Mistral Large 4 (Le Chonk) теперь с открытыми весами

Создана для кодирующих, доверена защитникам

Mistral выпустила улучшенную версию Mistral Large 4 (Le Chonk) — флагманскую модель с триллионом параметров, нативно поддерживающую мультимодальность. После позитивного приёма в период предварительного доступа, команда продолжила улучшать результаты модели через дополнительное обучение с подкреплением, достигнув значительных прогрессов в кодировании и оборонной кибербезопасности.

Сегодня Mistral выпускает веса этой улучшенной версии. Новая модель демонстрирует значительные успехи в эффективности рассуждения, давая разработчикам лучшую производительность при снижении затрат на вывод.

Mistral Large 4 является лучшей open-weight моделью для кодирования среди доступных на рынке. Разработанная с нуля на европейской инфраструктуре с ясной цепочкой происхождения, она создаёт надёжную основу для суверенного ИИ.

Построена для создателей кода

Mistral Large 4 вступила в период предварительного доступа с сильными результатами по основным бенчмаркам кодирования. Всего три недели дополнительного обучения с подкреплением пронесли её на передний край open-weight кодирования, заняв первое место на FrontierCode и Terminal-Bench, при этом сопоставляя лучшие open-weight модели по индексу Artificial Analysis Coding Agent Index со значительно большей эффективностью токенов.

На приватном бенчмарке FrontierCode 2.0 от Cognition, оценивающем качество кода в целом и то, объединит ли мейнтейнер репозитория изменения агента, Mistral Large 4 лидирует с результатом 19.7%.

Пересечение границ эффективности для агентивного кодирования

Mistral Large 4 обеспечивает производительность кодирования на уровне frontier с существенно меньшим числом токенов, делая сложные агенты кодирования более экономичными для запуска в масштабе.

По индексу Artificial Analysis Coding Agent Index Mistral Large 4 набирает 48%, практически совпадая с лучшей open-weight моделью GLM-5.3, при этом используя на 47% меньше токенов на задачу в среднем.

Улучшения распространяются и на терминальные рабочие потоки кодирования. На Terminal-Bench 4.0 Mistral Large 4 улучшилась на 13 пункта до 41% в сравнении с версией предварительного доступа, заняв первое место среди open-weight моделей и уменьшив выходные токены на 30%.

Чтобы дать разработчикам больше контроля над этим компромиссом между производительностью и стоимостью, Mistral Large 4 теперь поддерживает три режима рассуждения:

За рамками бенчмарков возможности Mistral Large 4 в кодировании подтверждены человеческими предпочтениями. В слепых попарных оценках Surge Code модель была предпочтена перед лучшими open-weight моделями, включая GLM-5.3, Kimi K3 и DeepSeek V4.1 Flash, уступив только Claude Opus 5.5 среди оценивавшихся моделей.

Построена для защитников

После периода предварительного доступа велась работа с ведущими поставщиками кибербезопасности для оценки Mistral Large 4 в реальных окружениях, проверяя её возможности в воспроизведении уязвимостей и их исправлении.

Mistral Large 4 набирает 51% по индексу Artificial Analysis Cyber Index, измеряющему способность модели обнаруживать уязвимости в кодовой базе, воспроизводить и валидировать их, а также исправлять без нарушения существующей функциональности. Ключевой момент: Mistral Large 4 справляется с этими законными задачами оборонной кибербезопасности без ненужных отказов.

Безопасность улучшилась одновременно с возросшей способностью. Встроенные guardrails модели различают оборонную и наступательную задачи кибербезопасности. Она сохраняет сильную производительность на бенчмарках Cyber, достигая среднего уровня отказа 96.6% на вредоносные запросы кибербезопасности — наивысший показатель среди открытых моделей.

Вот что говорят глобальные лидеры кибербезопасности о Mistral Large 4:

«Тестирование от Booz Allen продемонстрировало успех европейской модели Mistral Large 4 против нашего внутреннего бенчмарка для анализа безопасности исходного кода. Модель смогла совпасть с показателями обнаружения уязвимостей других frontier моделей кибербезопасности с убедительной кривой затрат. Поддержка Mistral для настройки модели и развёртывания, соблюдающего суверенитет данных, также позволяет нам адаптировать её под наши миссионные потребности и клиентские окружения со строгими требованиями резидентности данных. Мы с нетерпением ждём сотрудничества с Mistral для укрепления критической инфраструктуры по всему миру.»

— Брэд Медэйри, президент National Cyber в Booz Allen Hamilton

«Организации, рассматривающие открытость и прозрачность как сильные стороны, находятся в хорошей позиции, когда ИИ становится центральным для операций безопасности. Open-weight модели кибербезопасности расширяют эту прозрачность на предприятия и правительства, которым нужно размещать и настраивать ИИ под собственным контролем, и позволяют исследователям изучать, как эти модели себя ведут, включая то, где они могут быть неправильно использованы. По мере того, как противники всё чаще используют ИИ для ускорения своих операций, мы нацелены на сотрудничество с разработчиками моделей, такими как Mistral, чтобы помочь командам безопасности работать с этим контролем, устанавливая основу для устойчивости по проектированию, а не реактивного управления угрозами.»

— Эми Чанг, глава Cisco AI Threat Intelligence and Security Research

«Когда угрозы движутся с машинной скоростью, человеческая оборона не может угнаться. Ещё хуже — защита, которую вы не контролируете, это не защита, это уязвимость. Команды безопасности работают лучше всего, когда держат руль. Mistral ML4 позволяет защитникам проверить архитектуру, развёртывать на собственной инфраструктуре и сохранять полный суверенитет. Устойчивость начинается с автономии, и open-weight модели помогают организациям обрести контроль для ведения собственной защиты.»

— Стефани Коэн, главный стратег Cloudflare

«Мощные модели ИИ сами по себе не изменят ситуацию в кибербезопасности. Требуется глубокая экспертиза в безопасности, реальная threat intelligence и строгое тестирование. Наша работа с Mistral Large 4 проверяет, насколько хорошо frontier ИИ может рассуждать о сложных уязвимостях, ускорять исправление и обеспечивать, чтобы защитники двигались быстрее противников.»

— Др. Бартли Ричардсон, главный офицер AI и автономных систем, CrowdStrike

«Открытые модели позволяют исследователям безопасности и разработчикам проверять, адаптировать и развивать ИИ. Mistral расширяет то, что может построить экосистема, и наше сотрудничество на ускоренной инфраструктуре NVIDIA помогает разработчикам привести эти модели в работу.»

— Кари Бриски, вице-президент Open Models and Software, NVIDIA

Во время периода предварительного доступа тщательно мониторились использования, связанные с кибербезопасностью. Хотя модель отказывала в compliance с чёрного ящика атак на живые цели, мы видим потенциал для совершения реальных атак. В ответ на это guardrails модели находятся в процессе изменения и будут продолжать обновляться в ближайшие месяцы.

Также предоставляется превью доступ корпоративным партнёрам по проектированию, таким как Orange Cyberdefense, к специализированному варианту Mistral Large 4, оптимизированному для продвинутых рабочих потоков кибербезопасности, включая тестирование на проникновение, оценку уязвимостей и red-teaming. Доступ подлежит строгой проверке и контрактным гарантиям, с тестированием, ограниченным принадлежащими или явно авторизованными системами в контролируемых окружениях.

Тем временем клиенты адаптируют Mistral Large 4 с собственными данными безопасности, политиками, логикой обнаружения и потребностями окружения, используя Mistral Forge. Для хорошо определённых задач кибербезопасности она может быть дополнительно оптимизирована в меньшие, специфичные для задачи варианты для большей точности, делая приложения безопасности более эффективными.

Построена для работы

Mistral Large 4 продолжила улучшаться по ряду широких метрик использования на предприятиях.

Для финансовой работы улучшена способность модели выполнять реальные рабочие потоки, особенно те, которые включают создание и редактирование электронных таблиц для финансовых и учётных случаев. Это отражено в подъёме баллов Finch до 73.3%, вторая позиция после Kimi K3 среди открытых моделей.

Веб-просмотр — критическая часть большинства работ со знаниями. Pipeline RL позволил достичь 84.5% на BrowseComp (начиная с SFT контрольной точки, которая достигала 75%). Это ставит Mistral Large 4 на более высокую производительность, чем модели, такие как GLM-5.3 или DeepSeek Flash 4.1.

Агенты, развёртываемые организацией, должны быть безопасными. Развёртываются ли они для внутренних членов или внешних пользователей, агенты не должны открывать вас для угроз, таких как экспорт системного prompt или вредоносное внедрение кода. RL увеличил прибыль на B3 Agent Security Benchmark, с Mistral Large 4 сопротивляясь 97.1% атак против 93.3% в Preview. Это помещает её на вершину OSS frontier, означая, что каждый, кто размещает модель, может запустить безопасного агента без дополнительной настройки.

«Это крупное инвестирование Mistral AI укрепляет выбор, сделанный La Banque Postale более года назад, и подчёркивает важность долгосрочного стратегического партнёрства, который мы строим вместе: поддержка возникновения открытого и суверенного европейского лидера ИИ. Для государственного и гражданского банка технологический суверенитет не опционален; это ключевая предпосылка сохранения доверия наших клиентов. Введение этой открытой модели раскрывает новые возможности и варианты использования. Партнёрством с Mistral AI наша цель — объединить лучшее из человеческой экспертизы и цифровых технологий для предоставления улучшенного опыта как клиентам, так и сотрудникам в долгосрочной перспективе.»

— Закария Мурсли, исполнительный вице-президент, операционная производительность, платежи и цифровые услуги, La Banque Postale

Видео в действии

Сортировка уязвимостей кибербезопасности: агент читает входящие отчёты об уязвимостях, исследует исходный код и контекст продукта, воспроизводит недостатки в изолированной песочнице, а затем пишет и повторяет патч до тех пор, пока эксплойт в режиме canary больше не работает.

Агентивная разработка веб-приложений: без помощи человека Mistral Large 4 создаёт Orbital Trace — интерактивную 3D карту примерно 19,000 спутников и обломков, орбитирующих Землю. Извлекает реальные данные отслеживания, пишет приложение, использует его в браузере для поимки собственных ошибок и замедлений, затем исправляет то, что помечает независимый рецензент, до тех пор, пока все требования пройдут.

Решатель квантовой химии: Mistral Large 4 пишет с нуля программное обеспечение, которое вычисляет, где электроны находятся в молекуле, и проверяет свои ответы против стандартного химического инструмента. Затем строит 3D страницу вокруг неё: выбери молекулу, такую как бензол или воду, перетащи слайдер, чтобы её разломать, и смотри, как электроны перегруппируются по мере разрыва связи.

Построена для суверенитета

Когда организации строят ИИ вокруг своих знаний и рабочих потоков, суверенитет означает, что они сохраняют контроль над моделями, на которые они полагаются, и интеллектом, который они создают.

С Mistral Large 4 этот контроль начинается с самой модели. Организации имеют возможность проверять, настраивать и развёртывать модель на собственной инфраструктуре. Они могут использовать и улучшать Mistral Large 4 без зависимости от Mistral для её обслуживания через API. Mistral Large 4 была разработана и обучена с нуля в Европе, дав организациям ясность относительно происхождения технологии, на которую они полагаются.

Контроль также распространяется на то, как ИИ работает в организации. Организации могут настраивать Mistral Large 4 вокруг собственных данных с помощью Mistral Forge, и они могут строить, управлять и улучшать результирующих агентов и приложения, используя Mistral Studio. Эксперты Mistral Applied AI могут работать вместе с командами клиентов для построения и развёртывания этих адаптированных систем. Через эту работу команды понимают архитектуру и решения, лежащие в основе того, что они построили, вместе с методами, использованными для обучения и эксплуатации, так что они могут запускать и улучшать свой ИИ независимо.

«В ABN AMRO мы верим, что открытые и прозрачные экосистемы ИИ необходимы для ответственного вождения инноваций в финансовом секторе. Разработки, такие как Mistral Large 4, демонстрируют, как суверенные и open-weight модели ИИ могут расширить диапазон доверенных решений, доступных европейским организациям. Мы обнадёжены прогрессом и продолжаем исследовать, как продвинутый ИИ может способствовать укреплению критических способностей, включая кибербезопасность.»

— Коэн Клавер, директор Cyber Defense в ABN AMRO Bank N.V.

«Mistral Large 4 — важный шаг вперёд для банковского ИИ: open-weight модель, которую мы можем fine-tuning под наши потребности, развёртывать на собственной инфраструктуре и тесно интегрировать в наши цифровые каналы. Hey Belfius является флагманским примером того, как это партнёрство помогает нам переосмыслить, как клиенты взаимодействуют со своим банком.»

— Николя Гус, руководитель Data Insights, Analytics & AI в Belfius

«Нас волнует open-weight модель с сильными научными и визуальными способностями. Наша работа высокоспециализирована, поэтому возможность адаптировать модель имеет значение. С Mistral Large 4 мы видим основание для построения инструментов вокруг того, как наши учёные и инженеры фактически работают с данными наблюдения Земли — от изображений до технических документов.»

— Джузеппе Боргhi, руководитель ESA Φ-lab

«Овладение нашим ИИ начинается с овладения его архитектурой и данными. Для наиболее чувствительных вариантов использования доступ к европейским open-weight моделям, которые мы можем развёртывать на собственной инфраструктуре, — это жизненно важный рычаг для укрепления нашей стратегической автономии и устойчивости наших организаций. Промышленное партнёрство между Crédit Agricole Artificial Intelligence и Mistral решает эти задачи на уровне группы. Модель "Le Chonk", которая выделяется своими способностями к рассуждению и производительностью в области кибербезопасности, является многообещающей иллюстрацией возможностей, открытых этим партнёрством.»

— Оливер Бирон, групповой CIO, Crédit Agricole

«Быстрый прогресс, который мы видим в моделях ИИ, создаёт захватывающие возможности для продвинутого инженеринга в производстве чипов. Наш ранний опыт с Mistral Large 4 обещающий, особенно для вариантов использования, где выше производительность модели имеет значение. Commitment Mistral к постоянным инновациям поддерживает наши усилия по ускорению применения ИИ на протяжении нашего жизненного цикла продуктов полупроводников.»

— Арно Хюбо, руководитель AI Program and Strategy, ASML