AnswersPublished19 sources
Mistrals Le Chonk blir tillgänglig med öppna vikter
Mistral släppte vikterna till Mistral Large 4, med smeknamnet Le Chonk, den 29 oktober efter en förhandsversion den 6 oktober.[9] Modellen fick 41 procent i Terminal Bench 4.0, 13 procentenheter mer än i förhandsversionen. Mistrals dokumentation beskriver en multimodal mixture of experts modell med 1,05 biljoner par...
Publicerad avBilder genererade med GPT Image 2
Research answer
Key takeaways
- Mistral släppte vikterna till Mistral Large 4, med smeknamnet Le Chonk, den 29 oktober efter en förhandsversion den 6 oktober.[9]
- Modellen fick 41 procent i Terminal Bench 4.0, 13 procentenheter mer än i förhandsversionen.
- Mistrals dokumentation beskriver en multimodal mixture of experts modell med 1,05 biljoner parametrar totalt och 52 miljarder aktiva parametrar.[1]
- Siffror om cybersäkerhet och vägran att hjälpa till med skadliga förfrågningar är rapporterade utvärderingsresultat – inte garantier mot missbruk.[8]
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 har släppt vikterna till sin största modell, Mistral Large 4, som också går under smeknamnet ”Le Chonk”. Släppet kom den 29 oktober, efter att företaget visat upp en förhandsversion den 6 oktober. Mistral lyfter fram modellens resultat inom kodning och defensiv cybersäkerhet.9
För utvecklare och organisationer är den praktiska skillnaden att vikterna kan användas för att köra och anpassa modellen på egen infrastruktur, i stället för att enbart förlita sig på en leverantörs API. Men resultaten bör läsas med viss försiktighet: benchmarktester visar hur en modell presterar på vissa uppgifter, inte hur bra den är i alla sammanhang.
En stor modell med flera användningsområden
Mistrals dokumentation beskriver Large 4 som en multimodal mixture-of-experts-modell. Den har 1,05 biljoner parametrar totalt, varav 52 miljarder aktiveras enligt dokumentationen, och en separat bildkodare med 1,6 miljarder parametrar.1 Mistral uppger att modellen tränades med 3 800 Nvidia Grace Blackwell-GPU:er i företagets datacenter i Europa.
15
Användaren kan välja mellan tre nivåer för modellens resonemang: låg, medel och hög. Hög är standardinställningen.10 Sådana val kan ge möjlighet att anpassa avvägningen mellan beräkningsarbete och uppgift, men underlaget här visar inte vad det innebär för kostnaden i varje faktisk användning.
Bättre resultat i kodtester – med förbehåll
I Terminal-Bench 4.0, som testar uppgifter med terminalverktyg, uppges Large 4 ha nått 41 procent. Det är en ökning med 13 procentenheter jämfört med förhandsversionen efter ytterligare förstärkningsinlärning.10
11 I Artificial Analysis Coding Agent Index uppges modellen ha fått 48 procent, samma resultat som GLM-5.3, samtidigt som den använde 47 procent färre token per uppgift.
11
Det är lovande siffror, men de ska inte läsas som bevis för att modellen alltid är bäst på kodning. Resultaten gäller specifika testupplägg, och lägre tokenförbrukning visar inte i sig att den totala kostnaden blir lägre: hårdvara, svarstid och arbetsbelastning spelar också roll.
Öppna vikter, men kontrollera licensen
Modellvikterna publicerades under Mistrals ”Ecosystem Open-Weight License”, som beskrivs som en modifierad MIT-licens.7 Det innebär att vikterna blir tillgängliga för användning och anpassning, men man bör inte automatiskt tolka ”öppna vikter” som att alla villkor är identiska med en helt fri programvarulicens.
Enligt sekundär rapportering gäller licensens kommersiella begränsningar särskilt återförsäljning av modellen som en tjänst, medan egen drift och vidareanpassning inte omfattas på samma sätt.12 Den som vill erbjuda modellen som en hostad tjänst bör därför läsa licenstexten noga i stället för att förlita sig på en kort sammanfattning.
Säkerhetssiffror är inte en garanti
Sekundär rapportering anger att Large 4 fick 51 procent i Cyber Index och avvisade i genomsnitt 96,6 procent av skadliga cyberrelaterade förfrågningar i en utvärdering.8 Det är två olika slags mått: ett benchmarkresultat och en uppmätt vägransgrad. Inget av dem garanterar att modellen alltid avvärjer missbruk eller att den saknar förmåga att hjälpa till med riskfyllda uppgifter.
Mistral positionerar modellen som ett europeiskt alternativ inom öppna vikter, i konkurrens med bland annat kinesiska modeller och stängda system.9
14 För användare blir den viktiga frågan därför inte bara var modellen kommer ifrån, utan hur mycket kontroll de behöver över drift, anpassning och åtkomst – och om modellens resultat håller för deras egna tester.
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 "Mistrals Le Chonk blir tillgänglig med öppna vikter"?
Mistral släppte vikterna till Mistral Large 4, med smeknamnet Le Chonk, den 29 oktober efter en förhandsversion den 6 oktober.[9]
What are the key points to validate first?
Mistral släppte vikterna till Mistral Large 4, med smeknamnet Le Chonk, den 29 oktober efter en förhandsversion den 6 oktober.[9] Modellen fick 41 procent i Terminal Bench 4.0, 13 procentenheter mer än i förhandsversionen.
What should I do next in practice?
Mistrals dokumentation beskriver en multimodal mixture of experts modell med 1,05 biljoner parametrar totalt och 52 miljarder aktiva parametrar.[1]