Mistral Large 4: mocny w kodzie, ale czy dogoni Chiny?

Francuska firma Mistral udostępniła publicznie wagi swojego największego jak dotąd modelu — Mistral Large 4, znanego pod pseudonimem „Le Chonk”. Premiera następuje trzy tygodnie po zapowiedzi i przynosi obietnicę, że nowy model przewyższa konkurencyjne otwarte rozwiązania w zadaniach programistycznych. Niezależne testy pokazują jednak bardziej zniuansowany obraz: Large 4 jest szybki i stosunkowo tani, ale w ogólnych rankingach wciąż pozostaje w tyle za najlepszymi modelami z Chin.

Co potrafi Mistral Large 4 i ile kosztuje jego uruchomienie

Large 4 przyjmuje na wejściu tekst i obrazy, a zwraca tekst oraz kod. Model dysponuje łącznie około bilionem parametrów, z czego 52 miliardy są aktywne w każdym kroku obliczeniowym. To konstrukcja typu mixture-of-experts — zamiast angażować całą sieć, model aktywuje tylko wybrane fragmenty, co przekłada się na wydajność.

Samodzielne uruchomienie takiego kolosa wymaga poważnego sprzętu. Według dokumentacji frameworka SGLang standardowa wersja potrzebuje ośmiu układów Nvidia B300, a mocniej skompresowany wariant zmieści się na czterech GPU GB300. Dla większości zespołów oznacza to raczej korzystanie z API lub platform chmurowych niż własną infrastrukturę.

Cennik i licencja z haczykiem

Przez API koszt Large 4 wynosi 0,70 dolara za milion tokenów wejściowych i 2,10 dolara za milion tokenów wyjściowych. W okresie preview stawki były wyraźnie wyższe — odpowiednio 1,36 i 4,18 dolara. Na start firma obniżyła ceny na dwa tygodnie do poziomu 0,68 i 2,09 dolara, więc nowy cennik w praktyce odpowiada wcześniejszej promocji. Dla porównania Kimi K3.1 Pro kosztuje 2 dolary za wejście i 10 dolarów za wyjście.

Model trafił na Hugging Face na zmodyfikowanej licencji MIT. Używanie, modyfikowanie i wdrażanie komercyjne są bezpłatne, ale firmy oferujące Large 4 jako płatną usługę chmurową muszą wykupić osobną licencję. Mistral pozycjonuje produkt jako „suwerenne” AI — wytrenowane w całości w Europie i możliwe do uruchomienia na własnych serwerach. Poza tym dostępne jest m.in. na Microsoft Foundry.

Wyniki w kodowaniu: lider wśród otwartych modeli, ale z luką do Claude

Po trzech dodatkowych tygodniach treningu z uczeniem ze wzmocnieniem wynik Large 4 na benchmarku Terminal-Bench 4.0 wzrósł z 28 do 41 procent. To nieznacznie więcej niż GLM-5.3, który osiąga 40 procent. Na indeksie Coding Agent Index przygotowanym przez Artificial Analysis model zdobywa 48 procent — praktycznie tyle samo co GLM-5.3, ale zużywa przy tym o 47 procent mniej tokenów.

Liderem pozostaje Claude Code z modelem Opus 5.5, który na tym samym indeksie uzyskuje 62 punkty. Na nowym benchmarku FrontierCode 2.0 od Cognition Large 4 prowadzi wśród otwartych modeli z wynikiem 19,7 procent, podczas gdy Opus 5.5 sięga 46 procent. W testach porównawczych prowadzonych w ciemno przez Surge testerzy częściej wybierali kod Large 4 niż rozwiązania GLM-5.3, Kimi K3 i DeepSeek. W starciu z Opus 5.5 francuski model wygrywał jednak tylko w 22 procentach przypadków.

Mistral podkreśla, że jego model oferuje najlepszy stosunek ceny do wydajności w najbardziej atrakcyjnym segmencie rynku. Warto odnotować, że porównania firmy pomijają Kimi K3.1 Pro od Moonshot — formalnie słusznie, bo wagi tego modelu nie są jeszcze publiczne. Moonshot planuje ich udostępnienie do 4 listopada 2026 roku, a Kimi K3.1 Pro prowadzi na Terminal-Bench 4.0 z wynikiem 67 procent. Po publikacji wag przewaga Mistrala prawdopodobnie stopnieje.

Cyberbezpieczeństwo: trzecie miejsce, nie pierwsze

Mistral określa Large 4 mianem wiodącego otwartego modelu do zadań cyberobrony. Firma informuje, że finalna wersja osiąga 51 procent na Cyber Index od Artificial Analysis, który mierzy zdolność modelu do znajdowania, odtwarzania i łatania luk bezpieczeństwa bez psucia istniejących funkcji. Własny wykres Mistrala pokazuje jednak, że wyprzedzają go dwa otwarte modele: DeepSeek V4.1 Flash z 57 procentami i MiMo-V2.6-Pro z 56 procentami. Large 4 plasuje się więc na trzecim miejscu, tuż przed GLM-5.3 Flash (50 procent). Cały ranking otwiera Kimi K3.1 Pro z 64 procentami.

Dodatkowy trening niewiele tu zmienił — wersja preview miała 50 punktów, a finalna tylko o jeden więcej. Przy koszcie 1,21 dolara za zadanie Large 4 wypada znacznie drożej niż DeepSeek V4.1 Flash, który osiąga lepszy wynik za ułamek tej ceny. Model dobrze radzi sobie natomiast z odmową realizacji szkodliwych żądań — odrzuca średnio 96,6 procent złośliwych poleceń związanych z cyberatakami, więcej niż jakikolwiek inny otwarty model. Mistral przyznaje jednocześnie, że narzędzie mogłoby ułatwić przeprowadzanie realnych ataków, i zapowiada zaostrzenie zabezpieczeń. Wybrani partnerzy, tacy jak Orange Cyberdefense, testują już specjalną wersję do testów penetracyjnych — dostęp wymaga weryfikacji i wiąże się z ograniczeniami umownymi.

Ogólna inteligencja: szybkość i cena to główne atuty

Artificial Analysis opublikowało piątą wersję swojego Intelligence Index, w której trzy piąte testów opiera się na zadaniach lub rozwiązaniach niepublicznych. Finalna wersja Large 4 w trybie wysokim zdobywa 26 punktów — zaledwie o jeden więcej niż preview. To wynik powyżej mediany dla otwartych modeli o zbliżonym rozmiarze (23 punkty), ale poniżej najmocniejszych chińskich konstrukcji: DeepSeek V4.1 Flash i GLM-5.3 mają po 32 punkty, a MiMo-V2.6-Pro — 30.

Lukę tę widać również w starszej wersji indeksu, gdzie preview zdobywał 38 punktów przy 45 punktach GLM-5.3. Atuty Large 4 leżą gdzie indziej. Model generuje 161 tokenów na sekundę (wzrost ze 111 w preview) — w bezpośrednim porównaniu wyprzedzają go tylko DeepSeek V4.1 Flash i Muse Wonder. Średni koszt zadania w indeksie spadł z 5,54 do 2,06 dolara, co czyni Large 4 tańszym od GLM-5.3 (5,01 dolara) i Kimi K3.1 Pro (3,68 dolara), choć wciąż znacznie droższym niż DeepSeek V4.1 Flash (0,60 dolara) czy MiMo-V2.6-Pro (0,26 dolara).

Obietnica oszczędności tokenów również się potwierdza. Model wygenerował 110 milionów tokenów wyjściowych w całym indeksie, podczas gdy preview potrzebował 150 milionów. Mediana dla porównywalnych konstrukcji to jednak 100 milionów, więc Large 4 wciąż wypada nieco powyżej. Dystans do absolutnej czołówki pozostaje duży — Gemini 4 Carbon od Google prowadzi z 59 punktami, o jeden przed Claude Opus 5.5, ale na razie korzystać z niego mogą wyłącznie wybrani partnerzy z branży cyberbezpieczeństwa.

Europejska odpowiedź na globalny wyścig AI

Mistral nie kryje ambicji. Podczas konferencji prasowej zespół badawczy w składzie Pierre Stock i Corentin Petit tłumaczył, że firma pracuje z ułamkiem zasobów, jakimi dysponują laboratoria amerykańskie i chińskie, i że przy dziesięciokrotnie większym kapitale znalazłaby się na szczycie. Large 4 ma stanowić bazę dla wyspecjalizowanych modeli Mistrala, choć firma nie komentuje jeszcze planów dotyczących mniejszych wersji.

Proces treningu opierał się na zadaniach tworzonych wewnętrznie, które z czasem stawały się coraz trudniejsze. Według badaczy jedynym ograniczeniem wydajności jest to, jak wymagające zadanie zespół potrafi jeszcze wymyślić i zweryfikować. Mistral nazywa to „dwulatkiem”, który właśnie zaczyna przynosić efekty. Czy jednak strategia oparta na szybkości, niskiej cenie i europejskiej suwerenności wystarczy, by konkurować z chińskimi modelami, które w ogólnych rankingach wciąż wyprzedzają Large 4? Odpowiedź przyniosą najbliższe miesiące — zwłaszcza po publikacji wag Kimi K3.1 Pro.