Ing. Calogero Bono
Mistral udostępnił wagi Mistral Large 4, nazywanego Le Chonk, modelu o około bilionie parametrów. Stało się to pod koniec października, po publicznej zapowiedzi na początku miesiąca. Model pobierzesz z Hugging Face, a korzystać z niego można także przez API. Ma znaczenie, bo jest to otwarty model, który francuska firma pozycjonuje w obszarze kodowania i obrony cyfrowej, a nikt nie może wyłączyć go zdalnie.
Kilka pojęć, zanim przejdziemy do faktów. Wagi (weights) to wartości liczbowe wyuczone podczas treningu, to one sprawiają, że model działa. Open-weight oznacza, że można je pobrać, a nie że cały kod jest wolny. MoE (Mixture-of-Experts) to architektura, w której dla każdego tokena pracuje tylko niewielka grupa wewnętrznych "ekspertów". Token to fragment tekstu przetwarzany przez model. Benchmark to standardowy test służący do porównywania modeli.
Czym jest Mistral Large 4?
Według oficjalnej karty modelu na Hugging Face, jest to multimodalny i wielojęzyczny model typu MoE. Przyjmuje tekst i obrazy, a generuje tekst. Ma około 1T parametrów łącznie, 49B aktywnych i okno kontekstu o długości 1M tokenów.
Licencja to Mistral Ecosystem Open-Weight License, pochodna MIT z ograniczeniami dla tych, którzy chcą oferować model jako usługę. Punto Informatico podaje, że model obsługuje ponad 160 języków i że trenowano go na 3.800 układach NVIDIA Grace Blackwell. ZDNET przytacza natomiast deklarację Mistrala o 4.000 GPU przez dwa miesiące. Te dwie liczby się nie zgadzają, dlatego podajemy obie jako przypisane źródłom.
Jakie liczby podaje Mistral?
W kodowaniu karta Hugging Face wskazuje 61,7% w DeepSWE v1.1 oraz 28,3% w Terminal-Bench 4. Indeks Coding Agent wynosi 49,8%. Według ZDNET Terminal-Bench 4.0 wzrósł do 41% z 28% w zapowiedzi, co daje jeden punkt przewagi nad GLM-5.3. W ogólnym indeksie model ma 48 punktów wobec 49 u GLM-5.3.
Mistral twierdzi, że konkuruje z GLM-5.3, zużywając o 47% mniej tokenów na zadanie, jak podaje TechCrunch. W części dotyczącej cyberbezpieczeństwa Hugging Face podaje 82% w teście, w którym model ma odtworzyć prawdziwą lukę, a następnie ją naprawić, oraz 93% w Cybench (40 wyzwań). Punto Informatico pisze, że w dedykowanym benchmarku lepszy jest tylko DeepSeek V4.1 Flash, a ZDNET, że Le Chonk jest tuż przed DeepSeek V4.1 Flash w CyberGym. Źródła nie są zgodne w tym punkcie.
Dlaczego otwarte wagi mają znaczenie dla bezpieczeństwa?
Argument Mistrala dotyczy kontroli. Pierre Stock, wiceprezes ds. nauki, powiedział WIRED, że AI będzie jak prąd i nie chcesz, by ktoś mógł ci go odciąć. Modele zamknięte potrafią blokować prośby o analizę malware czy podatności, bo wyglądają jak ataki. Mając wagi u siebie, to ty decydujesz o polityce użycia i wdrożeniu.
Jest też druga strona. Rafe Pilling z Sophos określa ten model jako technologię podwójnego zastosowania, ponieważ może zostać pobrany i dostosowany także przez atakujących. Według Mistrala model odrzuca szkodliwe prośby w 97% przypadków (dane podaje Punto Informatico). Hugging Face twierdzi, że średni wskaźnik odmów w promptach cyber jest wyższy niż u każdego innego modelu open-weight.
Aby zrozumieć kontekst incydentu, o którym piszą media, przeczytaj nasz artykuł o sprawie Hugging Face.
Jak używać go w praktyce?
Model ma wsparcie od pierwszego dnia dla transformers, vLLM i llama.cpp, z kwantyzacjami GGUF. Dostępne są też Inference Endpoints i Inference Providers. Programiści mogą łączyć się również przez Mistral Studio, API i OpenRouter.
Poziom rozumowania może być niski, średni lub wysoki. Domyślnie jest wysoki i, według karty modelu, rozumowania nie da się wyłączyć. Wersja NVFP4 dla vLLM wymaga kart NVIDIA Blackwell, a oficjalny przykład korzysta z 8 GPU. To nie jest model na mały serwer. Jeśli potrzebujesz AI bardziej przystępnej, zajrzyj do przewodnika po AI dla małych firm.
Ograniczenia, które warto znać
Prawie wszystkie liczby pochodzą od samego Mistrala. ZDNET przypomina, że benchmarki trzeba traktować ostrożnie. Źródła rozchodzą się w kwestii tego, kto jest na czele w cyberbezpieczeństwie i jakie zasoby zużyto na trening. Ranking Hugging Face stawia model na piątym miejscu wśród open-weight w Artificial Analysis Intelligence index, a Mistral mówi, według WIRED, o najlepszym na świecie modelu open do kodowania i cyber. To różne twierdzenia.
Nie ma niezależnej weryfikacji, czy model wytrzyma złośliwe użycie po fine-tuningu. Brakuje rzeczywistych kosztów uruchomienia i testów na polskich przypadkach. Dodatkowo licencja ogranicza oferowanie modelu jako usługi.
Co się zmienia dla osób pracujących w świecie cyfrowym
Programiści dostają teraz europejską, otwartą alternatywę dla asystentów kodu i analizy bezpieczeństwa, którą można uruchomić we własnym zakresie. Dla tych, którzy przetwarzają wrażliwe dane, wdrożenie lokalne oznacza, że kod i logi nie trafiają do osób trzecich. Jak zauważył Stock w rozmowie z TechCrunch, dostępu nie da się cofnąć.
Dla małej firmy potrzebny jest jednak poważny sprzęt albo dostawca. Dużo zależy od wybranego usługodawcy. Liczy się też otoczenie prawne, dlatego odsyłamy do przewodnika po AI Act dla programistów. Jeśli zarządzasz serwerami, podstawą pozostają także hosting i zarządzane serwery z aktualizacjami bezpieczeństwa, niezależnie od używanego modelu.
Nasze zdanie
Ruch jest interesujący, a decyzja o publikacji wag ma sens dla obrony. Osoba badająca lukę nie powinna zostać odcięta w środku incydentu. Mniej przekonuje nas ton wyścigu geopolitycznego. Słowa Pillinga są dobrym antidotum, bo ryzyko zależy od monitoringu i kontroli, a nie od flagi modelu.
Poza tym model z bilionem parametrów nie jest dostępny dla prawie żadnej polskiej małej firmy. Konkretną korzyść, przynajmniej na razie, widzą instytucje, duże firmy i dostawcy. Poczekajmy na niezależne testy, zanim nazwiemy go najlepszym.
Najczęstsze pytania
Czy Mistral Large 4 to naprawdę open source?
To open-weight, a nie open source w ścisłym znaczeniu. Wagi pobierzesz z Hugging Face. Licencja wywodzi się z MIT, ale ogranicza oferowanie modelu jako usługi.
Czy można z niego korzystać za darmo?
Wagi są dostępne bezpłatnie, według Punto Informatico. Uruchomienie modelu kosztuje jednak sprzęt. Oficjalny przykład używa 8 GPU.
Czy jest lepszy od chińskich modeli?
Zależy od testu. Mistral twierdzi, że dorównuje lub przewyższa modele takie jak DeepSeek i Z.ai. ZDNET mówi o punkt gorszym od GLM-5.3 w ogólnym indeksie.
Czy można go użyć do ataku?
Tak, jak każdego modelu do pobrania. Mistral deklaruje odrzucanie niebezpiecznych próśb w 97% przypadków. Po fine-tuningu zachowanie może jednak się zmienić.
Jakie języki obsługuje?
Ponad 160, według Punto Informatico, w tym wszystkie europejskie. Przyjmuje tekst i obrazy, a generuje tekst.
Na co zwrócić uwagę w najbliższych miesiącach, między niezależnymi testami a rzeczywistymi kosztami
- Śledź niezależne testy, na przykład Artificial Analysis, i nie ufaj wyłącznie liczbom firmy.
- Policz koszt uruchomienia, sprzętowy lub przez API, zanim przeniesiesz proces pracy. Aby zacząć od małej skali, zobacz pięć zastosowań AI w małych firmach.
- Przygotuj obronę przed nadużyciami, zaczynając od jailbreaku i prompt injection.
