Hacker News Digest

Mistral выпустила публичную превью-версию Mistral Large 4 — модели на 1 триллион параметров с нативной мультимодальностью и 52 миллиардами активных параметров. Это крупнейшая и самая мощная модель компании, которая, по её заявлению, превосходит все открытые модели, созданные в США и Европе, а в визуальной привязке (visual grounding) обходит даже закрытые фронтирные модели. Веса обещают выложить в конце месяца; до тех пор модель тестируют в реальных условиях совместно с экспертами по кибербезопасности и госорганами, давая им доступ с ослабленной модерацией и расширенными кибер-возможностями.

Модель обучена с нуля на 3800 графических процессорах NVIDIA Grace Blackwell в собственных дата-центрах Mistral в Европе, и превью работает на той же инфраструктуре. В обучении участвовали данные более чем на 160 языках, включая все официальные языки Евросоюза. В кибербезопасности ML4 входит в топ-5 мировых моделей по индексу Artificial Analysis Cyber Index и с большим отрывом лидирует среди открытых моделей, созданных вне Китая. Открытые веса и возможность развёртывания у себя компания подаёт как инструмент цифрового суверенитета: отказ провайдера может заблокировать легитимное исследование уязвимостей или реагирование на инцидент.

Обучение с подкреплением ещё продолжается и не показывает признаков насыщения: при текущем масштабе в 3000 GPU один прогон даёт около 33 млрд токенов в день, из которых примерно 16 млрд пригодны для обучения. ML4 — первый этап плана, финансируемого раундом Series D на 3 млрд евро, крупнейшим в истории европейских технологических компаний; модель станет базой для нового поколения специализированных моделей Mistral.

Тред добавляет к заявлению компании реальные пользовательские наблюдения: модель часто выводит случайные китайские символы, её стоимость в 10 раз выше аналогов, но привлекателен из‐за соответствия GDPR; эффективность в реальных бенчмарках пока неоднозначна, а окончательная оценка возможна только после публикации весов.

• Многие пользователи отмечают, что Mistral Large 4 иногда генерирует случайные китайские (и корейские) символы в ответах, что наблюдается как в «thinking», так и в финальном выводе.

• Спор: Одни считают, что появление китайских символов связано с дистилляцией моделей Deepseek, сравнивая процесс с «VHS‐кассетой», в то время как другие объясняют это багом в логировании или потерями при квантизации.

• Главным преимуществом Mistral Large 4 считается соответствие европейским требованиям GDPR, что делает её привлекательной для компаний, обязанных использовать модели, размещённые в ЕС.

• Стоимость модели примерно в 10 раз выше, чем у Deepseek 4.1 Flash, при этом визуальная мультимодальная часть считается лучше, а кодинг — хуже, согласно сравнениям на OpenRouter.

• Пользователи отмечают высокую скорость работы Mistral Large 4, однако на специфических бенчмарках, например adversarial programming language benchmark, её результаты сопоставимы с более дешёвыми моделями вроде Kimi K3.

• Выбор в пользу Mistral Large 4 иногда мотивирован патриотизмом или желанием поддержать европейские проекты, несмотря на более высокую цену.

• Пока веса модели недоступны, а текущая версия — лишь превью; окончательная оценка её возможностей будет возможна только после финального релиза.

• Совет: Для оценки реальной производительности стоит посмотреть уже опубликованные результаты benchmark'а Pelican, а не ждать новых публикаций.

• Некоторые пользователи считают, что домашняя модель Qwen‐3.8‐flash‐next может конкурировать с Mistral Large 4 по качеству при значительно более низкой стоимости.

• Отмечается, что дата‐центр, использованный для обучения Mistral Large 4, позволяет достичь «sub‐SOTA» при одной десятой ресурсов по сравнению с лидерами отрасли.

The weird thing about this model is that it spits out Chinese characters just like the chinese models when chatting with it in German. Happened to me quite often during the past few days. — @nik736

Перевод: Странно, но эта модель иногда выводит китайские символы, как китайские модели, когда с ней разговаривают на немецком. Такое происходило со мной довольно часто за последние несколько дней.

Mistral Large 4, неофициально «le Chonk», — это публичный превью модели с 1 трлн параметров и 49 млрд активных, обученной на 3800 GPU Grace Blackwell в собственных датацентрах Mistral в Европе. Она демонстрирует передовые результаты в программировании, мультимодальном понимании и особенно в кибербезопасности, где занимает топ-пять глобально по Artificial Analysis Cyber Index и опережает все открытые модели из США и Европы. В задачах визуального заземления она даже превосходит некоторые закрытые frontier-модели.

Модель обучена на мультиязычных данных более чем на 160 языках, включая все официальные языки ЕС, и будет доступна для самостоятельного развертывания с открытыми весами к концу месяца. Это обеспечивает суверенитет ИИ и автономию в критических отраслях — финансах, праве, логистике и др. — где провайдерские ограничения могут блокировать легитимные исследования уязвимостей. Обучение велось в среде Mistral Forge, с использованием SFT и RL, генерируя ~33 млрд токенов в день (~16 млрд обучаемых). Веса будут опубликованы к концу месяца, а модель станет базой для новой линейки специализированных версий под конкретные отраслевые нагрузки.

Сообщество положительно воспринимает открытый, европейский характер модели Mistral и её игривый брендинг («Le Chonk»), который привлекает больше, чем серьёзный стиль Anthropic, и влияет на готовность платить. Однако отмечается отставание от закрытых и китайских открытых моделей по качеству и масштабам. Пользователи ценят открытые веса, размещение в Европе и позиционирование как конкурента GLM‐5.3 в кибербезопасности, а также соответствие регуляциям ЕС и поддержку локального бизнеса. Стоимость и эффективность Mistral воспринимаются как преимущество по сравнению с K3 и Deepseek. Сообщество требует большего вычислительного ресурса для дальнейшего улучшения, прозрачности данных обучения и отказа от нелегального контента. Есть споры о возможной дистилляции от других моделей, но ответов пока нет.

Mistral Large 4 — это открытая мультимодальная модель с архитектурой Mixture-of-Experts, содержащая 49 миллиардов активных параметров и 1,05 триллиона общих параметров, дополненная 1,6-миллиардным визуальным энкодером. Она поддерживает контекст до 1 миллиона токенов и доступна в публичном превью с 6 октября 2026 года. Модель оптимизирована для высокой производительности и скорости, предлагая структурированные выходы, вызов функций, обработку документов и работу с агентами через API.

Стоимость использования составляет $0,07 за миллион входных токенов (кешированные — $0,07), $2,09 за миллион выходных токенов и $0,68 за миллион токенов в режиме приоритета. Доступны инструменты для батч-обработки, чат-комплектации и интеграции с агентами. Mistral Large 4 позиционируется как универсальное решение для сложных задач, требующих понимания текста и изображений при большом контексте и низкой латентности.

Mistral Large 4 — стратегический шаг к европейской AI-суверенности. Её производительность в кибербезопасности (82% на CyberGym-E2E) превосходит GLM-5.3 и закрытые модели, а визуальное понимание (42% на Dense 200) сопоставимо с GPT-6 Astra. Точность в аналитических задачах выросла с 58% до 74%, цена на 10x ниже Mistral Medium 3.5. Модель дешевле Kimi K3 и GLM-5.3, но дороже их быстрых версий (например, GLM-5.3-flash), и для оправдания цены должна быть значительно лучше — чего пока не наблюдается. Она уступает GPT-6 Luna по скорости, лаконичности и общей производительности, несмотря на более высокую цену. Обучение на 3800 GPU в Европе показывает, что небольшие кластеры могут конкурировать с моделями, обученными на сотнях тысяч GPU. Mistral Large 4 лучше справляется с французским языком, чем GLM-5.3, что важно для европейских пользователей, соблюдающих GDPR или избегающих китайских поставщиков. Пользователи рекомендуют тестировать через Hermes и Plotly-бенчмарки: реальная эффективность в аналитике и программировании превосходит ожидания, несмотря на низкие общие рейтинги. Есть слабости в вызове инструментов (например, не работает с jq после JSON), что ограничивает применение в сложных workflow. Открытый доступ вызывает опасения роста рисков кибератак. Модель не достигла Pareto-оптимальности, но быстро приближается к ней; RL-финальная версия до конца месяца может изменить баланс. По сравнению с DeepSeek 4.1 Flash — дороже и медленнее, но с лучшей поддержкой европейских языков и этических стандартов. Несмотря на 1,05 трлн параметров, активных всего 49 млрд благодаря Mixture-of-Experts, что делает инференс экономичным. Mistral Large 4 — первая открытая модель с европейским размещением, достаточной производительностью для ежедневного использования и символом альтернативы доминирующим игрокам.