبية في 6 أكتوبر. وتقدّم الشركة الإصدار بوصفه خياراً أقوى للبرمجة والأمن السيبراني الدفاعي. لكن أرقام الاختبارات، على أهميتها، تظل نتائج لمهام محددة؛ ولا تكفي وحدها لإثبات أن النموذج يتفوق في كل استخدام.4
7
9
18
ما الذي تغيّر منذ النسخة التجريبية؟
تقول ميسترال إن جولات إضافية من التعلّم المعزّز رفعت نتيجة Large 4 في اختبار Terminal-Bench 4.0 من 28% في النسخة التجريبية إلى 41% في الإصدار المنشور، أي بزيادة 13 نقطة مئوية.21
31 كما بلغ النموذج، وفقاً للشركة، 48% في مؤشر Artificial Analysis Coding Agent، وهي نتيجة تعادل GLM-5.3، مع استخدام رموز أقل بنسبة 47% لكل مهمة في تلك المقارنة.
31
35
هذه الأرقام مرتبطة باختبارات بعينها، ولا تثبت أداء النموذج في جميع أعمال البرمجة. كما أن تقليل عدد الرموز لا يعني تلقائياً انخفاض التكلفة الإجمالية للتشغيل. ولا تتوافر في التقارير المذكورة مقارنة رقمية موثقة ومتكافئة مع Mythos 5.1 من Anthropic.
نموذج متعدد الوسائط وبنية ضخمة
تصف وثائق ميسترال Large 4 بأنه نموذج متعدد الوسائط قائم على بنية «مزيج الخبراء»، بإجمالي 1.05 تريليون معامل، إلى جانب مُشفّر للرؤية يضم 1.6 مليار معامل.17 لكن الرقم الإجمالي يحتاج إلى توضيح: فصفحة النموذج على Hugging Face تذكر تفعيل 49 مليار معامل لكل رمز، أو 52 ملياراً عند احتساب التضمينات وطبقة الإخراج.
20
وقالت ميسترال عند الإعلان عن النسخة التجريبية إن تدريب النموذج جرى باستخدام 3,800 وحدة معالجة Nvidia Grace Blackwell في مراكز بياناتها الأوروبية.6 وتتيح النسخة المنشورة ثلاثة مستويات للاستدلال: منخفض ومتوسط وعالٍ، ليختار المستخدم مقدار الجهد المخصص للتفكير بحسب المهمة.
34
أوزان متاحة، لكن الترخيص يستحق القراءة
تتوفر الأوزان عبر Hugging Face، ويُسمى الترخيص المنشور «Mistral Ecosystem Open-Weight License»، ويصف نصه نفسه بأنه نسخة معدّلة من ترخيص MIT.18
32 لذلك، لا ينبغي افتراض أن وصف «الأوزان المفتوحة» يعني أن كل أشكال إعادة التوزيع أو تقديم النموذج كخدمة مستضافة تخضع تلقائياً لشروط MIT المعتادة. على الجهات التي تطوّر خدمة تجارية مراجعة نص الترخيص والتحقق من الشروط المنطبقة على استخداماتها.
32
36
عملياً، يتيح نشر الأوزان للفرق الحصول على ملفات النموذج بدلاً من الاعتماد حصراً على واجهة برمجية لدى مزوّد. وقد يفتح ذلك المجال للاستضافة الذاتية أو تعديل النموذج، لكن الإعلان وحده لا يحدد البنية التحتية التي سيحتاج إليها كل نشر.
أرقام الأمن السيبراني ليست ضماناً
تورد تغطية الإطلاق نتيجة 51% في Artificial Analysis Cyber Index، ومتوسطاً قدره 96.6% لرفض الطلبات السيبرانية الخبيثة.31
33 هذه نتائج تقييم معلنة، وليست ضماناً بأن النموذج سيرفض كل طلب ضار أو أن إتاحة أوزانه تخلو من مخاطر إساءة الاستخدام.
فقياس القدرة على مهام الأمن الدفاعي يختلف عن قياس مقاومة الطلبات الخبيثة. ومن الأفضل النظر إلى الرقمين مع تفاصيل الاختبارات ومتطلبات كل نشر؛ فهما وحدهما لا يحسمان مخاطر إتاحة نموذج واسع الاستخدام.
ما الذي تعنيه الإتاحة، وما الذي لا تثبته؟
تمنح Large 4 المؤسسات خياراً إضافياً من نماذج الأوزان المفتوحة المطوّرة في أوروبا، ضمن سوق يضم نماذج مفتوحة ومغلقة من مناطق أخرى. وقد سلّطت ميسترال الضوء على البنية التحتية الأوروبية للتدريب وعلى أداء النموذج مقارنة بمنافسين ذوي أوزان مفتوحة.6
15
18 لكن الفارق العملي الأوضح للمستخدم هو إمكان الوصول إلى الأوزان وفحصها ونشرها، لا استنتاج عام عن جودة النموذج من بلد منشئه.
الخلاصة المدعومة بالأرقام أضيق من ادعاء التفوق الشامل: تقول ميسترال إن أداء النموذج تحسّن في اختبارات برمجة محددة بين النسخة التجريبية والإصدار المنشور، وإنه حقق نتيجة تنافسية في مؤشر لوكلاء البرمجة مع استخدام رموز أقل في مقارنة واحدة. قد تجعل هذه النتائج Large 4 جديراً بالاختبار على مهام الفرق الفعلية؛ لكنها لا تثبت تفوقه في كل المجالات، ولا تؤكد بشكل مستقل جميع ادعاءات الأمن السيبراني، ولا تلغي ضرورة مراجعة الترخيص ومخاطر النشر.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "ماذا تكشفه إتاحة أوزان Mistral Large 4 المفتوحة؟"؟
أعلنت ميسترال إتاحة أوزان Large 4 في 29 أكتوبر، وقالت إن نتيجة Terminal Bench 4.0 ارتفعت من 28% إلى 41% بعد تدريب إضافي بالتعلّم المعزّز.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أعلنت ميسترال إتاحة أوزان Large 4 في 29 أكتوبر، وقالت إن نتيجة Terminal Bench 4.0 ارتفعت من 28% إلى 41% بعد تدريب إضافي بالتعلّم المعزّز. يضم النموذج متعدد الوسائط 1.05 تريليون معامل إجمالاً، ويأتي بترخيص معدل عن MIT؛ لذا ينبغي مراجعة شروط الترخيص قبل تقديمه كخدمة مستضافة.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
تقول ميسترال إن النموذج حقق 51% في Cyber Index ورفض 96.6% من الطلبات السيبرانية الخبيثة في الاختبارات، لكن هذه النتائج لا تضمن منع إساءة الاستخدام.