उत्तरप्रकाशित25 स्रोत
मिस्ट्रल लार्ज 4: कोडिंग में बढ़त, साइबर दावों पर ज़रूरी सावधानी
मिस्ट्रल ने 29 अक्टूबर को लार्ज 4 के ओपन वेट्स जारी किए। कंपनी के मुताबिक, अतिरिक्त रीइन्फोर्समेंट लर्निंग के बाद Terminal Bench 4.0 स्कोर 28% से बढ़कर 41% हुआ। इस मल्टीमॉडल मॉडल में कुल 1.05 ट्रिलियन पैरामीटर हैं। इसका लाइसेंस MIT लाइसेंस का संशोधित रूप है, इसलिए व्यावसायिक इस्तेमाल से पहले शर्तें पढ़ना ज़रूरी है।...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- मिस्ट्रल ने 29 अक्टूबर को लार्ज 4 के ओपन वेट्स जारी किए। कंपनी के मुताबिक, अतिरिक्त रीइन्फोर्समेंट लर्निंग के बाद Terminal Bench 4.0 स्कोर 28% से बढ़कर 41% हुआ।
- इस मल्टीमॉडल मॉडल में कुल 1.05 ट्रिलियन पैरामीटर हैं। इसका लाइसेंस MIT लाइसेंस का संशोधित रूप है, इसलिए व्यावसायिक इस्तेमाल से पहले शर्तें पढ़ना ज़रूरी है।
- मिस्ट्रल ने Cyber Index पर 51% स्कोर और दुर्भावनापूर्ण साइबर अनुरोधों पर 96.6% औसत इनकार दर बताई है। ये आंकड़े इस बात की गारंटी नहीं देते कि ओपन वेट्स का दुरुपयोग नहीं हो सकता।
AI संकेत
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,
मिस्ट्रल ने 6 अक्टूबर को शुरुआती पूर्वावलोकन देने के बाद 29 अक्टूबर को Mistral Large 4 के ओपन वेट्स जारी किए। ‘Le Chonk’ उपनाम वाले इस मॉडल को कंपनी कोडिंग और रक्षात्मक साइबर सुरक्षा के लिए एक बेहतर ओपन-वेट विकल्प के रूप में पेश कर रही है। बताए गए बेंचमार्क नतीजे ध्यान खींचते हैं, लेकिन उन्हें खास परीक्षणों के नतीजे समझना चाहिए—हर तरह के काम में मॉडल के अव्वल होने का फैसला नहीं।4
7
9
18
पूर्वावलोकन के बाद क्या बदला?
मिस्ट्रल के मुताबिक, अतिरिक्त रीइन्फोर्समेंट लर्निंग के बाद Large 4 का Terminal-Bench 4.0 स्कोर शुरुआती पूर्वावलोकन के 28% से बढ़कर जारी संस्करण में 41% हो गया—यानी 13 प्रतिशत-अंकों की बढ़त।21
31 Artificial Analysis Coding Agent Index पर कंपनी ने 48% स्कोर बताया है, जो GLM-5.3 के स्कोर के बराबर है। इस तुलना में Large 4 ने हर काम के लिए 47% कम टोकन इस्तेमाल किए, ऐसा रिपोर्टिंग में कहा गया है।
31
35
ये आंकड़े कुछ खास मूल्यांकनों से जुड़े हैं। इनसे यह साबित नहीं होता कि मॉडल हर तरह के प्रोग्रामिंग काम में बेहतर है। इसी तरह, कम टोकन इस्तेमाल होना अपने-आप कुल संचालन लागत कम होने का प्रमाण नहीं है। उपलब्ध रिपोर्टिंग में Anthropic के Mythos 5.1 के साथ ठोस और समान आधार पर की गई संख्यात्मक तुलना भी नहीं दी गई है।
एक ट्रिलियन पैरामीटर वाला मल्टीमॉडल मॉडल
मिस्ट्रल के दस्तावेज़ Large 4 को mixture-of-experts ढांचे वाला मल्टीमॉडल मॉडल बताते हैं। इसमें कुल 1.05 ट्रिलियन पैरामीटर और 1.6 अरब पैरामीटर वाला विज़न एन्कोडर है।17 कुल पैरामीटर की संख्या को संदर्भ के साथ समझना ज़रूरी है: Hugging Face पर मॉडल के विवरण के मुताबिक, हर टोकन के लिए 49 अरब पैरामीटर सक्रिय होते हैं; एम्बेडिंग और आउटपुट लेयर जोड़ने पर यह संख्या 52 अरब है।
20
मिस्ट्रल ने शुरुआती घोषणा में कहा था कि मॉडल को यूरोप स्थित अपने डेटा केंद्रों में 3,800 Nvidia Grace Blackwell GPU का इस्तेमाल करके प्रशिक्षित किया गया।6 रिलीज़ से जुड़ी रिपोर्टिंग में तर्क-क्षमता के तीन स्तर—low, medium और high—बताए गए हैं, ताकि उपयोगकर्ता अपनी ज़रूरत के मुताबिक चुन सकें।
34
ओपन वेट्स हैं, लेकिन लाइसेंस पढ़ना ज़रूरी
मॉडल के वेट्स Hugging Face पर उपलब्ध हैं। प्रकाशित लाइसेंस का नाम Mistral Ecosystem Open-Weight License है और उसके पाठ में इसे MIT लाइसेंस का संशोधित रूप बताया गया है।18
32 इसलिए “ओपन वेट्स” का अर्थ यह नहीं मानना चाहिए कि हर तरह का पुनर्वितरण या होस्ट की गई सेवा अपने-आप सामान्य MIT शर्तों के तहत आती है। व्यावसायिक सेवा बनाने वालों को लाइसेंस पढ़कर यह देखना चाहिए कि उनके इस्तेमाल पर कौन-सी शर्तें लागू होती हैं।
32
36
इस रिलीज़ का व्यावहारिक पहलू यह है कि टीमें केवल किसी प्रदाता के API से मॉडल इस्तेमाल करने के बजाय उसके वेट्स हासिल कर सकती हैं। इससे अपने सर्वर पर मॉडल चलाना या उसमें बदलाव करना संभव हो सकता है। हालांकि, रिलीज़ से यह तय नहीं होता कि किसी खास इस्तेमाल के लिए किस तरह के हार्डवेयर या बुनियादी ढांचे की ज़रूरत होगी।
साइबर सुरक्षा के दावों को कैसे समझें?
रिलीज़ पर आई रिपोर्टिंग में Artificial Analysis Cyber Index पर 51% स्कोर और दुर्भावनापूर्ण साइबर अनुरोधों के लिए औसतन 96.6% इनकार दर बताई गई है।31
33 ये रिपोर्ट किए गए मूल्यांकन नतीजे हैं—इस बात की गारंटी नहीं कि मॉडल हर हानिकारक अनुरोध को ठुकराएगा या उसके वेट्स जारी करने से दुरुपयोग का जोखिम नहीं रहेगा।
रक्षात्मक साइबर सुरक्षा में अच्छा स्कोर और दुर्भावनापूर्ण निर्देशों के आगे न झुकना, दो अलग बातें हैं। इन आंकड़ों को मूल्यांकन के तरीकों और वास्तविक उपयोग की ज़रूरतों के साथ देखना चाहिए; अकेले इनके आधार पर व्यापक रूप से उपलब्ध मॉडल के जोखिमों पर अंतिम फैसला नहीं किया जा सकता।
इस रिलीज़ का मतलब क्या है—और क्या साबित नहीं होता?
Large 4 संगठनों को यूरोप में विकसित एक और ओपन-वेट विकल्प देता है। बाज़ार में अन्य क्षेत्रों के ओपन और क्लोज़्ड मॉडल भी शामिल हैं। मिस्ट्रल ने यूरोपीय प्रशिक्षण ढांचे और ओपन-वेट प्रतिस्पर्धियों के मुकाबले मॉडल के प्रदर्शन को प्रमुखता दी है।6
15
18 उपयोगकर्ताओं के लिए अहम फर्क यह है कि मॉडल के वेट्स देखे और तैनात किए जा सकते हैं—न कि मॉडल की गुणवत्ता के बारे में उसके देश के आधार पर कोई व्यापक निष्कर्ष।
उपलब्ध जानकारी से सबसे ठोस नतीजा सीमित है: मिस्ट्रल ने पूर्वावलोकन से रिलीज़ तक कोडिंग बेंचमार्क में बढ़त बताई है। साथ ही, एक तुलना में कम टोकन इस्तेमाल करते हुए Coding Agent Index पर प्रतिस्पर्धी स्कोर की बात कही है। इन नतीजों के आधार पर टीमें अपने कामों पर Large 4 को आज़माने पर विचार कर सकती हैं। लेकिन ये हर काम में श्रेष्ठता साबित नहीं करते, साइबर सुरक्षा के हर दावे की स्वतंत्र पुष्टि नहीं करते और लाइसेंस या तैनाती से जुड़े जोखिमों को खत्म नहीं करते।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"मिस्ट्रल लार्ज 4: कोडिंग में बढ़त, साइबर दावों पर ज़रूरी सावधानी" का संक्षिप्त उत्तर क्या है?
मिस्ट्रल ने 29 अक्टूबर को लार्ज 4 के ओपन वेट्स जारी किए। कंपनी के मुताबिक, अतिरिक्त रीइन्फोर्समेंट लर्निंग के बाद Terminal Bench 4.0 स्कोर 28% से बढ़कर 41% हुआ।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
मिस्ट्रल ने 29 अक्टूबर को लार्ज 4 के ओपन वेट्स जारी किए। कंपनी के मुताबिक, अतिरिक्त रीइन्फोर्समेंट लर्निंग के बाद Terminal Bench 4.0 स्कोर 28% से बढ़कर 41% हुआ। इस मल्टीमॉडल मॉडल में कुल 1.05 ट्रिलियन पैरामीटर हैं। इसका लाइसेंस MIT लाइसेंस का संशोधित रूप है, इसलिए व्यावसायिक इस्तेमाल से पहले शर्तें पढ़ना ज़रूरी है।
मुझे अभ्यास में आगे क्या करना चाहिए?
मिस्ट्रल ने Cyber Index पर 51% स्कोर और दुर्भावनापूर्ण साइबर अनुरोधों पर 96.6% औसत इनकार दर बताई है। ये आंकड़े इस बात की गारंटी नहीं देते कि ओपन वेट्स का दुरुपयोग नहीं हो सकता।