gik|iewicz

Mistral Large 4 to nowy model francuskiej firmy Mistral AI zapowiadany jako open-weight, znany też pod pseudonimem Le Chonk. Model ma około biliona parametrów (1.05T), został wytrenowany w Europie i wystartował jako publiczny preview 6 października 2026 roku. To największy model w historii tej firmy.

TL;DR: Mistral Large 4 (Le Chonk) to otwarty model o 1.05 biliona parametrów i 49 mld parametrów aktywnych, trenowany na 3 800 układach NVIDIA Grace Blackwell w Europie, według Mistral; Quartz podaje inną liczbę: 4 000. Oferuje multimodalne rozumowanie, kontekst 1M tokenów i celuje w cyberbezpieczeństwo, kodowanie, produkcję i finanse. Wagi publiczne mają trafić do sieci 27 października, a w niezależnych testach model wciąż ustępuje czołowym rywalom.

Czym jest Mistral Large 4 i dlaczego nazywa się go Le Chonk?

Mistral Large 4, skrótowo ML4, to największy model firmy Mistral, zapowiedziany jako open-weight i udostępniony na razie w publicznym preview przez API. Firma przedstawia go jako model szczególnie skuteczny w zadaniach związanych z cyberbezpieczeństwem, kodowaniem, produkcją, finansami oraz zadaniami multimodalnymi. Nazwa Le Chonk pojawiła się oficjalnie przy premierze i funkcjonuje jako drugie, potoczne określenie tego modelu.

Nazwa nie jest przypadkiem. Zgodnie z VentureBeat kierownictwo Mistral przyznało, że pseudonim Le Chonk celowo nawiązuje do społeczności, która od dawna oczekiwała, że firma zbuduje wielki model frontierowy. To rodzaj żartobliwego ukłonu w stronę fanów. Jednocześnie premiera ma poważniejszą wymowę, ponieważ model jest reklamowany jako najmocniejszy otwarty system AI z Europy.

Przy okazji premiery pojawiło się też porównanie do konkurencji. Według CNBC francuska firma twierdzi, że ML4 rywalizuje z najlepszymi otwartymi systemami z Chin. To ważny kontekst, ponieważ rynek open-weight od miesięcy zdominowały właśnie chińskie konstrukcje, a europejski gracz próbuje wyrównać szanse.

Ile parametrów ma Mistral Large 4 i na czym był trenowany?

Mistral Large 4 ma 1.05 biliona parametrów całkowitych, z czego około 49 miliardów jest aktywnych podczas pracy, co wskazuje na architekturę MoE (mixture-of-experts). Model obsługuje kontekst długości 1 miliona tokenów i jest natywnie multimodalny. Trenowanie odbyło się na własnej infrastrukturze w Europie, co firma podkreśla jako wyróżnik.

Mistral podaje, że model trenowano od podstaw na 3 800 GPU NVIDIA Grace Blackwell w europejskich centrach danych firmy.

Quartz podaje liczbę 4 000 GPU. Quartz relacjonuje również deklarację startupu o przewadze wśród modeli open-weight spoza Chin. Zestawienie tych informacji pokazuje, że źródła podają różne liczby.

Podstawowe specyfikacje wyglądają następująco:

• 1.05T parametrów całkowitych
• 49B parametrów aktywnych (architektura MoE)
• kontekst do 1M tokenów
• model natywnie multimodalny
• trening na 3 800 GPU NVIDIA Grace Blackwell; Quartz podaje 4 000
• status open-weight z publicznym preview przez API

Wybór europejskiej infrastruktury ma moim zdaniem znaczenie wykraczające poza marketing, choć artykuł informacyjny pozostawia ocenę ekonomiczną na boku. Trening na własnym sprzęcie oznacza przynajmniej deklaratywną suwerenność technologiczną.

Jak Mistral Large 4 wypada w niezależnych benchmarkach?

Według The Decoder w niezależnym Intelligence Index model robi duży skok naprzód, ale wciąż wyraźnie ustępuje Claude’owi, GPT-6 oraz chińskim konkurentom. Wyniki własne Mistral wyglądają lepiej, jednak brakuje im niezależnego potwierdzenia w momencie premiery.

Firma porównywała model głównie we własnych testach. Trending Topics informuje, że ML4 pokonuje GLM 5.2 w testach przeprowadzonych przez Mistral, natomiast niezależne benchmarki jeszcze nie istniały. To typowa sytuacja przy premierach, dlatego do wyników producenta należy podchodzić ostrożnie.

Na przykład Kingy AI wskazuje na istnienie niezależnych ewaluacji w obszarach prawa, finansów i kodowania, co pozwala chociaż częściowo zweryfikować deklaracje. Najważniejsze jest zatem rozdzielenie dwóch kategorii danych: wyników firmowych, które są korzystne, oraz wyników zewnętrznych, które pokazują lukę do czołówki zamkniętej i chińskiej.

Zestawienie obu perspektyw wygląda tak:

Kiedy wagi Mistral Large 4 trafią do publicznego udostępnienia?

Wagi Mistral Large 4 mają zostać opublikowane 27 października. Taka data wynika z kilku zgodnych relacji prasowych, które opisują harmonogram wydania open-weight po fazie preview.

MarketScreener podaje, że model open-weight zostanie udostępniony publicznie 27 października, a francuski startup deklaruje zawężenie luki wobec najlepszych systemów. Z kolei francuskojęzyczny serwis Clubic potwierdza, że Mistral uruchomił we wtorek publiczną prewersję modelu o tysiącu miliardów parametrów, a wagi opublikuje 27 października.

Dlaczego dwa etapy zamiast jednej premiery? Model najpierw jest testowany przez API, a dopiero potem trafia do pobrania. Takie podejście pozwala firmie zebrać informację zwrotną przed pełnym wydaniem wag. Dla programistów oznacza to, że od razu można eksperymentować w preview, natomiast lokalne wdrożenia stają się możliwe po 27 października. To potwierdza, że dostęp do API poprzedza publikację wag.

W jakich zadaniach Mistral Large 4 ma być szczególnie skuteczny?

Według firmy Mistral Large 4 jest szczególnie skuteczny w zadaniach związanych z cyberbezpieczeństwem, kodowaniem, produkcją, finansami oraz zadaniami multimodalnymi. Taką listę obszarów francuska firma podała oficjalnie przy premierze modelu, o czym informuje CNBC. Lista celowo koncentruje się na zastosowaniach dla klientów biznesowych, a nie na zastosowaniach konsumenckich.

Warto zwrócić uwagę na wątek cyberbezpieczeństwa. The Decoder opisuje model jako europejską odpowiedź na modele ze Stanów Zjednoczonych, które odmawiają pracy przy zadaniach związanych z bezpieczeństwem. Mistral wymienia cyberbezpieczeństwo, kodowanie i zadania multimodalne jako obszary, w których model ma być szczególnie skuteczny.

Można zatem wskazać cztery główne pola zastosowań deklarowane przez producenta:

• cyberbezpieczeństwo i praca przy zadaniach bezpieczeństwa
• kodowanie i zadania programistyczne
• produkcja (manufacturing) jako obszar przemysłowy
• finanse oraz zadania multimodalne wymagające rozumowania

Kingy AI dodaje kontekst weryfikacyjny, wskazując na istnienie niezależnych ewaluacji w obszarach prawa, finansów i kodowania. To oznacza, że przynajmniej część deklarowanych mocnych stron modelu da się sprawdzić poza testami firmy.

Czy Mistral Large 4 dorównuje modelom z Chin i Stanów Zjednoczonych?

Firma Mistral deklaruje zawężenie luki wobec najlepszych systemów, jednak niezależne benchmarki pokazują, że model wciąż wyraźnie ustępuje czołówce. W Intelligence Index ML4 robi duży skok naprzód, ale pozostaje za Claude’em, GPT-6 oraz chińskimi konkurentami. To kluczowa różnica między narracją producenta a danymi zewnętrznymi.

Wyniki firmowe wyglądają korzystniej. Według Trending Topics ML4 pokonuje GLM 5.2 w testach przeprowadzonych przez samą firmę, natomiast w momencie premiery brakowało jeszcze niezależnych benchmarków. Dodatkowo Quartz relacjonuje deklarację startupu, że model prowadzi wśród modeli open-weight spoza Chin z znaczną przewagą.

Jak to zatem ocenić? Moim zdaniem najuczciwsze podsumowanie brzmi tak: w kategorii otwartych modeli spoza Chin ML4 jest według producenta liderem, natomiast wobec zamkniętej czołówki, w tym Claude’a i GPT-6, luka nadal istnieje. Ostateczną weryfikacją będą niezależne testy po publikacji wag 27 października.

Co model Mistral Large 4 oznacza dla europejskiej sceny AI?

Mistral Large 4 to największy otwarty model w historii europejskiej sceny AI, wytrenowany na własnej infrastrukturze na kontynencie. Mistral podaje 3 800 GPU NVIDIA Grace Blackwell w europejskich centrach danych. Quartz podaje 4 000 GPU. Oba źródła opisują trening w Europie. Francuskojęzyczny serwis Clubic nazywa to wręcz śmiałym wyzwaniem rzucanym GPT-6 Astra.

Znaczenie wykracza poza sam wynik benchmarków. Po pierwsze, trening na europejskiej infrastrukturze oznacza deklaratywną suwerenność technologiczną. Po drugie, model open-weight o takiej skali daje europejskim firmom dostęp do technologii frontierowej bez polegania wyłącznie na dostawcach z Ameryki. Po trzecie, pseudonim Le Chonk i sposób premiery pokazują, że Mistral buduje społeczność wokół swoich wydań, co potwierdza relacja VentureBeat.

Więcej kontekstu o strategii firmy opisywałem wcześniej w notatkach ze szczytu Mistral AI Now w Paryżu, a o trendzie customizacji modeli dla enterprise pisze tekst o premierze Mistral Forge. Duży otwarty model dobrze wpisuje się w tę strategię, ponieważ stanowi fundament, na którym klienci mogą budować własne warianty.

Jak można już teraz testować Mistral Large 4?

Model jest dostępny w publicznym preview przez API, zanim wagi trafią do sieci. Mistral potwierdza uruchomienie podglądu, a MarketScreener podaje 27 października jako planowaną datę publikacji wag. Oznacza to dwuetapowy harmonogram: najpierw API, potem pobieranie wag.

Konkretnie ścieżka testowania wygląda następująco:

• dostęp do publicznego preview przez API firmy Mistral
• testowanie multimodalnego rozumowania, kodowania i cyberbezpieczeństwa
• Kingy AI opisuje także cennik preview API oraz porównania z modelami frontierowymi
• lokalne wdrożenia staną się możliwe po publikacji wag 27 października

Dla programistów i firm oznacza to praktyczną konsekwencję. Już teraz można włączyć ML4 do prototypów i porównać go z dotychczasowymi modelami we własnych zadaniach, a od końca miesiąca dodatkowo pobrać wagi i uruchomić model na własnej infrastrukturze. Podejście dwuetapowe pozwala zebrać doświadczenia z API przed decyzją o samodzielnym hostowaniu, co przy modelu o tej skali ma realne znaczenie kosztowe. Kontekst dotyczący polityki danych firmy przy korzystaniu z API opisuje osobny tekst o trenowaniu na danych użytkowników.

Często zadawane pytania

Ile parametrów ma Mistral Large 4?

Mistral Large 4 ma 1.05 biliona parametrów całkowitych, z czego około 49 miliardów jest aktywnych podczas pracy, co wskazuje na architekturę MoE. Model obsługuje przy tym kontekst długości 1 miliona tokenów. Dane te pochodzą z opisu wydania opublikowanego przy premierze.

Kiedy zostaną opublikowane wagi Mistral Large 4?

Wagi mają zostać opublikowane 27 października. Data wynika z kilku zgodnych relacji prasowych, w tym MarketScreener i Clubic. Do tego dnia model jest dostępny w publicznym preview przez API.

Dlaczego model nazywa się Le Chonk?

Kierownictwo Mistral przyznało, że pseudonim Le Chonk celowo nawiązuje do społeczności, która od dawna oczekiwała, że firma zbuduje wielki model frontierowy. Nazwa pojawiła się oficjalnie przy premierze. Funkcjonuje jako drugie, potoczne określenie modelu obok formalnej nazwy Mistral Large 4.

Czy Mistral Large 4 jest modelem multimodalnym?

Tak, Mistral opisuje Large 4 jako natywnie multimodalny. MarkTechPost podaje 1.05T parametrów i 49B aktywnych.

Podsumowanie

Wnioski z premiery Mistral Large 4 można ująć w kilku punktach:

• ML4 (Le Chonk) to największy model Mistral: 1.05T parametrów, 49B aktywnych, kontekst 1M tokenów, architektura MoE.
• Mistral podaje 3 800 GPU NVIDIA Grace Blackwell w europejskich centrach danych; Quartz podaje 4 000 GPU. Europejską infrastrukturę firma przedstawia jako wyróżnik suwerenności technologicznej.
• Model celuje w cyberbezpieczeństwo, kodowanie, produkcję, finanse i zadania multimodalne.
• W testach własnych firma pokonuje GLM 5.2, ale w niezależnym Intelligence Index model wciąż ustępuje Claude’owi, GPT-6 i chińskim konkurentom.
• Wagi trafią do publicznego udostępnienia 27 października, a preview przez API działa już teraz.

Jeśli planujesz testy, zacznij od preview API i sprawdź model na własnych zadaniach z obszaru kodowania lub bezpieczeństwa, a po 27 października oceń możliwość lokalnego wdrożenia. Najciekawszy etap zacznie się jednak wtedy, gdy pojawią się niezależne benchmarki społeczności, bo dopiero one zweryfikują deklaracje producenta wobec czołówki z Chin i Stanów Zjednoczonych.