Le Chonk
Mistral представила открытый предпросмотр Mistral Large 4. Неофициально это ML4, но по всем документам — le Chonk. Модель отодвигает границы производительности open-weight моделей. Попробовать предварительный API можно уже сегодня на Mistral Studio. Веса выпустят в конце месяца.
Производительность на уровне фронтира
ML4 — это триллионпараметровая нативно мультимодальная модель с 52 миллиардами активных параметров. Это самая большая и способная модель Mistral на сегодняшний день, и она продолжает стремительно улучшаться по мере доработки.
Модель показывает исключительную производительность в кодировании, агентских рабочих процессах и мультимодальном понимании. Она уже достигла производительности, конкурентной с самыми сильными open-source моделями в мире, при этом значительно превосходя любую open-weight модель, разработанную в США или Европе. На критичных для бизнеса нагрузках, включая киберсecurity, финансы и юриспруденцию, она показывает state-of-the-art результаты среди открытых моделей. В некоторых областях, таких как визуальное локализирование объектов, она идёт дальше, превосходя даже закрытые frontier модели.
Веса будут выпущены до конца месяца. Пока что модель проходит red-teaming в реальных условиях: лидеры киберсecurity, отобранные партнёры и государственные органы получат доступ к той же модели со сниженными ограничениями и расширенными киберспособностями.
Выковано в Европе. Создано для суверенитета AI
ML4 обучена с нуля на 3800 NVIDIA Grace Blackwell GPU в собственных датацентрах Mistral в Европе. Общественный предпросмотр развёртывается на той же инфраструктуре. Это важная веха в долгосрочных инвестициях Mistral в инфраструктуру, исследования и разработку продуктов: производительность на уровне фронтира в критичных направлениях, доставляемая через открытые веса и дающая клиентам полный контроль над своим AI.
Это особенно важно в киберсecurity, где отказы на уровне провайдера могут заблокировать легитимные исследования уязвимостей и реагирование на инциденты. Потеря доступа к возможности посреди инцидента сама становится критичным риском безопасности. ML4 сочетает топовую киберпроизводительность с открытыми весами и возможностью самостоятельного развёртывания, давая организациям как способность, так и автономию для выполнения продвинутой работы по безопасности по собственным политикам.
Модель будет доступна во множестве регионов по всему миру, включая европейское развёртывание, которое Mistral управляет полностью самостоятельно, независимо от других поставщиков цифровых услуг и в соответствии с европейским законодательством. Забавный факт: значительная доля данных обучения ML4 была многоязычной, охватывая более 160 языков, включая все официальные языки Европейского союза.
Mistral работала плотно с ведущими предприятиями по всему миру в финансах, инженерии, производстве, логистике, фармацевтике, науке, судоходстве, государственном секторе и других критичных отраслях при обучении ML4. Фактически, модель использует ту же среду обучения, кастомизации и RL, что предлагается клиентам через Mistral Forge.
Попробуйте уже сегодня
Впереди ещё много. По мере работы над релизом весов Mistral поделится дополнительными деталями по архитектуре модели, дополнительными бенчмарками и методологией post-training.
Эта модель также станет основой для нового поколения специализированных и оптимизированных моделей Mistral. Приглашаем вас попробовать предварительный API и поделиться обратной связью в социальных сетях.
Глубокое погружение в возможности
Киберсecurity
ML4 — одна из самых сильных AI моделей для киберsecurity в мире. По независимой оценке Artificial Analysis Cyber Index, которая измеряет, насколько хорошо AI модели находят и исправляют дефекты безопасности в реальном коде, она занимает место в топ-5 моделей глобально и лидирует среди open-weight моделей, разработанных вне Китая с большим отрывом. На одном из тестов индекса, который просит модель воспроизвести реальную уязвимость в open-source софте и затем её закрыть, ML4 даёт результат 82% — лучший из всех моделей. Она также решает 93% задач в Cybench, наборе из 40 упражнений, взятых из соревнований по безопасности — один из самых высоких результатов для open-weight модели.
Этот топовый результат отражает практическое преимущество. Несколько ведущих закрытых моделей, включая Claude Opus 5.5 и GPT-6 Astra, получают близко к нулю на том же тесте, потому что отказывают выполнять задачу. Однако защита софта часто начинается с доказательства того, что баг реален — именно такую работу фильтры безопасности в закрытых моделях могут заблокировать. Это становится ещё критичнее, когда threat actor'ы всё чаще jailbreak'ят те же модели для поддержки наступательной киберактивности: защитникам нужны системы, которые могут сравняться с этими способностями без ограничений отказов. ML4 может выполнять эту работу, и её способности выходят за пределы того, на что она была явно обучена: при внутреннем тестировании она оказалась полезной для анализа malware, приоритизации уязвимостей и написания правил детектирования. Для организаций, которым нужен суверенный и проверяемый AI для операций безопасности, она сможет работать на приватном облаке или on-premise.
Агентское кодирование
ML4 превосходит в инженерии ПО, понимании репозиториев и сложных терминальных рабочих процессах, показывая 61.7% на DeepSWE v1.1, 59.4% на SWE-Atlas-QnA и 28.3% на Terminal-Bench 4. Её суммарный Coding Agent Index score 49.8% ставит её впереди DeepSeek V4 Pro 0813 и Qwen3.8 Max.
Также проводилась слепая оценка качества кода командой Surge AI профессиональными аннотаторами, которые оценивали выходы модели по шкале 1–5, скрывая идентичность моделей. ML4 Preview занял второе место из пяти моделей (3.74), впереди Kimi K3 (3.59), GLM-5.3 (3.60) и GLM-5.2 (3.40), и позади только Claude Opus 5 (4.22).
Агентские рабочие процессы
ML4 запускает универсальных агентов, которые собирают информацию, используют инструменты и выдают завершённые результаты в сложных рабочих процессах. На AutomationBench — 657 бизнес-рабочих процессах через приложения Gmail, Google Sheets, Slack и Salesforce — она показывает 59.9%, впереди Kimi K3, MiMo-V2.6-Pro и DeepSeek V4 Pro.
Она столь же сильна на профессиональных deliverable'ах, которые фактически производит интеллектуальная работа: таблицы, слайды и PDF. На AA-Briefcase, которая оценивает долгосрочную интеллектуальную работу, она достигает 1393 Elo, впереди DeepSeek V4 Pro.
Мультимодальность
ML4 — это качественный прыв в способности моделей Mistral понимать изображения. Она мощно рассуждает над сложными документами, диаграммами и естественными изображениями, привнося зрение в индустрии, где восприятие критично, такие как инженерия, производство и земельные наблюдения.
Модель может также комбинировать визуальное локализирование с агентскими способностями: от анализа гигапиксельных спутниковых снимков — помогая командам реагирования на катастрофы действовать, когда время имеет значение — до анализа технических чертежей — зумирования, инспектирования и верификации до получения точного ответа. В демонстрациях выше ML4 локализирует объекты в плотных естественных сценах, верифицирует механические части в технических чертежах, извлекает свидетельства из PDF и сканирует огромные геопространственные изображения в поиске самых трудноуловимых объектов.
По визуальному локализированию в частности, ML4 входит в число самых способных протестированных моделей, например, превосходя GPT-6-Astra на Dense 200 (42% vs 41%).
Наука и математика
ML4 привносит сильные научные способности, построенные путём комбинирования AI-методов с экспертизой исследователей Mistral в математике, физике и химии.
Она высоко компетентна в агентском кодировании для научных задач, таких как анализ данных, моделирование и симуляция физической реальности, что даёт исследователям сфокусироваться на вопросах, а не на технических деталях. На бенчмарках ML4 достигает state-of-the-art на SciCode-Verified среди open-weight моделей. На практике она может сгенерировать полную Hartree–Fock симуляцию за один раз — сложную, многошаговую химическую задачу из серии продвинутых подпрограмм.
Математика ML4 сильнее и в формальном рассуждении, и в прикладной математике. При человеческой оценке она рассуждает более точно и структурировано, чем GLM-5.3, и может выполнять долгие, предметные задачи прикладной математики, включая работу, релевантную frontier теоретической физике.
Вместе эти способности делают ML4 сильным помощником в исследованиях по всему техническому workflow'у — от первого вопроса до финального результата.
Интеллектуальная работа
ML4 — самая способная модель Mistral для реальных задач, которые профессионалы решают каждый день. Она может создавать, редактировать и исправлять сложные таблицы и документы, показывая образцовую производительность на бенчмарках как юридических, так и финансовых задач.
Примечательно, что ML4 была оценена через третьесторонних оценивателей (vals.ai) на репрезентативных задачах юридических и финансовых работ, и модель превосходит GPT-6-Astra в обоих случаях. На Legal Agent benchmark от HarveyAI, ML4 превосходит все open-source модели.
Финансовый анализ требует точности и способности синтезировать информацию из множества источников, процесс, который остаётся отнимающим время во многих финансовых институтах сегодня. В этой демонстрации ML4 наряду с другими топ open-source моделями выполняет ту же многошаговую задачу корпоративного финанса, ищет в публичных филингах компаний и финансовых отчётах, таких как доступные через EDGAR и эквивалентные европейские базы данных. Анимированная семантическая карта отслеживает путь каждой модели к решению, выделяя каждый извлечённый документ. Положение каждой траектории отражает собранные свидетельства, результаты расчётов и остающиеся нерешённые вопросы. Зрители могут проследить, как разворачиваются исследования, и сравнить разные пути, которые каждая модель проходит перед тем, как прийти к финальному ответу.
Безопасность модели
ML4 достигла насыщения наших бенчмарков на стойкость к косвенным injection'ам через prompt, ставя её на фронтир open-source моделей (в сравнении с GLM-5.2, GLM-5.3, Kimi-K2.6, Kimi-K3, DS-V4-Pro-0813). На публичном B3 AI Security Benchmark от Lakera, ML4 сопротивляется 93.3% атак — мы не видим более высоких результатов среди конкурентов.
ML4 также взаимодействует более ответственно с пользователями, чем любая из предыдущих моделей Mistral. Выделяем результаты на KORA Benchmark, где ML4 снова находится на нашем самом высоком измеренном результате среди open-source моделей (1.691, где 2 — максимум, обозначаемый как «Exemplary»).
Особенно релевантна склонность модели отказывать на вредоносные запросы относительно киберsecurity. Несмотря на сильную производительность на Cyber бенчмарках, средний rate отказа модели на киберпромпты из JailbreakBench, StrongREJECT и AgentHarm выше, чем у всех open-source моделей.
Оценка людьми
Проводилась внутренняя оценка, в которой эксперт-аннотаторы по кодированию, компьютерному проектированию (CAD), финансам, математике и физике сравнивали Mistral Large 4 с GLM-5.3. ML4 была предпочтена в CAD и STEM, при этом показывала результаты на уровне или близко к GLM-5.3 в финансах и кодировании.
Reinforcement learning в масштабе
Базовые модели улучшаются быстро, и post-training должен поспевать. Рецепт, настроенный под вчерашнюю модель, оставляет возможности на столе сегодня, потому что ground truth примеры, которые когда-то заставляли модель напрягаться до лимита, не будут это делать больше. Mistral использует Reinforcement Learning, потому что он адаптируется по мере улучшения модели: обучение происходит на результатах собственных попыток модели, и можно повышать сложность и широту задач по мере того, как она становится сильнее.
RL библиотека Mistral была спроектирована так, чтобы добавлять новые окружения было легко и обучать их в масштабе. Общий, комбинируемый интерфейс позволяет одному обучающему прогону комбинировать задачи от однооборотного чата и решения сложных научных проблем до alignment безопасности, factuality и long-horizon tool use. Эти окружения разделяют scaffolds и ресурсы, такие как code sandboxes, web search и внешние API. Та же комбинируемость расширяется на верификацию, с reward моделями, unit tests, LLM judges и static checks, комбинируемыми как нужно для каждой задачи.
Во время выполнения, autoscaling флот actors'ов генерирует десятки тысяч rollout'ов параллельно, пока обучение модели происходит асинхронно. Pipeline генерации и обучения оптимизирован для длинных траекторий, поддерживая rollout budgets из миллионов tokens через множественные compactions, пока staleness остаётся низкой. Новые методы и оптимизации через обе стадии минимизируют off-policy drift и позволяют стабильный RL на долгих горизонтах.
При текущем масштабе (3k GPU), один обучающий прогон производит примерно 33 миллиарда токен в день, из которых около 16 миллиардов — обучаемые completion tokens после фильтрации и маскирования. Можно видеть прогресс прогона напрямую в обучающих rollout'ах: training rewards растут через несколько репрезентативных окружений по мере того, как политика учится решать всё более сложные задачи. Ниже несколько примеров.
Улучшения не специфичны к окружениям, на которых обучаются; они переносятся на downstream eval'ы, и финальная модель обязана им обоим post-training стадиям (supervised fine-tuning и RL), как показано на диаграммах.
Что дальше
Это только начало. ML4 — первая веха на roadmap'е, финансируемом €3 миллиардным Series D — самым крупным equity раундом, когда-либо привлечённым европейской tech компанией. Этот капитал уже работает: Mistral значительно масштабирует вычислительные мощности в собственных европейских датацентрах, и намного больше выходит онлайн в предстоящие месяцы.
Больше compute значит больше обучения. Reinforcement learning прогон позади этого предпросмотра всё ещё в полёте, и модель не показывает признаков насыщения — впереди существенное пространство. По мере масштабирования обучения на расширённой инфраструктуре, следует ожидать крупных и быстрых улучшений в недели и месяцы впереди.
Веса будут выпущены до конца месяца вместе с дополнительными деталями по архитектуре, дополнительными бенчмарками и методологией post-training. И ML4 — только фундамент: она будет служить базой для нового поколения специализированных и оптимизированных моделей Mistral, построенных для индустрий и рабочих нагрузок, которые волнуют клиентов Mistral больше всего.
Темп прогресса отсюда будет быстрым. Оставайтесь в курсе.