Ing. Calogero Bono
Mistral ने Mistral Large 4 के weights जारी किए हैं, जिसे उपनाम Le Chonk दिया गया है। यह लगभग एक हज़ार अरब पैरामीटर वाला मॉडल है। यह कदम महीने के आखिर में उठाया गया, जबकि महीने की शुरुआत में इसकी सार्वजनिक झलक आई थी। इसे Hugging Face से डाउनलोड किया जा सकता है और API के ज़रिए भी इस्तेमाल होता है। यह इसलिए मायने रखता है क्योंकि यह फ़्रांसीसी कंपनी का ओपन मॉडल है जिसे वह कोड और साइबर रक्षा पर केंद्रित करती है, और इसे कोई दूर से बंद नहीं कर सकता।
कुछ शब्द, तथ्यों में उतरने से पहले। weights वे संख्यात्मक पैरामीटर हैं जो प्रशिक्षण के दौरान सीखे जाते हैं और मॉडल को काम करने लायक बनाते हैं। Open-weight का अर्थ है कि इन्हें डाउनलोड किया जा सकता है, इसका मतलब यह नहीं कि पूरा कोड मुफ़्त है। MoE (Mixture-of-Experts) एक ऐसी आर्किटेक्चर है जिसमें हर token के लिए आंतरिक "विशेषज्ञों" का केवल एक छोटा समूह काम करता है। Token मॉडल द्वारा संसाधित टेक्स्ट का एक टुकड़ा है। Benchmark मॉडलों की तुलना के लिए एक मानक परीक्षा है।
Mistral Large 4 क्या है?
Hugging Face के आधिकारिक मॉडल कार्ड के अनुसार, यह एक मल्टीमॉडल और बहुभाषी MoE मॉडल है। यह टेक्स्ट और इमेज स्वीकार करता है और टेक्स्ट जनरेट करता है। इसमें लगभग 1T कुल पैरामीटर, 49B सक्रिय पैरामीटर और 1M token की कॉन्टेक्स्ट विंडो है।
लाइसेंस Mistral Ecosystem Open-Weight License है, जो MIT से निकला है, पर उन लोगों के लिए सीमाओं के साथ जो इस मॉडल को सेवा के रूप में देना चाहते हैं। Punto Informatico की रिपोर्ट के अनुसार यह 160 से अधिक भाषाओं को सपोर्ट करता है और 3.800 NVIDIA Grace Blackwell चिप्स पर प्रशिक्षित हुआ। ZDNET में Mistral के उस बयान का ज़िक्र है जिसमें दो महीने के लिए 4.000 GPU की बात है। दोनों आंकड़े मेल नहीं खाते, इसलिए हम दोनों को उनके स्रोत के हवाले से दे रहे हैं।
Mistral किन आंकड़ों का दावा करता है?
कोडिंग में Hugging Face के मॉडल कार्ड पर DeepSWE v1.1 पर 61,7% और Terminal-Bench 4 पर 28,3% दिखाया गया है। Coding Agent Index में यह 49,8% है। ZDNET के अनुसार Terminal-Bench 4.0 पर स्कोर पूर्व झलक के 28% से बढ़कर 41% हो गया है, जो GLM-5.3 से एक अंक ऊपर है। समग्र इंडेक्स पर मॉडल 48 पर है, जबकि GLM-5.3 49 पर है।
Mistral का कहना है कि वह प्रति कार्य 47% कम token इस्तेमाल करके GLM-5.3 की बराबरी करता है, जैसा TechCrunch ने बताया। साइबर क्षेत्र में Hugging Face 82% का आंकड़ा देता है, एक ऐसे परीक्षण में जिसमें असली कमज़ोरी को दोबारा बनाकर उसे ठीक करना होता है, और Cybench (40 चुनौतियां) पर 93% का। Punto Informatico लिखता है कि समर्पित बेंचमार्क में केवल DeepSeek V4.1 Flash इससे आगे है, जबकि ZDNET के अनुसार Le Chonk CyberGym पर DeepSeek V4.1 Flash से थोड़ा ही आगे है। इस बिंदु पर स्रोत एक राय नहीं हैं।
साइबर सुरक्षा के लिए ओपन वेट्स क्यों मायने रखते हैं?
Mistral का तर्क नियंत्रण का है। उपाध्यक्ष (विज्ञान) Pierre Stock ने WIRED से कहा कि AI बिजली जैसी होगी और आप नहीं चाहेंगे कि कोई उसे बंद कर सके। बंद मॉडल मैलवेयर या कमज़ोरियों के विश्लेषण के अनुरोध इसलिए रोक सकते हैं क्योंकि वे हमले जैसे लगते हैं। जब वज़न आपके अपने पास हों, तो उपयोग नीति और तैनाती आपके हाथ में रहती है।
इसका दूसरा पहलू भी है। Sophos के Rafe Pilling इसे दोहरे उपयोग वाली तकनीक कहते हैं, क्योंकि हमलावर भी इसे डाउनलोड करके अपने हिसाब से ढाल सकते हैं। Mistral के अनुसार (Punto Informatico के हवाले से) मॉडल 97% मामलों में हानिकारक अनुरोधों को मना कर देता है। Hugging Face कहता है कि साइबर प्रॉम्प्ट पर औसत इनकार दर किसी भी दूसरे ओपन-वेट मॉडल से अधिक है।
इस घटना का संदर्भ समझने के लिए पढ़ें Hugging Face मामले पर हमारा लेख।
व्यवहार में इसे कैसे इस्तेमाल करें?
मॉडल को transformers, vLLM और llama.cpp के लिए day-0 सपोर्ट मिला है, साथ में GGUF क्वांटाइज़ेशन भी। Inference Endpoints और Inference Providers भी उपलब्ध हैं। डेवलपर इसे Mistral Studio, API और OpenRouter के ज़रिए भी इस्तेमाल कर सकते हैं।
रीज़निंग स्तर low, medium या high हो सकता है। डिफ़ॉल्ट high है और मॉडल कार्ड के अनुसार रीज़निंग को बंद नहीं किया जा सकता। vLLM के लिए NVFP4 संस्करण NVIDIA Blackwell GPU मांगता है, और आधिकारिक उदाहरण 8 GPU का इस्तेमाल करता है। यह छोटे सर्वर का मॉडल नहीं है। अगर आपको अधिक सुलभ AI चाहिए, तो देखें छोटे व्यवसायों के लिए AI गाइड।
ध्यान रखने वाली सीमाएं
लगभग सारे आंकड़े Mistral ने खुद दिए हैं। ZDNET याद दिलाता है कि बेंचमार्क को सावधानी से पढ़ना चाहिए। साइबर में कौन आगे है और प्रशिक्षण संसाधन कितने थे, इस पर स्रोत अलग-अलग हैं। Hugging Face के अनुसार मॉडल Artificial Analysis Intelligence index पर ओपन-वेट मॉडलों में पांचवें स्थान पर है, जबकि WIRED के अनुसार Mistral इसे ओपन क्षेत्र में कोड और साइबर के लिए दुनिया का सबसे अच्छा बताता है। ये दो अलग दावे हैं।
फ़ाइन-ट्यूनिंग के बाद भी यह मॉडल दुर्भावनापूर्ण उपयोग का प्रतिरोध करता है, इसकी स्वतंत्र पुष्टि नहीं हुई है। असली चलाने की लागत और भारतीय या इतालवी संदर्भ में परीक्षण अभी नहीं हैं। साथ ही लाइसेंस सेवा के रूप में पेशकश को सीमित करता है।
डिजिटल काम करने वालों के लिए क्या बदलता है
डेवलपर के लिए अब कोड असिस्टेंट और सुरक्षा विश्लेषण के लिए एक खुला यूरोपीय विकल्प है, जिसे अपने ही सर्वर पर चलाया जा सकता है। संवेदनशील डेटा संभालने वालों के लिए ऑन-प्रिमाइसेस तैनाती का मतलब है कि कोड और लॉग किसी तीसरे पक्ष तक नहीं जाते। जैसा Stock ने TechCrunch को बताया, पहुंच को वापस नहीं लिया जा सकता।
छोटी कंपनी के लिए हालांकि भारी हार्डवेयर चाहिए या कोई प्रदाता। बहुत कुछ प्रदाता पर निर्भर करता है। नियामक ढांचा भी मायने रखता है, इसलिए डेवलपर्स के लिए AI Act गाइड देखें। अगर आप सर्वर संभालते हैं, तो सुरक्षा अपडेट वाली होस्टिंग और प्रबंधित सर्वर किसी भी मॉडल के लिए आधार बने रहते हैं।
हमारी राय
यह कदम दिलचस्प है, और वज़न प्रकाशित करने का फ़ैसला रक्षा के लिहाज़ से समझदारी भरा है। जो व्यक्ति कोई कमज़ोरी खोज रहा है, उसे किसी घटना के बीच में दरवाज़ा बंद नहीं मिलना चाहिए। भू-राजनीतिक दौड़ वाला लहजा हमें कम जंचता है। Pilling की बातें अच्छा संतुलन देती हैं, क्योंकि जोखिम निगरानी और नियंत्रणों पर निर्भर करता है, मॉडल के झंडे पर नहीं।
इसके अलावा एक हज़ार अरब पैरामीटर वाला मॉडल लगभग किसी भारतीय या इतालवी छोटे व्यवसाय की पहुंच में नहीं है। फ़िलहाल ठोस फ़ायदा संस्थाओं, बड़ी कंपनियों और प्रदाताओं को मिलेगा। सर्वश्रेष्ठ कहने से पहले स्वतंत्र परीक्षणों का इंतज़ार करना बेहतर होगा।
अक्सर पूछे जाने वाले सवाल
क्या Mistral Large 4 सच में ओपन सोर्स है?
यह ओपन-वेट है, सख्त अर्थ में ओपन सोर्स नहीं। वज़न Hugging Face से डाउनलोड किए जाते हैं। लाइसेंस MIT से निकला है, पर सेवा के रूप में पेशकश को सीमित करता है।
क्या इसे मुफ़्त में इस्तेमाल किया जा सकता है?
Punto Informatico के अनुसार वज़न मुफ़्त उपलब्ध हैं। लेकिन मॉडल को चलाने में हार्डवेयर का खर्च आता है। आधिकारिक उदाहरण 8 GPU का इस्तेमाल करता है।
क्या यह चीनी मॉडलों से बेहतर है?
यह परीक्षण पर निर्भर करता है। Mistral का दावा है कि वह DeepSeek और Z.ai जैसे मॉडलों की बराबरी या उनसे आगे है। ZDNET के अनुसार समग्र इंडेक्स पर यह GLM-5.3 से एक अंक पीछे है।
क्या इसका इस्तेमाल हमले के लिए हो सकता है?
हां, किसी भी डाउनलोड करने योग्य मॉडल की तरह। Mistral का कहना है कि वह 97% मामलों में खतरनाक अनुरोधों को मना करता है। पर फ़ाइन-ट्यूनिंग के बाद उसका व्यवहार बदल सकता है।
यह कौन-कौन सी भाषाएं सपोर्ट करता है?
Punto Informatico के अनुसार 160 से अधिक, जिनमें सभी यूरोपीय भाषाएं शामिल हैं। यह टेक्स्ट और इमेज स्वीकार करता है और टेक्स्ट जनरेट करता है।
आने वाले महीनों में क्या देखें, स्वतंत्र परीक्षण और असली लागत
- Artificial Analysis जैसे स्वतंत्र परीक्षणों पर नज़र रखें, और सिर्फ कंपनी के आंकड़ों पर भरोसा न करें।
- किसी कार्यप्रवाह को बदलने से पहले हार्डवेयर या API के ज़रिए चलाने की लागत का हिसाब लगाएं। छोटी शुरुआत के लिए देखें छोटे व्यवसायों के लिए AI के पांच उपयोग।
- दुरुपयोग से बचाव की तैयारी करें, शुरुआत jailbreak और prompt injection से करें।
