JawabanDipublikasikan19 sumber
Mistral membuka bobot model AI Large 4: apa arti klaim performa “Le Chonk”?
Mistral merilis bobot Mistral Large 4—dijuluki “Le Chonk”—pada 29 Oktober, setelah membuka pratinjau publik pada 6 Oktober.[9][18] Model ini memiliki 1,05 triliun parameter total, dengan 52 miliar parameter aktif, serta encoder visi 1,6 miliar parameter.[1] Mistral melaporkan skor Terminal Bench 4.0 naik dari 28% me...
Diterbitkan olehGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Mistral merilis bobot Mistral Large 4—dijuluki “Le Chonk”—pada 29 Oktober, setelah membuka pratinjau publik pada 6 Oktober.[9][18]
- Model ini memiliki 1,05 triliun parameter total, dengan 52 miliar parameter aktif, serta encoder visi 1,6 miliar parameter.[1]
- Mistral melaporkan skor Terminal Bench 4.0 naik dari 28% menjadi 41%. Skor pada Artificial Analysis Coding Agent Index tercatat 48%, setara dengan GLM 5.3 dan memakai 47% lebih sedikit token per tugas.[10][11]
- Mistral juga melaporkan skor 51% pada Cyber Index dan tingkat penolakan rata rata 96,6% untuk permintaan terkait siber yang berbahaya.
AI Perintah
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 web, ai safety, openai, agents, ai. 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, charts w
Mistral merilis bobot Mistral Large 4, model andalan yang dijuluki “Le Chonk”, pada 29 Oktober. Rilis ini menyusul pratinjau publik pada 6 Oktober. Perusahaan mengklaim model tersebut menonjol di antara model berbobot terbuka untuk coding dan pertahanan siber.9
18
Bobot terbuka berarti berkas model dapat diunduh dan dijalankan atau disesuaikan oleh pihak lain, berbeda dari layanan yang hanya bisa diakses lewat API. Namun, istilah itu tidak otomatis berarti tanpa syarat: model ini dirilis dengan lisensi khusus, bukan sekadar lisensi MIT standar.
Apa yang diketahui tentang Large 4?
Dokumentasi Mistral menyebut Large 4 sebagai model multimodal berbasis mixture of experts (MoE)—arsitektur yang mengaktifkan sebagian komponen model untuk menangani tiap token. Jumlah parameternya 1,05 triliun, dengan 52 miliar parameter aktif dan encoder visi 1,6 miliar parameter.1
Mistral mengatakan model ini dilatih menggunakan 3.800 GPU Nvidia Grace Blackwell di pusat datanya di Eropa.15 Dalam pengaturan penalaran, pengguna dapat memilih tingkat rendah, sedang, atau tinggi; tingkat tinggi menjadi setelan bawaan menurut laporan yang tersedia.
10
Hasil coding: ada peningkatan, tetapi bukan bukti unggul di semua tugas
Pada Terminal-Bench 4.0, yang menguji tugas-tugas penggunaan terminal, Mistral melaporkan skor 41%—naik 13 poin persentase dari hasil pratinjau.10
11 Di Artificial Analysis Coding Agent Index, skornya dilaporkan sebesar 48%, setara dengan GLM-5.3, sambil menggunakan 47% lebih sedikit token per tugas.
11
Hasil benchmark dapat menjadi petunjuk untuk membandingkan model, tetapi tidak membuktikan bahwa satu model selalu lebih baik untuk setiap jenis pekerjaan. Kinerja dan efisiensi juga bisa berbeda menurut tugas, perangkat keras, dan cara model digunakan.
Mistral mengaitkan peningkatan tersebut dengan pelatihan penguatan tambahan. Namun, bukti yang tersedia tidak memastikan bahwa prosesnya tepat berlangsung selama tiga minggu. Klaim spesifik tentang pengurangan token sebesar 30% pada Terminal-Bench juga tidak terverifikasi dari sumber yang ada.
Klaim keamanan siber perlu dibaca dengan batasan
Laporan sekunder mencantumkan skor 51% pada Cyber Index serta tingkat penolakan rata-rata 96,6% untuk permintaan siber berbahaya.8
11 Metrik ini menunjukkan hasil pada evaluasi tertentu; angka penolakan yang tinggi bukan jaminan bahwa model tidak dapat disalahgunakan.
Kemampuan membantu pertahanan siber dan kemampuan menolak permintaan berbahaya adalah dua hal berbeda. Sumber yang tersedia juga belum menjelaskan secara memadai metodologi pengujiannya atau mengonfirmasi klaim tentang dukungan Cisco, CrowdStrike, dan Cloudflare. Karena itu, angka tersebut sebaiknya dipahami sebagai hasil yang dilaporkan, bukan sertifikasi keamanan menyeluruh.
Bobot terbuka, tetapi lisensinya tetap penting
Berkas rilis mencantumkan “Mistral Ecosystem Open-Weight License” dan menyebutnya sebagai versi modifikasi dari lisensi MIT.7 Laporan sekunder menyatakan pembatasan tambahan ditujukan kepada pihak yang menjual akses model sebagai layanan (model-as-a-service), sementara pengguna yang meng-host model sendiri, melakukan penyetelan lanjutan, atau membangun produk akhir disebut tidak terkena kewajiban komersial yang sama.
12
Namun, rincian kewajiban bagi penyedia layanan yang meng-host model belum dapat dipastikan dari kutipan sumber yang tersedia. Jadi, pengembang dan perusahaan sebaiknya membaca teks lisensi secara langsung sebelum memakai model dalam layanan komersial.
Maknanya bagi persaingan AI
Rilis ini menambah pilihan model berbobot terbuka dari perusahaan Eropa. Mistral memosisikannya sebagai pesaing model terbuka dari Tiongkok dan model unggulan yang bobotnya tertutup.9
14 Bagi pengguna, salah satu perbedaan praktisnya adalah kemungkinan mengunduh dan menjalankan bobot sendiri, alih-alih sepenuhnya bergantung pada akses API penyedia.
Klaim penggunaan token yang lebih hemat berpotensi menarik bagi pengembang, tetapi belum cukup untuk menyimpulkan biaya penerapan keseluruhan lebih rendah. Biaya perangkat keras, kecepatan respons, harga layanan, dan jenis beban kerja juga berpengaruh.
Sejumlah klaim yang lebih luas—termasuk angka pendanaan Mistral, kabar putaran pendanaan tertentu, pernyataan sejumlah tokoh, dan dugaan perubahan kebijakan perusahaan lain—tidak dapat dipastikan dari bukti yang tersedia. Klaim-klaim tersebut sebaiknya tidak dianggap sebagai fakta yang sudah terkonfirmasi berdasarkan sumber di sini.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Mistral membuka bobot model AI Large 4: apa arti klaim performa “Le Chonk”?"?
Mistral merilis bobot Mistral Large 4—dijuluki “Le Chonk”—pada 29 Oktober, setelah membuka pratinjau publik pada 6 Oktober.[9][18]
Apa poin penting yang harus divalidasi terlebih dahulu?
Mistral merilis bobot Mistral Large 4—dijuluki “Le Chonk”—pada 29 Oktober, setelah membuka pratinjau publik pada 6 Oktober.[9][18] Model ini memiliki 1,05 triliun parameter total, dengan 52 miliar parameter aktif, serta encoder visi 1,6 miliar parameter.[1]
Apa yang harus saya lakukan selanjutnya dalam latihan?
Mistral melaporkan skor Terminal Bench 4.0 naik dari 28% menjadi 41%. Skor pada Artificial Analysis Coding Agent Index tercatat 48%, setara dengan GLM 5.3 dan memakai 47% lebih sedikit token per tugas.[10][11]