Mistral представила Large 4 «Le Chonk» — модель генерации текста с триллионом параметров и высокими результатами в бенчмарках, которую планируют выпустить с открытыми весами

Mistral запускает публичное тестирование Mistral Large 4 — мультимодальной модели с триллионом параметров под кодовым названием «Le Chonk». Парижская ИИ-компания заявляет, что модель возвращает её в число мировых лидеров среди моделей с открытыми весами, уделяя особое внимание программированию, кибербезопасности, финансам, производству и визуальному заземлению.

Модель, сокращённо ML4, содержит 49 миллиардов активных параметров и обучалась с нуля около двух месяцев на 4 000 графических процессоров Nvidia Grace Blackwell в собственных европейских дата-центрах Mistral.

Mistral сообщает, что обучала модель на более чем 160 языках, включая все официальные языки Европейского союза.

Компания планирует предоставить к ней доступ через API Mistral, а веса модели опубликовать 27 октября — после примерно трёхнедельного тестирования с участием разработчиков, руководителей в сфере кибербезопасности и государственных органов.

Ожидается, что веса будут распространяться по специальной лицензии Mistral; в материалах, изученных VentureBeat, компания не указала цены на API.

Поэтапный запуск — важная часть того, как Mistral позиционирует этот релиз. ML4 — не просто очередная универсальная модель: компания представляет её как основу, которую предприятия и государственные структуры в перспективе смогут запускать и настраивать самостоятельно, в том числе на суверенной инфраструктуре и с возможностью полного отказа от хранения данных. По словам Mistral, период предварительного тестирования также позволит продолжить обучение с подкреплением и настроить финальную версию модели перед публикацией весов.

«ML4 — передовая модель с открытыми весами», — заявил сооснователь и главный научный сотрудник Mistral Гийом Лампль в материалах, переданных VentureBeat.

Лампль сказал, что, по ожиданиям Mistral, возможности модели будут улучшаться по мере завершения обучения с подкреплением и наращивания компанией обучающих мощностей. По данным Mistral, Лампль увеличил научную команду с трёх исследователей примерно до 300.

От мема «Le Chaton Fat» до настоящей модели с триллионом параметров

Для тех, кто следит за всё более странной сетевой культурой вокруг передовых ИИ-моделей, ML4 может показаться развязкой шутки, которая началась несколько месяцев назад.

В июне вымышленная модель Mistral под названием «Le Chaton Fat» стала вирусной в X и Reddit: её сопровождали поддельные графики результатов бенчмарков и всё более нелепые характеристики якобы огромной французской модели, которая должна была обойти американских и китайских конкурентов. Business Insider писал, что шутка распространилась в июне: в одних версиях утверждалось, что у несуществующей модели более 30 триллионов параметров, в других ей приписывали такие возможности, как «1 000 мяуканий в секунду». В конце концов генеральный директор Mistral Артур Менш подхватил шутку и написал в X: «Вообще-то, это le gros chaton».

За троллингом скрывалось реальное ожидание, что Mistral готовит нечто гораздо более масштабное. В июле TechCrunch писал об ожидании крупной модели Mistral с открытыми весами и отмечал, что Менш и инвестор Mistral Марк Андриссен подогрели шутки о Le Chaton Fat.

Теперь у Mistral действительно есть модель с триллионом параметров — и, похоже, компания решила не упускать возможность обыграть шутку. Внутри компании ML4 получила прозвище «Le Chonk» — ещё одну отсылку к сетевому сленгу, обозначающему исключительно крупного кота.

Когда VentureBeat спросил Лампль, можно ли считать ML4 той самой моделью, которую предвещал мем Le Chaton Fat, он ответил, что в Mistral оценили шутку, и предположил, что ML4 можно рассматривать как первоначальную версию этой идеи, за которой последуют ещё более крупные модели. Руководители Mistral заявили, что название Le Chonk намеренно отсылает к сообществу, которое надеялось, что компания создаст огромную передовую модель.

Так что шутка оказалась необычайно близка к реальности: Le Chaton Fat так и не появилась, но несколько месяцев спустя Mistral выпускает настоящую флагманскую модель с открытыми весами и триллионом параметров, получившую кодовое имя в честь упитанного кота.

Триллион параметров, но активны лишь 49 миллиардов

В ML4 используется разреженная архитектура: хотя всего модель содержит триллион параметров, во время инференса активны лишь 49 миллиардов. Такой подход продолжает общую тенденцию среди очень крупных моделей с открытыми весами: увеличивать совокупную ёмкость модели, активируя за раз лишь часть сети.

Mistral также подчёркивает, что для обучения системы, по её словам, потребовалось гораздо меньше оборудования, чем для крупнейших проектов по созданию передовых моделей. Четыре тысячи графических процессоров Blackwell — внушительное количество в абсолютном выражении, однако компания считает его скромным по сравнению с ресурсами более крупных американских лабораторий. Точно сравнить эффективность сложно, поскольку конкуренты не публикуют полные данные об вычислительных ресурсах, затраченных на обучение, в едином формате. Для сравнения: по словам Mistral, предыдущую модель Large 3 — смесь экспертов с 675 миллиардами параметров, из которых 41 миллиард активен, — обучали на 3 000 графических процессоров Nvidia H200.

Новая модель принимает мультимодальные входные данные, но по-прежнему выдаёт текст, подтвердил Лампль в интервью VentureBeat. Mistral ориентирует её на такие задачи, как разработка программного обеспечения, киберзащита, финансовый анализ, обработка спутниковых и аэрофотоснимков, технических чертежей и проектирование чипов.

Среди этих направлений кибербезопасность имеет наибольшее стратегическое значение. Mistral утверждает, что предприятия не могут полностью полагаться на закрытых поставщиков, чьи системы безопасности могут отклонять запросы, связанные с двойным применением, но предназначенные для законной защиты. Компания делает ставку на то, что модель с открытыми весами даст специалистам по безопасности больше контроля над сканированием кода, защитным тестированием и другими масштабными рабочими процессами в сфере безопасности — без зависимости от меняющихся правил модерации поставщика.

Результаты бенчмарков выглядят убедительно, но картина сложнее, чем показывают графики Mistral

Mistral предоставила предварительные результаты, согласно которым ML4 набрала 62% в DeepSWE v1.1 — бенчмарке для долгосрочных задач в области разработки программного обеспечения. На графике указаны следующие результаты: новая модель Beam от Reflection AI — 44%, Qwen 3.8 Max — 51%, DeepSeek V4 Pro 0813 — 57%, GLM-5.3 — 61%.

Результаты конкурентов в целом можно отследить по открытым источникам, однако конфигурация бенчмарка имеет значение.

В опубликованном только вчера анонсе Beam от Reflection указаны результаты 44,4% для Beam, 51% для Qwen 3.8 Max и 61% для GLM-5.3 в рамках использованной компанией схемы сравнения.

Artificial Analysis отдельно сообщает, что DeepSeek V4 Pro 0813 набрала 57% в DeepSWE при использовании с агентской оболочкой Codex.

Однако актуальная таблица лидеров DeepSWE показывает иную картину, если для каждой модели выбирать лучшую опубликованную конфигурацию: сейчас в ней GLM-5.3 и Kimi K3 набирают около 69%, а GPT-6 Astra, Gemini 3.8 Flash и Claude Opus 5 — около 74%.

Иными словами, предварительный результат ML4 в 62% выглядит конкурентоспособно, особенно по сравнению с западными моделями с открытыми весами, такими как Beam, но не доказывает безоговорочного лидерства в программировании при любом сочетании доступных моделей и агентских конфигураций.

Юридический бенчмарк позволяет провести более точную внешнюю проверку. Согласно диаграмме Mistral, ML4 показывает 15% успешно выполненных задач в бенчмарке Harvey Legal Agent. В общедоступной таблице лидеров Vals.ai сейчас указаны результаты Kimi K3 — 12,92%, MiMo V2.6 Pro — 10,83% и GLM-5.3 — 8,33%, что совпадает с соответствующими округлёнными результатами конкурентов в сравнении Mistral. Если результат ML4 в 15% получен по той же методике, модель опережает этих конкурентов с открытыми весами, хотя в текущей таблице Vals несколько проприетарных моделей показывают результат выше.

Mistral также сообщает о результате 67% в Finch — бенчмарке для корпоративных рабочих процессов в сфере финансов и бухгалтерского учёта. На предоставленной компанией диаграмме этот результат равен показателю DeepSeek V4 Pro 0813 и выше результата GLM-5.3, составляющего 65%. Finch — общедоступный бенчмарк, принятый на ACL 2026; его 384 задания охватывают продолжительные рабочие процессы с электронными таблицами, документами, поиском, моделированием и подготовкой отчётов на основе неструктурированных данных, характерных для предприятий. Однако VentureBeat не удалось самостоятельно найти опубликованные результаты Finch для указанных в диаграмме Mistral точных показателей новых моделей.

Такая же оговорка относится к заявлениям Mistral о визуальном заземлении. В материалах компании указано, что ML4 набрала 42% в Dense200 и 73% в DIOR-RSVG, опередив большинство универсальных моделей в сравнении. Dense200 и DIOR-RSVG — опубликованные бенчмарки визуального заземления, однако точные результаты GPT-6 Astra, Kimi K3 и DeepSeek, указанные на слайдах Mistral, не удалось обнаружить в открытых источниках по бенчмаркам, изученных VentureBeat.

Это различие важно, поскольку главное стратегическое заявление Mistral заключается не в том, что ML4 в целом превосходит все закрытые модели, а в том, что это сильнейшая модель с открытыми весами, разработанная за пределами Китая, и она может конкурировать с лучшими китайскими системами с открытыми весами. На момент публикации ML4 пока не появилась ни в открытых оценках Artificial Analysis, ни в таблице лидеров DeepSWE, поэтому заявление Mistral о её рейтинге остаётся предварительным — до тех пор, пока сторонние специалисты не смогут протестировать финальную модель и опубликованные веса.

Главная ставка Mistral: открытые веса и суверенная корпоративная платформа

Выход ML4 приходится на переломный момент для Mistral. Основанная в 2023 году бывшим исследователем DeepMind Артуром Меншем и бывшими исследователями Meta Гийомом Ламплем и Тимоте Лакруа, компания быстро стала одним из самых заметных европейских конкурентов американских и китайских лабораторий, разрабатывающих базовые модели.

Первая модель Mistral 7B вышла в сентябре 2023 года. Позднее в том же году появилась разреженная Mixtral 8x7B, что помогло закрепить стратегию компании, ориентированную на эффективные и свободно доступные веса моделей.

С тех пор компания значительно расширила деятельность за пределы выпуска весов моделей. Теперь её платформа включает продукты для разработчиков и предприятий, услуги по настройке моделей, инфраструктуру для инференса и Mistral Compute — часть более масштабной стратегии, в рамках которой компания предлагает предприятиям не просто доступ к модели, а контроль над инфраструктурой, развёртыванием и сопутствующей разработкой. Архив новостей и продуктов Mistral отражает это расширение.

В сентябре Mistral объявила о привлечении 3 миллиардов евро в раунде Series D при оценке компании после раунда свыше 21 миллиарда евро. Компания назвала этот раунд крупнейшим привлечением акционерного капитала в истории европейских технологических компаний. Reuters сообщило, что оценка составила около 24 миллиардов долларов. По данным Mistral, сейчас компания работает более чем со 125 международными предприятиями, включая Airbus, ASML и HSBC.

Эта стратегия полного цикла также объясняет, почему Mistral готова выпускать мощные веса моделей, а не оставлять свою флагманскую модель доступной исключительно через API. Лампль рассказал VentureBeat, что клиентам всё чаще нужно больше, чем просто доступ к модели: развёртывание, инфраструктура, настройка и инженерная поддержка для всё более сложных ИИ-процессов — всё это часть бизнеса. По сути, Mistral делает ставку на то, что веса моделей станут более взаимозаменяемыми, а более прибыльный корпоративный бизнес будет строиться вокруг систем, созданных на их основе.

Для предприятий практический вопрос заключается в том, оправдает ли финальная версия ML4 ожидания, когда независимые эксперты смогут её протестировать, и удастся ли Mistral превратить обещания суверенности в измеримые преимущества с точки зрения затрат, контроля и настройки. До публикации весов компания оставляет себе три недели. После 27 октября прозвище «Le Chonk» будет иметь меньшее значение, чем то, что разработчики смогут воспроизвести на собственном оборудовании.