JawabanDipublikasikan25 sumber
Mistral Large 4 “Le Chonk”: Apa yang Sebenarnya Ditunjukkan oleh Rilis Bobot Terbukanya?
Mistral merilis bobot Large 4 pada 29 Oktober. Perusahaan melaporkan skor Terminal Bench 4.0 naik dari 28% saat pratinjau menjadi 41% setelah pelatihan reinforcement learning tambahan.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Mistral merilis bobot Large 4 pada 29 Oktober. Perusahaan melaporkan skor Terminal Bench 4.0 naik dari 28% saat pratinjau menjadi 41% setelah pelatihan reinforcement learning tambahan.
- Model multimodal ini memiliki total 1,05 triliun parameter. Lisensinya merupakan versi modifikasi dari MIT, sehingga ketentuannya perlu diperiksa sebelum model dipakai untuk layanan komersial.
- Mistral juga melaporkan skor 51% pada Cyber Index dan tingkat penolakan rata rata 96,6% untuk permintaan siber 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, 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 merilis bobot terbuka Mistral Large 4, yang dijuluki “Le Chonk”, pada 29 Oktober 2026 setelah memperkenalkan pratinjaunya pada 6 Oktober. Perusahaan memosisikannya sebagai pilihan berbobot terbuka yang lebih kuat untuk coding dan keamanan siber defensif. Sejumlah hasil benchmark yang dilaporkan memang menarik, tetapi angka-angka itu mengukur tugas tertentu—bukan bukti bahwa model ini unggul dalam semua jenis pekerjaan.4
7
9
18
Apa yang berubah sejak pratinjau?
Menurut Mistral, reinforcement learning tambahan meningkatkan skor Large 4 pada Terminal-Bench 4.0 dari 28% saat pratinjau menjadi 41% pada versi rilis. Itu berarti kenaikan 13 poin persentase.21
31 Perusahaan juga melaporkan skor 48% pada Artificial Analysis Coding Agent Index, setara dengan GLM-5.3. Dalam perbandingan tersebut, Large 4 disebut menggunakan 47% lebih sedikit token per tugas.
31
35
Angka-angka itu berlaku untuk evaluasi tertentu. Hasil tersebut tidak otomatis menggambarkan kinerja model dalam semua pekerjaan pemrograman, dan jumlah token yang lebih sedikit belum tentu berarti biaya operasional keseluruhan lebih rendah. Laporan yang tersedia juga tidak menyajikan perbandingan numerik yang sepadan dan terverifikasi dengan Mythos 5.1 dari Anthropic.
Model multimodal dengan 1,05 triliun parameter
Dokumentasi Mistral menggambarkan Large 4 sebagai model multimodal dengan arsitektur mixture of experts (MoE), total 1,05 triliun parameter, dan encoder visi berukuran 1,6 miliar parameter.17 Angka total itu perlu dibaca bersama jumlah parameter yang benar-benar aktif saat model memproses token: deskripsi model di Hugging Face mencantumkan 49 miliar parameter aktif per token, atau 52 miliar jika embedding dan lapisan output ikut dihitung.
20
Dalam pengumuman pratinjaunya, Mistral mengatakan model ini dilatih menggunakan 3.800 GPU Nvidia Grace Blackwell di pusat data perusahaan di Eropa.6 Laporan mengenai rilisnya juga menyebut tiga pilihan tingkat penalaran—rendah, sedang, dan tinggi—agar pengguna dapat menyesuaikan upaya penalaran model.
34
Bobot terbuka bukan berarti semua penggunaan bebas dari syarat
Bobot Large 4 tersedia melalui Hugging Face dengan lisensi bernama Mistral Ecosystem Open-Weight License. Teks lisensi tersebut menyebutnya sebagai versi modifikasi dari lisensi MIT.18
32 Karena itu, istilah “bobot terbuka” tidak berarti semua bentuk distribusi ulang atau layanan model otomatis tunduk pada ketentuan MIT standar. Organisasi yang hendak menawarkan produk komersial sebaiknya membaca lisensi dan memastikan ketentuan yang berlaku untuk penggunaan mereka.
32
36
Secara praktis, ketersediaan bobot memungkinkan tim memperoleh model secara langsung, alih-alih hanya mengaksesnya melalui API penyedia. Ini dapat membuka pilihan untuk menjalankan model sendiri atau memodifikasinya. Namun, rilis bobot saja tidak menjelaskan kebutuhan infrastruktur untuk setiap penerapan.
Klaim keamanan siber perlu dibaca dengan cermat
Laporan mengenai rilis ini menyebut skor 51% pada Artificial Analysis Cyber Index serta tingkat penolakan rata-rata 96,6% untuk permintaan siber berbahaya.31
33 Angka-angka tersebut merupakan hasil evaluasi yang dilaporkan, bukan jaminan bahwa model akan menolak setiap permintaan berbahaya atau bahwa bobot yang tersedia luas tak memiliki risiko penyalahgunaan.
Kemampuan dalam evaluasi keamanan defensif dan ketahanan terhadap permintaan berbahaya mengukur hal yang berbeda. Keduanya perlu dinilai bersama rincian pengujian dan kebutuhan penerapan nyata; angka itu saja belum cukup untuk menyimpulkan bahwa risiko dari model yang tersedia luas telah teratasi.
Arti rilis ini—dan batas kesimpulannya
Large 4 menambah pilihan model berbobot terbuka yang dikembangkan di Eropa di tengah persaingan dengan model terbuka maupun tertutup dari berbagai wilayah. Mistral menyoroti infrastruktur pelatihan di Eropa dan hasil modelnya dibandingkan dengan pesaing berbobot terbuka.6
15
18 Bagi pengguna, perbedaan yang paling konkret adalah tersedianya bobot untuk diperiksa dan dijalankan—bukan kesimpulan umum tentang mutu model berdasarkan negara asal pembuatnya.
Kesimpulan yang paling kuat dari informasi yang tersedia lebih terbatas: Mistral melaporkan kenaikan berarti pada benchmark coding antara pratinjau dan rilis, serta skor coding-agent yang kompetitif dengan penggunaan token lebih rendah dalam satu perbandingan. Hasil itu bisa menjadi alasan untuk menguji Large 4 pada tugas tim sendiri. Namun, hasil tersebut tidak membuktikan keunggulan menyeluruh, tidak mengonfirmasi secara independen setiap klaim keamanan siber, dan tidak menghapus kebutuhan untuk menilai lisensi serta risiko penerapannya.
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 Large 4 “Le Chonk”: Apa yang Sebenarnya Ditunjukkan oleh Rilis Bobot Terbukanya?"?
Mistral merilis bobot Large 4 pada 29 Oktober. Perusahaan melaporkan skor Terminal Bench 4.0 naik dari 28% saat pratinjau menjadi 41% setelah pelatihan reinforcement learning tambahan.
Apa poin penting yang harus divalidasi terlebih dahulu?
Mistral merilis bobot Large 4 pada 29 Oktober. Perusahaan melaporkan skor Terminal Bench 4.0 naik dari 28% saat pratinjau menjadi 41% setelah pelatihan reinforcement learning tambahan. Model multimodal ini memiliki total 1,05 triliun parameter. Lisensinya merupakan versi modifikasi dari MIT, sehingga ketentuannya perlu diperiksa sebelum model dipakai untuk layanan komersial.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Mistral juga melaporkan skor 51% pada Cyber Index dan tingkat penolakan rata rata 96,6% untuk permintaan siber berbahaya.