Mistral AI ogłosiła 6 października 2026 roku publiczny podgląd Mistral Large 4 dostępny przez API. Firma planuje udostępnić wagi modelu do pobrania do końca października — to osobny etap, który ma pozwolić na uruchamianie modelu we własnej infrastrukturze.
Mistral Large 4 trafia do publicznego podglądu
Podgląd daje dostęp do modelu przez API, czyli interfejs, za pomocą którego inne oprogramowanie może wysyłać do niego żądania. Mistral AI zapowiedziała, że wagi — zapisane parametry modelu — udostępni do pobrania do końca października 2026 roku. Po ich publikacji organizacje będą mogły rozważyć uruchamianie modelu na własnej infrastrukturze.
Co mówią oficjalne specyfikacje
Dokumentacja Mistral AI podaje 1,05 bln parametrów łącznie, w tym 52 mld aktywnych parametrów. To dwie różne miary skali tego samego modelu. W architekturze Mixture-of-Experts (MoE), czyli „mieszanki ekspertów”, model aktywuje część parametrów podczas przetwarzania; sama liczba parametrów nie przesądza jednak o jakości odpowiedzi.
| Cecha | Specyfikacja podana przez Mistral AI |
| Parametry łącznie | 1,05 bln |
| Aktywne parametry | 52 mld |
| Enkoder wizyjny | 1,6 mld parametrów |
| Architektura | Granular Mixture-of-Experts (MoE) |
| Multimodalność | Mistral AI opisuje model jako natywnie multimodalny |
Enkoder wizyjny to część modelu związana z przetwarzaniem informacji wizualnych. Opis multimodalności oznacza, że model zaprojektowano do pracy z więcej niż jednym rodzajem danych. Mistral AI nie przedstawia jednak liczby parametrów jako miary, która sama w sobie pozwala rozstrzygnąć, jak model poradzi sobie z każdym zadaniem.
Co wynika z informacji o wydajności
W swoim komunikacie o Mistral Large 4 firma podała wyniki dla kilku konkretnych testów: 61,7% w DeepSWE v1.1, 28,3% w Terminal-Bench 4 i 93% w Cybench. Mistral AI opisuje Cybench jako zestaw 40 zadań z zakresu cyberbezpieczeństwa.
To wyniki opublikowane przez producenta dla wskazanych testów. Każdy mierzy określone zadania, więc same te liczby nie tworzą uniwersalnego rankingu modeli. Podobnie rozmiar modelu — nawet tak duży jak 1,05 bln parametrów łącznie — nie wystarcza, by przewidzieć jego skuteczność w konkretnym zastosowaniu.
Jak Mistral AI trenowała model
Mistral AI podała, że trenowała model od podstaw na 3800 układach NVIDIA Grace Blackwell w swoich europejskich centrach danych. Firma poinformowała też, że podczas udostępniania podglądu proces uczenia przez wzmacnianie nadal trwał.
Według Mistral AI znacząca część danych treningowych obejmowała ponad 160 języków, w tym wszystkie języki urzędowe Unii Europejskiej.
