Mistral mengeluarkan pemberat Large 4, atau “Le Chonk”, pada 29 Oktober, selepas pratonton awam pada 6 Oktober.[9][18] Model multimodal ini mempunyai 1.05 trilion parameter keseluruhan dan 52 bilion parameter aktif, menurut dokumentasi Mistral.[1] Mistral melaporkan skor Terminal Bench 4.0 meningkat daripada 28% kep...
Diterbitkan olehImej dijana dengan GPT Image 2
Research answer

Create 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 telah mengeluarkan pemberat model Large 4—yang digelar “Le Chonk”—pada 29 Oktober, selepas memperkenalkan pratonton awam pada 6 Oktober.9
18 Syarikat itu mendakwa model baharunya menawarkan prestasi terkemuka dalam kalangan model berpemberat terbuka untuk pengekodan dan pertahanan siber.
9 Namun, angka yang dilaporkan perlu dibaca sebagai keputusan ujian tertentu, bukan bukti bahawa model ini sentiasa lebih baik atau selamat untuk semua kegunaan.
Mistral Large 4 ialah model multimodal berasaskan seni bina Mixture-of-Experts, iaitu sebahagian daripada parameternya diaktifkan bagi setiap tugasan. Dokumentasi rasmi menyatakan model ini mempunyai 1.05 trilion parameter keseluruhan, 52 bilion parameter aktif dan pengekod penglihatan dengan 1.6 bilion parameter.1
Mistral juga melaporkan bahawa model itu dilatih menggunakan 3,800 GPU Nvidia Grace Blackwell di pusat datanya di Eropah.15 Untuk penaakulan, pengguna boleh memilih tahap rendah, sederhana atau tinggi; tahap tinggi ditetapkan sebagai pilihan lalai.
10
Dalam Terminal-Bench 4.0, ujian yang menilai tugasan berkaitan penggunaan terminal, Mistral Large 4 mendapat 41%, berbanding 28% ketika pratonton—peningkatan 13 mata peratusan selepas latihan pengukuhan tambahan.10
11 Petikan sumber yang tersedia tidak mengesahkan bahawa latihan itu berlangsung tepat selama tiga minggu.
Model ini turut mencatat 48% dalam Artificial Analysis Coding Agent Index, seri dengan GLM-5.3 menurut laporan yang memetik angka tersebut. Laporan sama menyatakan Large 4 menggunakan 47% lebih sedikit token bagi setiap tugasan.11 Penggunaan token yang lebih rendah mungkin menarik bagi sesetengah aplikasi, tetapi angka itu sahaja tidak membuktikan kos keseluruhan lebih rendah. Perkakasan, masa respons, harga dan jenis tugasan juga penting.
Pemberat model diterbitkan di bawah Mistral Ecosystem Open-Weight License, yang dinyatakan sebagai versi MIT yang diubah suai.7 Laporan sekunder mengatakan lesen itu menyasarkan perkhidmatan yang menjual akses kepada model sebagai perkhidmatan, manakala penggunaan seperti pengehosan sendiri, penalaan halus dan pembinaan produk mungkin dilayan berbeza.
12
Oleh sebab ringkasan yang tersedia tidak menerangkan keseluruhan kewajipan lesen bagi setiap jenis penyedia, organisasi yang mahu menawarkan model melalui perkhidmatan terhos wajar menyemak teks lesen asal. “Pemberat terbuka” menerangkan bahawa pemberat model boleh diperoleh; ia tidak dengan sendirinya menjawab semua soalan tentang syarat penggunaan atau pengedaran semula.
Laporan sekunder menyebut skor 51% pada Cyber Index dan kadar penolakan purata 96.6% bagi permintaan siber berniat jahat.8
10
11 Mistral turut memposisikan Large 4 sebagai model untuk pertahanan siber.
9
Namun, skor pertahanan siber dan kadar penolakan permintaan berniat jahat mengukur perkara yang berbeza. Angka penanda aras bukan jaminan model tidak akan disalahgunakan, dan petikan sumber yang ada tidak memberikan butiran lengkap tentang kaedah ujian atau mengesahkan dakwaan sokongan daripada Cisco, CrowdStrike dan Cloudflare. Oleh itu, dakwaan tersebut tidak wajar dianggap sebagai pengesahan menyeluruh tentang keselamatan model.
Pemberat yang boleh dimuat turun memberi pembangun pilihan untuk menjalankan atau menyesuaikan model di luar API yang dikawal oleh penyedia—tertakluk pada kemampuan teknikal dan syarat lesen. Pelancaran ini juga menambah satu lagi pilihan berpemberat terbuka dari Eropah, yang Mistral letakkan dalam persaingan dengan model China dan model tertutup.9
14
Perkara utama bukan sekadar asal negara model. Bagi organisasi, soalan praktikalnya ialah sama ada mereka memerlukan kawalan lebih besar terhadap penempatan model, sanggup menanggung kos pengkomputeran sendiri dan dapat mengurus risiko keselamatan serta pematuhan. Keputusan penanda aras Large 4 memberi beberapa petunjuk awal, tetapi prestasinya tetap perlu diuji pada tugasan sebenar sebelum dipilih.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Mistral mengeluarkan pemberat Large 4, atau “Le Chonk”, pada 29 Oktober, selepas pratonton awam pada 6 Oktober.[9][18]
Mistral mengeluarkan pemberat Large 4, atau “Le Chonk”, pada 29 Oktober, selepas pratonton awam pada 6 Oktober.[9][18] Model multimodal ini mempunyai 1.05 trilion parameter keseluruhan dan 52 bilion parameter aktif, menurut dokumentasi Mistral.[1]
Mistral melaporkan skor Terminal Bench 4.0 meningkat daripada 28% kepada 41% selepas latihan pengukuhan tambahan; tempoh tepat latihan itu tidak dapat disahkan daripada petikan sumber yang tersedia.[10][11]
Mistral mengeluarkan pemberat Large 4, atau “Le Chonk”, pada 29 Oktober, selepas pratonton awam pada 6 Oktober.[9][18] Model multimodal ini mempunyai 1.05 trilion parameter keseluruhan dan 52 bilion parameter aktif, menurut dokumentasi Mistral.[1] Mistral melaporkan skor Terminal Bench 4.0 meningkat daripada 28% kep...
Diterbitkan olehImej dijana dengan GPT Image 2
Research answer

Create 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 telah mengeluarkan pemberat model Large 4—yang digelar “Le Chonk”—pada 29 Oktober, selepas memperkenalkan pratonton awam pada 6 Oktober.9
18 Syarikat itu mendakwa model baharunya menawarkan prestasi terkemuka dalam kalangan model berpemberat terbuka untuk pengekodan dan pertahanan siber.
9 Namun, angka yang dilaporkan perlu dibaca sebagai keputusan ujian tertentu, bukan bukti bahawa model ini sentiasa lebih baik atau selamat untuk semua kegunaan.
Mistral Large 4 ialah model multimodal berasaskan seni bina Mixture-of-Experts, iaitu sebahagian daripada parameternya diaktifkan bagi setiap tugasan. Dokumentasi rasmi menyatakan model ini mempunyai 1.05 trilion parameter keseluruhan, 52 bilion parameter aktif dan pengekod penglihatan dengan 1.6 bilion parameter.1
Mistral juga melaporkan bahawa model itu dilatih menggunakan 3,800 GPU Nvidia Grace Blackwell di pusat datanya di Eropah.15 Untuk penaakulan, pengguna boleh memilih tahap rendah, sederhana atau tinggi; tahap tinggi ditetapkan sebagai pilihan lalai.
10
Dalam Terminal-Bench 4.0, ujian yang menilai tugasan berkaitan penggunaan terminal, Mistral Large 4 mendapat 41%, berbanding 28% ketika pratonton—peningkatan 13 mata peratusan selepas latihan pengukuhan tambahan.10
11 Petikan sumber yang tersedia tidak mengesahkan bahawa latihan itu berlangsung tepat selama tiga minggu.
Model ini turut mencatat 48% dalam Artificial Analysis Coding Agent Index, seri dengan GLM-5.3 menurut laporan yang memetik angka tersebut. Laporan sama menyatakan Large 4 menggunakan 47% lebih sedikit token bagi setiap tugasan.11 Penggunaan token yang lebih rendah mungkin menarik bagi sesetengah aplikasi, tetapi angka itu sahaja tidak membuktikan kos keseluruhan lebih rendah. Perkakasan, masa respons, harga dan jenis tugasan juga penting.
Pemberat model diterbitkan di bawah Mistral Ecosystem Open-Weight License, yang dinyatakan sebagai versi MIT yang diubah suai.7 Laporan sekunder mengatakan lesen itu menyasarkan perkhidmatan yang menjual akses kepada model sebagai perkhidmatan, manakala penggunaan seperti pengehosan sendiri, penalaan halus dan pembinaan produk mungkin dilayan berbeza.
12
Oleh sebab ringkasan yang tersedia tidak menerangkan keseluruhan kewajipan lesen bagi setiap jenis penyedia, organisasi yang mahu menawarkan model melalui perkhidmatan terhos wajar menyemak teks lesen asal. “Pemberat terbuka” menerangkan bahawa pemberat model boleh diperoleh; ia tidak dengan sendirinya menjawab semua soalan tentang syarat penggunaan atau pengedaran semula.
Laporan sekunder menyebut skor 51% pada Cyber Index dan kadar penolakan purata 96.6% bagi permintaan siber berniat jahat.8
10
11 Mistral turut memposisikan Large 4 sebagai model untuk pertahanan siber.
9
Namun, skor pertahanan siber dan kadar penolakan permintaan berniat jahat mengukur perkara yang berbeza. Angka penanda aras bukan jaminan model tidak akan disalahgunakan, dan petikan sumber yang ada tidak memberikan butiran lengkap tentang kaedah ujian atau mengesahkan dakwaan sokongan daripada Cisco, CrowdStrike dan Cloudflare. Oleh itu, dakwaan tersebut tidak wajar dianggap sebagai pengesahan menyeluruh tentang keselamatan model.
Pemberat yang boleh dimuat turun memberi pembangun pilihan untuk menjalankan atau menyesuaikan model di luar API yang dikawal oleh penyedia—tertakluk pada kemampuan teknikal dan syarat lesen. Pelancaran ini juga menambah satu lagi pilihan berpemberat terbuka dari Eropah, yang Mistral letakkan dalam persaingan dengan model China dan model tertutup.9
14
Perkara utama bukan sekadar asal negara model. Bagi organisasi, soalan praktikalnya ialah sama ada mereka memerlukan kawalan lebih besar terhadap penempatan model, sanggup menanggung kos pengkomputeran sendiri dan dapat mengurus risiko keselamatan serta pematuhan. Keputusan penanda aras Large 4 memberi beberapa petunjuk awal, tetapi prestasinya tetap perlu diuji pada tugasan sebenar sebelum dipilih.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Mistral mengeluarkan pemberat Large 4, atau “Le Chonk”, pada 29 Oktober, selepas pratonton awam pada 6 Oktober.[9][18]
Mistral mengeluarkan pemberat Large 4, atau “Le Chonk”, pada 29 Oktober, selepas pratonton awam pada 6 Oktober.[9][18] Model multimodal ini mempunyai 1.05 trilion parameter keseluruhan dan 52 bilion parameter aktif, menurut dokumentasi Mistral.[1]
Mistral melaporkan skor Terminal Bench 4.0 meningkat daripada 28% kepada 41% selepas latihan pengukuhan tambahan; tempoh tepat latihan itu tidak dapat disahkan daripada petikan sumber yang tersedia.[10][11]