Ing. Calogero Bono
Mistral merilis bobot Mistral Large 4, yang dijuluki Le Chonk, sebuah model dengan sekitar satu triliun parameter. Perilisannya dilakukan akhir Oktober, setelah pratinjau publik di awal bulan. Model ini bisa diunduh dari Hugging Face dan juga dipakai lewat API. Yang penting, ini adalah model terbuka yang diposisikan perusahaan asal Prancis itu untuk kode dan pertahanan siber, dan tidak ada pihak yang bisa mematikannya dari jarak jauh.
Beberapa istilah dulu sebelum masuk ke fakta. Bobot (weights) adalah parameter numerik hasil pelatihan, yang membuat model itu bisa bekerja. Open-weight berarti bobotnya bisa diunduh, bukan berarti seluruh kodenya bebas. MoE (Mixture-of-Experts) adalah arsitektur ketika setiap token hanya diproses oleh sekelompok kecil "ahli" internal. Token adalah potongan teks yang diproses model. Benchmark adalah uji standar untuk membandingkan model.
Apa itu Mistral Large 4?
Menurut halaman resmi di Hugging Face, ini adalah model multimodal dan multibahasa berjenis MoE. Model ini menerima teks dan gambar, lalu menghasilkan teks. Total parameternya sekitar 1T, dengan 49B yang aktif, serta jendela konteks 1M token.
Lisensinya adalah Mistral Ecosystem Open-Weight License, turunan dari MIT dengan batasan bagi pihak yang ingin menawarkan model ini sebagai layanan. Punto Informatico melaporkan bahwa model ini mendukung lebih dari 160 bahasa dan dilatih dengan 3.800 chip NVIDIA Grace Blackwell. ZDNET justru mengutip pernyataan Mistral soal 4.000 GPU selama dua bulan. Kedua angka ini tidak cocok, jadi keduanya kami tampilkan sebagai atribusi.
Angka apa yang diklaim Mistral?
Untuk kode, halaman Hugging Face mencantumkan 61,7% pada DeepSWE v1.1 dan 28,3% pada Terminal-Bench 4. Coding Agent Index-nya 49,8%. Menurut ZDNET, Terminal-Bench 4.0 naik menjadi 41% dari 28% pada pratinjau, satu poin di atas GLM-5.3. Pada indeks keseluruhan, model ini mendapat 48, sedangkan GLM-5.3 mendapat 49.
Mistral mengklaim bisa bersaing dengan GLM-5.3 sambil memakai 47% token lebih sedikit per tugas, seperti dilaporkan TechCrunch. Untuk bagian siber, Hugging Face menyebut 82% pada uji yang meminta model mereproduksi kerentanan nyata lalu memperbaikinya, serta 93% pada Cybench (40 tantangan). Punto Informatico menulis bahwa hanya DeepSeek V4.1 Flash yang lebih unggul di benchmark khusus itu, sedangkan ZDNET menulis bahwa Le Chonk sedikit di atas DeepSeek V4.1 Flash pada CyberGym. Sumber-sumber ini tidak sejalan dalam hal ini.
Mengapa bobot terbuka penting untuk keamanan?
Argumen Mistral berpusat pada kendali. Pierre Stock, wakil presiden bidang sains, mengatakan kepada WIRED bahwa AI itu seperti listrik, dan kamu tidak ingin ada yang bisa mencabutnya. Model tertutup bisa memblokir permintaan analisis malware atau kerentanan karena terlihat seperti serangan. Dengan bobot di tangan sendiri, kebijakan penggunaan dan penerapan tetap berada di tanganmu.
Ada sisi lainnya. Rafe Pilling dari Sophos menyebut model ini teknologi dwiguna, karena pihak penyerang juga bisa mengunduh dan menyesuaikannya. Menurut Mistral, model ini menolak permintaan berbahaya dalam 97% kasus (data yang dikutip Punto Informatico). Hugging Face menyatakan bahwa rata-rata tingkat penolakan pada prompt siber lebih tinggi daripada model open-weight lain mana pun.
Untuk memahami konteks insiden yang disebut media ini, baca artikel kami tentang kasus Hugging Face.
Bagaimana cara memakainya dalam praktik?
Model ini mendukung day-0 untuk transformers, vLLM dan llama.cpp, dengan kuantisasi GGUF. Tersedia juga Inference Endpoints dan Inference Providers. Pengembang bisa mengaksesnya lewat Mistral Studio, API, dan OpenRouter.
Tingkat penalarannya bisa low, medium atau high. Defaultnya high, dan menurut halaman resminya, penalaran tidak bisa dimatikan. Versi NVFP4 untuk vLLM membutuhkan GPU NVIDIA Blackwell, dan contoh resminya memakai 8 GPU. Ini bukan model untuk server kecil. Jika kamu butuh AI yang lebih terjangkau, lihat panduan AI untuk UKM.
Batasan yang perlu kamu tahu
Hampir semua angkanya berasal dari Mistral. ZDNET mengingatkan bahwa benchmark harus dibaca dengan hati-hati. Sumber-sumber berbeda pendapat soal siapa yang unggul di bidang siber dan soal sumber daya pelatihannya. Hugging Face menempatkan model ini di posisi kelima di antara model open-weight pada Artificial Analysis Intelligence index, sementara Mistral, menurut WIRED, menyebutnya yang terbaik di dunia untuk kode dan siber di ranah terbuka. Ini dua klaim yang berbeda.
Belum ada verifikasi independen bahwa model ini tetap tahan terhadap penyalahgunaan setelah fine-tuning. Biaya eksekusi nyata dan uji pada kasus di Italia juga belum tersedia. Selain itu, lisensinya membatasi penawaran sebagai layanan.
Dampaknya bagi mereka yang bekerja di dunia digital
Bagi pengembang, kini ada alternatif Eropa yang terbuka untuk asisten kode dan analisis keamanan, yang bisa dijalankan sendiri di lingkungan internal. Bagi yang mengelola data sensitif, penerapan on-prem mencegah kode dan log dikirim ke pihak ketiga. Seperti yang diingatkan Stock kepada TechCrunch, akses tidak bisa dicabut.
Namun untuk perusahaan kecil, dibutuhkan perangkat keras yang besar atau penyedia layanan. Banyak hal bergantung pada pemasok. Kerangka regulasi juga penting, jadi kami merujukmu ke panduan AI Act untuk pengembang. Jika kamu mengelola server, hosting dan server terkelola dengan pembaruan keamanan tetap menjadi fondasi, apa pun model yang kamu pakai.
Pendapat kami
Langkahnya menarik, dan keputusan membuka bobot masuk akal untuk pertahanan. Peneliti yang menyelidiki kerentanan seharusnya tidak tertutup aksesnya di tengah insiden. Yang kurang meyakinkan adalah nada perlombaan geopolitiknya. Kata-kata Pilling terasa tepat, karena risikonya bergantung pada pemantauan dan kontrol, bukan pada asal bendera modelnya.
Selain itu, model satu triliun parameter hampir tidak terjangkau oleh UKM Italia mana pun. Manfaat nyatanya untuk sekarang dinikmati lembaga, perusahaan besar, dan penyedia layanan. Kami menunggu uji independen sebelum menyebutnya yang terbaik.
Pertanyaan yang sering diajukan
Apakah Mistral Large 4 benar-benar open source?
Ini open-weight, bukan open source dalam arti ketat. Bobotnya bisa diunduh dari Hugging Face. Lisensinya berasal dari MIT, tetapi membatasi penawaran sebagai layanan.
Bisakah dipakai gratis?
Bobotnya tersedia gratis, menurut Punto Informatico. Namun menjalankan model ini tetap butuh biaya perangkat keras. Contoh resminya memakai 8 GPU.
Apakah lebih baik dari model Tiongkok?
Tergantung pada ujinya. Mistral mengklaim menyamai atau melampaui model seperti DeepSeek dan Z.ai. ZDNET menyebut model ini satu poin di bawah GLM-5.3 pada indeks keseluruhan.
Bisakah dipakai untuk menyerang?
Bisa, seperti model lain yang bisa diunduh. Mistral menyatakan menolak permintaan berbahaya dalam 97% kasus. Namun setelah fine-tuning, perilakunya bisa berubah.
Bahasa apa saja yang didukung?
Lebih dari 160, menurut Punto Informatico, termasuk semua bahasa Eropa. Model ini menerima teks dan gambar, lalu menghasilkan teks.
Yang perlu dipantau dalam beberapa bulan ke depan, antara uji independen dan biaya nyata
- Ikuti uji independen, seperti Artificial Analysis, dan jangan hanya percaya angka dari perusahaan.
- Hitung biaya eksekusi, baik perangkat keras maupun API, sebelum memindahkan alur kerja. Untuk mulai dari skala kecil, lihat lima pemakaian AI untuk usaha kecil.
- Siapkan pertahanan terhadap penyalahgunaan, mulai dari jailbreak dan prompt injection.
