AnswersPublished18 sources
„Le Chonk” Mistrala z otwartymi wagami: mocne wyniki, ale i ważne zastrzeżenia
Mistral udostępnił wagi modelu Large 4 29 października, po publicznej zapowiedzi z 6 października.[9] Firma podaje, że wynik modelu w Terminal Bench 4.0 wzrósł o 13 punktów procentowych do 41% po dodatkowym treningu.[10][11] Według opublikowanego zestawienia model uzyskał 48% w Coding Agent Index — tyle samo co GLM...
Opublikowane przezObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Mistral udostępnił wagi modelu Large 4 29 października, po publicznej zapowiedzi z 6 października.[9]
- Firma podaje, że wynik modelu w Terminal Bench 4.0 wzrósł o 13 punktów procentowych do 41% po dodatkowym treningu.[10][11]
- Według opublikowanego zestawienia model uzyskał 48% w Coding Agent Index — tyle samo co GLM 5.3 — zużywając o 47% mniej tokenów na zadanie.[11]
- Mistral opisuje Large 4 jako model z 1,05 bln parametrów łącznie i 52 mld aktywnych parametrów; jego wagi udostępniono na zmodyfikowanej licencji MIT.[1][7]
AI Prompt
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 udostępnił wagi swojego flagowego modelu Mistral Large 4, znanego pod przydomkiem „Le Chonk”. Nastąpiło to 29 października, po publicznej zapowiedzi z 6 października.9 To ważna różnica wobec usług dostępnych wyłącznie przez API: pobrane wagi można uruchamiać i dostosowywać we własnym środowisku, z uwzględnieniem warunków licencji.
Firma przedstawia model jako mocny w kodowaniu i obronnym cyberbezpieczeństwie. Opublikowane wyniki są interesujące, ale warto traktować je jako rezultaty konkretnych testów — nie jako dowód, że Large 4 będzie najlepszy w każdym zadaniu.
Co wiadomo o modelu?
Dokumentacja Mistrala opisuje Large 4 jako multimodalny model typu mixture of experts, z 1,05 bln parametrów łącznie, 52 mld parametrów aktywnych oraz enkoderem obrazu o 1,6 mld parametrów.1 Określenie „otwarte wagi” oznacza, że udostępniono parametry modelu; samo w sobie nie znaczy, że opublikowano każdy element procesu jego powstania.
Wagi wydano na licencji Mistral Ecosystem Open-Weight, opisanej jako zmodyfikowana wersja licencji MIT.7 Według wtórnego omówienia licencja wprowadza ograniczenie dotyczące odsprzedaży dostępu do modelu jako usługi, podczas gdy własne wdrożenia i dostosowywanie są traktowane inaczej.
12 Przed komercyjnym użyciem warto sprawdzić pełny tekst licencji i ocenić, czy obejmuje konkretny sposób udostępniania modelu.
Kodowanie: poprawa w benchmarkach
Mistral podaje, że po dodatkowym treningu wynik Large 4 w Terminal-Bench 4.0 wyniósł 41% — o 13 punktów procentowych więcej niż w publicznej wersji zapoznawczej.10
11 W Artificial Analysis Coding Agent Index model uzyskał 48%, remisując z GLM-5.3; w tym zestawieniu miał zużywać o 47% mniej tokenów na zadanie.
11
Mniejsza liczba tokenów może być atutem w określonych zastosowaniach, ale sama nie rozstrzyga o całkowitym koszcie wdrożenia. Znaczenie mają również m.in. wymagania sprzętowe i rodzaj wykonywanych zadań. Dostępne informacje potwierdzają poprawę w testach, nie zaś uniwersalną przewagę nad innymi modelami.
Cyberbezpieczeństwo: wynik testu to nie gwarancja
W materiałach dotyczących premiery podano wynik 51% w Cyber Index oraz średni odsetek odmów na poziomie 96,6% w przypadku złośliwych próśb związanych z cyberbezpieczeństwem.8 Są to deklarowane wyniki ewaluacji. Nie gwarantują, że model zawsze rozpozna szkodliwą intencję ani że udostępnienie jego wag nie wiąże się z ryzykiem nadużyć.
Warto też rozdzielić dwie kwestie: przydatność narzędzia do zadań obronnych i jego odporność na wykorzystanie w złym celu. Wynik w jednym teście nie odpowiada automatycznie na oba pytania.
Co oznacza premiera dla rynku?
Dla użytkowników Large 4 to kolejna europejska propozycja z udostępnionymi wagami. Mistral pozycjonuje model wobec konkurencyjnych systemów otwartych i modeli z czołówki rynku.9
14 Praktyczne znaczenie takiego wydania zależeć będzie jednak nie tylko od wyników benchmarków, lecz także od licencji, kosztów uruchomienia i tego, jak model sprawdzi się w konkretnych zadaniach.
Nie należy też utożsamiać otwartych wag z pełną otwartością ani z brakiem ograniczeń licencyjnych. Dostępne materiały nie potwierdzają dokładnego, trzytygodniowego okresu dodatkowego treningu ani części szerzej krążących twierdzeń o finansowaniu i partnerstwach. Najpewniejszy obraz dają więc na razie opublikowane parametry, wyniki testów i sama licencja.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "„Le Chonk” Mistrala z otwartymi wagami: mocne wyniki, ale i ważne zastrzeżenia"?
Mistral udostępnił wagi modelu Large 4 29 października, po publicznej zapowiedzi z 6 października.[9]
What are the key points to validate first?
Mistral udostępnił wagi modelu Large 4 29 października, po publicznej zapowiedzi z 6 października.[9] Firma podaje, że wynik modelu w Terminal Bench 4.0 wzrósł o 13 punktów procentowych do 41% po dodatkowym treningu.[10][11]
What should I do next in practice?
Według opublikowanego zestawienia model uzyskał 48% w Coding Agent Index — tyle samo co GLM 5.3 — zużywając o 47% mniej tokenów na zadanie.[11]