29 жовтня Mistral оприлюднила ваги Large 4, яку неофіційно називає «Le Chonk». Публічне попереднє тестування моделі почалося 6 жовтня.[1][9] За даними компанії та галузевих оглядів, результат у Terminal Bench 4.0 зріс із 28% до 41%, а в Coding Agent Index модель набрала 48% — на рівні GLM 5.3, використавши на 47% ме...
ОпублікувавЗображення створено за допомогою 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 оприлюднила ваги своєї флагманської моделі Large 4, відомої під прізвиськом «Le Chonk», 29 жовтня. Це сталося після публічного попереднього тестування, яке компанія запустила 6 жовтня.1
9 Виробник називає модель однією з найсильніших відкритих моделей для програмування та захисної кібербезпеки, однак бенчмарки варто розглядати як окремі вимірювання, а не доказ переваги в усіх сценаріях.
За документацією Mistral, Large 4 — мультимодальна модель загального призначення з архітектурою mixture-of-experts: загалом вона має 1,05 трлн параметрів, з яких активні 52 млрд. Візуальний енкодер містить 1,6 млрд параметрів.1
Компанія повідомляла, що навчала модель на 3 800 графічних процесорах Nvidia Grace Blackwell у своїх європейських дата-центрах.15 Для роботи з міркуваннями доступні три рівні — низький, середній і високий; високий встановлено за замовчуванням.
10
У Terminal-Bench 4.0, тесті завдань із командним рядком і терміналом, результат Large 4 зріс із 28% до 41% після додаткового навчання з підкріпленням.10
11 У Artificial Analysis Coding Agent Index модель отримала 48% — стільки ж, скільки GLM-5.3, за повідомленням про використання на 47% менше токенів на завдання.
11
Ці результати вказують на можливу перевагу в ефективності для конкретних тестових завдань. Але вони самі собою не доводять, що модель дешевша в експлуатації або краща для будь-якої роботи: це залежить, зокрема, від обладнання, швидкості відповіді та типу навантаження. Також наявні джерела не підтверджують точну тривалість додаткового навчання, згадану в деяких твердженнях, чи конкретне порівняння з Mythos 5.1.
У вторинних оглядах наводяться оцінка 51% в Artificial Analysis Cyber Index і середній показник відмови 96,6% на шкідливі кіберзапити.8
11 Це результати оцінювання за певними тестами, а не гарантія того, що модель неможливо використати зловмисно. Захисні можливості й здатність відмовляти на небезпечні запити — різні властивості, особливо коли ваги доступні для завантаження та доопрацювання.
Надані джерела не дають змоги перевірити методологію цих оцінок, заяви про підтримку з боку Cisco, CrowdStrike чи Cloudflare або те, як саме змінювалися запобіжники моделі після виявлення її допомоги в реальних атаках.
У репозиторії моделі опубліковано Mistral Ecosystem Open-Weight License — ліцензію, описану як змінену версію MIT.7 За вторинними повідомленнями, обмеження стосуються компаній, які перепродають доступ до моделі як сервіс; водночас доступні витяги не дають повної картини умов для всіх типів провайдерів.
12 Тож «відкриті ваги» не обов’язково означають, що до моделі застосовуються ті самі правила, що й до проєктів із ліцензією MIT без додаткових умов.
Для користувачів важлива практична різниця: завантажені ваги можна розгортати й адаптувати самостійно, а не покладатися лише на доступність API постачальника. Mistral позиціонує реліз як європейську альтернативу моделям із Китаю та закритим передовим системам.9
14 Однак походження моделі саме по собі не визначає її якість, вартість чи відповідність потребам конкретної команди.
Надані матеріали не підтверджують низку додаткових заяв, зокрема про загальний обсяг фінансування Mistral, залучення €3 млрд у раунді Series D та оцінку компанії понад €21 млрд, а також про призупинення роботи Anthropic після директиви щодо експортного контролю. Не вдалося підтвердити й конкретні висловлювання окремих експертів про доступ до моделі, довіру до китайських систем і ризики подвійного використання. Тому ці деталі не варто подавати як встановлені факти на підставі наведених джерел.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
29 жовтня Mistral оприлюднила ваги Large 4, яку неофіційно називає «Le Chonk». Публічне попереднє тестування моделі почалося 6 жовтня.[1][9]
29 жовтня Mistral оприлюднила ваги Large 4, яку неофіційно називає «Le Chonk». Публічне попереднє тестування моделі почалося 6 жовтня.[1][9] За даними компанії та галузевих оглядів, результат у Terminal Bench 4.0 зріс із 28% до 41%, а в Coding Agent Index модель набрала 48% — на рівні GLM 5.3, використавши на 47% менше токенів на завдання.[10][11]
Large 4 — мультимодальна модель архітектури mixture of experts із 1,05 трлн параметрів загалом і 52 млрд активних параметрів.[1]
29 жовтня Mistral оприлюднила ваги Large 4, яку неофіційно називає «Le Chonk». Публічне попереднє тестування моделі почалося 6 жовтня.[1][9] За даними компанії та галузевих оглядів, результат у Terminal Bench 4.0 зріс із 28% до 41%, а в Coding Agent Index модель набрала 48% — на рівні GLM 5.3, використавши на 47% ме...
ОпублікувавЗображення створено за допомогою 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 оприлюднила ваги своєї флагманської моделі Large 4, відомої під прізвиськом «Le Chonk», 29 жовтня. Це сталося після публічного попереднього тестування, яке компанія запустила 6 жовтня.1
9 Виробник називає модель однією з найсильніших відкритих моделей для програмування та захисної кібербезпеки, однак бенчмарки варто розглядати як окремі вимірювання, а не доказ переваги в усіх сценаріях.
За документацією Mistral, Large 4 — мультимодальна модель загального призначення з архітектурою mixture-of-experts: загалом вона має 1,05 трлн параметрів, з яких активні 52 млрд. Візуальний енкодер містить 1,6 млрд параметрів.1
Компанія повідомляла, що навчала модель на 3 800 графічних процесорах Nvidia Grace Blackwell у своїх європейських дата-центрах.15 Для роботи з міркуваннями доступні три рівні — низький, середній і високий; високий встановлено за замовчуванням.
10
У Terminal-Bench 4.0, тесті завдань із командним рядком і терміналом, результат Large 4 зріс із 28% до 41% після додаткового навчання з підкріпленням.10
11 У Artificial Analysis Coding Agent Index модель отримала 48% — стільки ж, скільки GLM-5.3, за повідомленням про використання на 47% менше токенів на завдання.
11
Ці результати вказують на можливу перевагу в ефективності для конкретних тестових завдань. Але вони самі собою не доводять, що модель дешевша в експлуатації або краща для будь-якої роботи: це залежить, зокрема, від обладнання, швидкості відповіді та типу навантаження. Також наявні джерела не підтверджують точну тривалість додаткового навчання, згадану в деяких твердженнях, чи конкретне порівняння з Mythos 5.1.
У вторинних оглядах наводяться оцінка 51% в Artificial Analysis Cyber Index і середній показник відмови 96,6% на шкідливі кіберзапити.8
11 Це результати оцінювання за певними тестами, а не гарантія того, що модель неможливо використати зловмисно. Захисні можливості й здатність відмовляти на небезпечні запити — різні властивості, особливо коли ваги доступні для завантаження та доопрацювання.
Надані джерела не дають змоги перевірити методологію цих оцінок, заяви про підтримку з боку Cisco, CrowdStrike чи Cloudflare або те, як саме змінювалися запобіжники моделі після виявлення її допомоги в реальних атаках.
У репозиторії моделі опубліковано Mistral Ecosystem Open-Weight License — ліцензію, описану як змінену версію MIT.7 За вторинними повідомленнями, обмеження стосуються компаній, які перепродають доступ до моделі як сервіс; водночас доступні витяги не дають повної картини умов для всіх типів провайдерів.
12 Тож «відкриті ваги» не обов’язково означають, що до моделі застосовуються ті самі правила, що й до проєктів із ліцензією MIT без додаткових умов.
Для користувачів важлива практична різниця: завантажені ваги можна розгортати й адаптувати самостійно, а не покладатися лише на доступність API постачальника. Mistral позиціонує реліз як європейську альтернативу моделям із Китаю та закритим передовим системам.9
14 Однак походження моделі саме по собі не визначає її якість, вартість чи відповідність потребам конкретної команди.
Надані матеріали не підтверджують низку додаткових заяв, зокрема про загальний обсяг фінансування Mistral, залучення €3 млрд у раунді Series D та оцінку компанії понад €21 млрд, а також про призупинення роботи Anthropic після директиви щодо експортного контролю. Не вдалося підтвердити й конкретні висловлювання окремих експертів про доступ до моделі, довіру до китайських систем і ризики подвійного використання. Тому ці деталі не варто подавати як встановлені факти на підставі наведених джерел.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
29 жовтня Mistral оприлюднила ваги Large 4, яку неофіційно називає «Le Chonk». Публічне попереднє тестування моделі почалося 6 жовтня.[1][9]
29 жовтня Mistral оприлюднила ваги Large 4, яку неофіційно називає «Le Chonk». Публічне попереднє тестування моделі почалося 6 жовтня.[1][9] За даними компанії та галузевих оглядів, результат у Terminal Bench 4.0 зріс із 28% до 41%, а в Coding Agent Index модель набрала 48% — на рівні GLM 5.3, використавши на 47% менше токенів на завдання.[10][11]
Large 4 — мультимодальна модель архітектури mixture of experts із 1,05 трлн параметрів загалом і 52 млрд активних параметрів.[1]