Mistral Large 4, המכונה בחיבה ״לה שונק״ (Le Chonk), הוא מודל הדגל החדש של חברת הבינה המלאכותית מיסטרל. מדובר במודל מולטימודלי בהיקף של כטריליון פרמטרים, שמתוכם 49 מיליארד פעילים בכל רגע. ב־6 באוקטובר 2026 פתחה החברה גישה מוקדמת למודל דרך API, ואמרה כי בכוונתה לפרסם את המשקולות להורדה בהמשך החודש. הטענות על היכולות שלו מסקרנות, אבל עדיין אינן הוכחה לכך שהוא עולה באופן גורף על המודלים המובילים.
1
27
32
איך המודל בנוי ואומן
מיסטרל מתארת את Large 4 כמודל מולטימודלי מלכתחילה — כלומר, כזה שמיועד לעבד יותר מטקסט בלבד. החברה מדגישה בין היתר הבנה מולטימודלית, כולל משימות חזותיות, וכן שימושים בתכנות ובתהליכי עבודה אוטונומיים, שבהם מודל מבצע משימות בכמה שלבים.
1
10
המודל משתמש בארכיטקטורת מומחים מעורבת (Mixture of Experts, או MoE). במקום להפעיל את כל הפרמטרים עבור כל בקשה, המערכת מפעילה כ־49 מיליארד מתוך כטריליון הפרמטרים שלה בכל פעם. לכן, המספר המרשים בכותרת מתאר את הגודל הכולל של המודל — לא את מספר הפרמטרים הפעילים בכל בקשה.
1
4
מיסטרל אומרת שאימנה את המודל מאפס במרכזי הנתונים שלה באירופה. לפי דיווחים, האימון נעשה על מעבדי Nvidia Grace Blackwell, אך מספר המעבדים שפורסם אינו אחיד: בחלק מהדיווחים נכתב 3,800, ובאחרים כ־4,000. דיווח אחד מתאר אימון שנמשך כחודשיים.
11
26
29
מה הוא אמור לעשות — ומה מלמדות טענות הביצועים
מיסטרל מציגה את Large 4 כמתאים לתכנות, לתהליכי עבודה אוטונומיים, להבנת תוכן מולטימודלי, לאבטחת סייבר, לייצור ולפיננסים. אלה תחומי החוזק שהחברה מייחסת למודל, ולא הבטחה לביצועים הטובים ביותר בכל משימה.
1
7
32
החברה טוענת שהמודל מוביל במבחני ביצועים מצטברים בין מודלים בעלי משקולות פתוחות שפותחו בארצות הברית או באירופה. היא הציגה גם יתרונות בתחומים מסוימים מול מודלים סיניים. חשוב לקרוא את הטענות האלה במדויק: הדיווחים הזמינים אינם מוכיחים ש־Large 4 מנצח מודלים סיניים בכל תחום, או שהוא עולה באופן כללי על מודלים אמריקאיים מובילים וסגורים.
27
32
השוואה הוגנת תלויה במבחן המסוים, בגרסאות המודלים ובתנאי הבדיקה. החומר הזמין אינו כולל די תוצאות עצמאיות ובנות־השוואה כדי להכריע בדירוגים הרחבים האלה. לכן, נכון להתייחס בינתיים למונחים כמו ״החזק ביותר״ או ״עוקף״ כאל טענות מיוחסות — עד שיצטברו בדיקות השוואתיות נוספות.
27
32
גישה מוקדמת, פרסום משקולות ובדיקות בטיחות
נכון ל־6 באוקטובר, אפשר להשתמש ב־Large 4 דרך ה־API של מיסטרל בתצוגה מקדימה; עדיין אי אפשר להוריד את המשקולות לציבור. מיסטרל אמרה שהן יגיעו עד סוף אוקטובר, ורויטרס דיווחה על 27 באוקטובר כמועד הפרסום המתוכנן.
1
27
לפני הפרסום, מומחי אבטחת סייבר ורשויות ממשלתיות צפויים לבדוק גרסה של המודל עם פחות מגבלות בטיחות. לפי התוכנית שתוארה, מטרת הבדיקה היא לבחון את יכולות המודל לפני הפצה רחבה יותר. המקורות הזמינים אינם מפרטים תנאי פרסום פומביים, ואינם אומרים שהבדיקות מבטיחות שלא יהיה אפשר לעשות במודל שימוש לרעה.
27
גם הרישיון ותנאי ההורדה והשימוש במשקולות טרם פורסמו בחומר הזמין. VentureBeat דיווח על ציפייה לרישיון ייעודי של מיסטרל, אך זו אינה הודעה מאושרת על תנאי הרישיון הסופיים.
11
למה ההשקה חשובה לתעשיית ה־AI באירופה
אם המשקולות אכן יפורסמו, מפתחים וארגונים יוכלו להוריד את המודל ולהריץ אותו על החומרה שלהם, במקום להסתמך רק על ה־API של מיסטרל. אפשרות כזאת עשויה לתת יותר שליטה על אופן הפריסה וההתאמה של המודל, אך היא אינה מבטיחה כשלעצמה פרטיות מידע או עצמאות טכנולוגית.
27
28
הזיקה לאירופה היא גם חלק מהמסר של מיסטרל: החברה אומרת שהמודל נבנה באירופה וניתן לפריסה דרך תשתית הענן האירופית שלה. לכן, ההשקה היא מבחן לשאלה אם מעבדת AI אירופית יכולה להציע מודל מתקדם ותחרותי שאפשר להוריד — ולא רק שירות API — בשוק שבו רבים מהמודלים האמריקאיים המובילים סגורים, בעוד שחלק ניכר מהחלופות הסיניות מציעות משקולות פתוחות.
27
32
להשקה יש גם הקשר עסקי: מיסטרל הכריזה על Large 4 לאחר סבב גיוס Series D של 3 מיליארד אירו שעליו דווח בספטמבר. ההשפעה ארוכת הטווח של המודל תלויה בתוצאות של הערכות עצמאיות, ברישיון שיצורף למשקולות, ובשאלה אם ארגונים ימצאו יתרון מעשי בהרצה עצמאית.
6
7