AnswersPublished25 sources
Mistral Large 4:n avoimet painot lupaavat koodauksessa, mutta tuloksia kannattaa lukea tarkasti
Mistral julkaisi Large 4:n avoimet painot 29. lokakuuta. Multimodaalisessa mallissa on yhteensä 1,05 biljoonaa parametria.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Mistral julkaisi Large 4:n avoimet painot 29. lokakuuta.
- Multimodaalisessa mallissa on yhteensä 1,05 biljoonaa parametria. Sen lisenssi on muokattu MIT lisenssi, joten etenkin mallia palveluna tarjoavien kannattaa tarkistaa ehdot.
- Mistral raportoi mallille 51 prosentin Cyber Index tuloksen ja 96,6 prosentin kieltäytymisasteen haitallisissa kyberpyynnöissä.
AI Prompt
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,
Mistral julkaisi Mistral Large 4 -mallin avoimet painot 29. lokakuuta. Malli tunnetaan myös lempinimellä ”Le Chonk”, ja sitä oli esitelty ennakkoversiona 6. lokakuuta. Yhtiö markkinoi julkaisua vahvana avoimien painojen vaihtoehtona koodaukseen ja puolustavaan kyberturvallisuustyöhön. Raportoidut tulokset ovat huomionarvoisia, mutta ne koskevat tiettyjä testejä – eivät todista mallia parhaaksi kaikissa käyttötarkoituksissa.4
7
9
18
Ennakkoversiosta julkaisuun: mitä muuttui?
Mistralin mukaan lisävahvistusoppiminen nosti Large 4:n Terminal-Bench 4.0 -tuloksen ennakkoversion 28 prosentista julkaistun version 41 prosenttiin. Nousua kertyi 13 prosenttiyksikköä.21
31 Artificial Analysis Coding Agent Indexissä mallin raportoitu tulos on 48 prosenttia, sama kuin GLM-5.3:lla. Vertailussa Large 4:n kerrotaan käyttäneen tehtävää kohti 47 prosenttia vähemmän tokeneita.
31
35
Luvut kuvaavat suoriutumista rajatuissa arvioinneissa. Ne eivät kerro, miten malli pärjää kaikenlaisessa ohjelmistotyössä. Myöskään pienempi tokenimäärä ei yksin osoita, että käytön kokonaiskustannukset olisivat alemmat. Saatavilla oleva uutisointi ei myöskään tarjoa perusteltua, suoraan vertailukelpoista numerotulosta Anthropic Mythos 5.1 -mallia vastaan.
Biljoonan parametrin multimodaalinen malli
Mistralin dokumentaation mukaan Large 4 on multimodaalinen mixture-of-experts-malli, jossa on yhteensä 1,05 biljoonaa parametria ja 1,6 miljardin parametrin näköenkooderi.17 Parametrimäärästä on hyvä erottaa aktiivinen osuus: Hugging Facen mallikuvauksen mukaan kutakin tokenia kohti aktiivisia parametreja on 49 miljardia, tai 52 miljardia, kun upotukset ja ulostulokerros lasketaan mukaan.
20
Mistral kertoi mallin ennakkojulkistuksen yhteydessä, että se koulutettiin yhtiön Euroopassa sijaitsevissa datakeskuksissa 3 800 Nvidia Grace Blackwell -grafiikkasuorittimella.6 Julkaisua käsittelevissä uutisissa mainitaan kolme päättelyn asetusta: matala, keskitaso ja korkea. Käyttäjä voi siis valita tehtävään sopivan päättelyn tason.
34
Avoimet painot eivät tarkoita automaattisesti MIT-ehtoja
Mallin painot ovat saatavilla Hugging Facessa. Julkaistu lisenssi on nimeltään Mistral Ecosystem Open-Weight License, ja sen tekstissä sitä kuvataan muokatuksi MIT-lisenssiksi.18
32 ”Avoimet painot” ei siis tarkoita, että kaikki jakelu- tai palvelukäyttö olisi automaattisesti tavallisen MIT-lisenssin ehtojen piirissä. Kaupallista palvelua rakentavan kannattaa lukea lisenssin ehdot ja selvittää, mitä ne koskevat juuri omassa käytössä.
32
36
Käytännössä painojen julkaisu antaa organisaatioille mahdollisuuden hankkia mallin tiedostot sen sijaan, että käyttö perustuisi pelkästään palveluntarjoajan ohjelmointirajapintaan. Se voi tehdä mallin omalla infrastruktuurilla ajamisesta tai muokkaamisesta mahdollista. Julkaisu itsessään ei kuitenkaan kerro, millaista laitteistoa yksittäinen käyttöönotto vaatii.
Kyberturvallisuusluvut vaativat tulkintaa
Julkaisua käsittelevissä lähteissä mallille ilmoitetaan 51 prosentin tulos Artificial Analysis Cyber Indexissä sekä keskimäärin 96,6 prosentin kieltäytymisaste haitallisissa kyberpyynnöissä.31
33 Kyse on raportoiduista arviointituloksista, ei takeista siitä, että malli torjuisi jokaisen haitallisen pyynnön tai ettei avoimien painojen julkaisuun liittyisi väärinkäytön riskiä.
Puolustavan kyberturvallisuuden tehtävissä suoriutuminen ja haitallisiin kehotteisiin kieltäytyminen mittaavat eri asioita. Lukuja kannattaa tarkastella arviointien menetelmien ja todellisen käyttötarkoituksen rinnalla. Ne eivät yksin ratkaise, millaisia riskejä laajasti saatavilla olevaan malliin liittyy.
Mitä julkaisu kertoo – ja mitä se ei todista?
Large 4 tuo markkinoille uuden Euroopassa kehitetyn avoimien painojen vaihtoehdon, kun tarjolla on sekä avoimia että suljettuja malleja eri puolilta maailmaa. Mistral on nostanut esiin mallin eurooppalaisen koulutusinfrastruktuurin ja sen tulokset avoimien painojen kilpailijoihin nähden.6
15
18 Käyttäjän kannalta olennainen ero on mahdollisuus saada mallin painot tarkasteltaviksi ja käyttöönotettaviksi – ei yleinen johtopäätös mallin laadusta sen kehittäjän kotimaan perusteella.
Vahvimmin tuettu johtopäätös on rajatumpi: Mistral raportoi merkittävän parannuksen koodaustestissä ennakkoversion ja julkaisun välillä. Lisäksi yhtiö ilmoittaa kilpailukykyisestä koodausagenttituloksesta ja pienemmästä tokenien käytöstä yhdessä vertailussa. Tulokset voivat tehdä Large 4:stä testaamisen arvoisen mallin omiin tehtäviin. Ne eivät kuitenkaan todista laaja-alaista ylivoimaa, vahvista riippumattomasti kaikkia kyberturvallisuusväitteitä tai poista tarvetta arvioida lisenssiä ja käyttöönoton riskejä.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Mistral Large 4:n avoimet painot lupaavat koodauksessa, mutta tuloksia kannattaa lukea tarkasti"?
Mistral julkaisi Large 4:n avoimet painot 29. lokakuuta.
What are the key points to validate first?
Mistral julkaisi Large 4:n avoimet painot 29. lokakuuta. Multimodaalisessa mallissa on yhteensä 1,05 biljoonaa parametria. Sen lisenssi on muokattu MIT lisenssi, joten etenkin mallia palveluna tarjoavien kannattaa tarkistaa ehdot.
What should I do next in practice?
Mistral raportoi mallille 51 prosentin Cyber Index tuloksen ja 96,6 prosentin kieltäytymisasteen haitallisissa kyberpyynnöissä.