Mistral Large 4 — новий флагман Mistral AI. Він має близько одного трильйона параметрів, навчений з нуля в Європі, а його відкриті ваги плануються на кінець жовтня 2026 року. Це не найрозумніша модель, доступна на ринку. Що робить її помітною, так це те, що вона лідирує в кількох сферах, де закриті флагмани або відмовляються, або відстають: робота з оборонною безпекою, знаходження об'єктів на зображеннях та юридичні дослідницькі агенти.
Mistral випустив її 6 жовтня 2026 року як публічний попередній перегляд. Її прізвисько — "Le Chonk". Ця публікація охоплює, що таке модель, що вона робить добре, де вона має недоліки та як її спробувати через AIHubMix.
На перший погляд
| Mistral Large 4 | |
|---|---|
| Розробник | Mistral AI (Франція) |
| Випущено | 6 жовтня 2026 року |
| Статус | Публічний попередній перегляд |
| API ID | mistral-large-4 |
| Параметри | 1.05T всього, близько 50B активних |
| Вікно контексту | 1M токенів |
| Вхідні / вихідні дані | Текст та зображення на вхід, текст на вихід |
| Мислення | Увімкнено за замовчуванням, може бути вимкнено |
| Ціна за 1M токенів | $1.36 на вхід, $4.18 на вихід |
| Відкриті ваги | Заплановано на кінець жовтня |
На AIHubMix ID моделі — mistral-large-4-0, яке Mistral також приймає як псевдонім. Специфікації тут відповідають картці моделі Mistral model card. Mistral надав як 49B, так і 52B як кількість активних параметрів. Ліцензія на відкриті ваги ще не оголошена.
Це модель змішування експертів, тому лише невелика частка її параметрів активна для кожного токена. Вона має 1.6B-параметричний візуальний енкодер, приймає до 100 зображень за запитом і охоплює більше 160 мов. Mistral навчав її на 3,800 графічних процесорах NVIDIA Grace Blackwell у своїх європейських дата-центрах, а не на базовій моделі іншої компанії.
Що вона робить добре
Цифри нижче походять з публікації Mistral launch post та з незалежних тестів від Artificial Analysis та Vals AI. Власні цифри Mistral є самозвітними, і всі вони були виміряні під час попереднього перегляду, поки навчання ще тривало.
| Сфера | Бенчмарк | Large 4 | Для порівняння |
|---|---|---|---|
| Безпека | CyberGym-E2E | 82% | MiMo-V2.6-Pro 79% |
| Безпека | Cybench (40 CTFs) | 93% | не порівнювалося |
| Зір | DIOR-RSVG | 73% | GPT-6 Astra 68% |
| Зір | Dense200 | 42% | GPT-6 Astra 41% |
| Юридичні | Юридичний агент Харві | 15.8% | Kimi K3 12.9% |
| Фінанси | Finch | 67% | DeepSeek V4 Pro 67% |
Оборонна безпека. CyberGym-E2E просить модель відтворити реальну вразливість, а потім виправити її. Large 4 має найвищий бал у тестуванні Artificial Analysis. За словами Mistral, Claude Opus 5.5 та GPT-6 Astra отримують близько нуля, оскільки відмовляються виконувати завдання. Однак вона не погоджується на все. Mistral повідомляє, що вона частіше відмовляється від дійсно шкідливих кібер-запитів, ніж будь-яка інша відкрита модель, яку вона тестувала, і що заблокувала 93.3% атак на бенчмарку B3 для ін'єкцій запитів Lakera.
Знаходження об'єктів на зображеннях. Large 4 може виконувати візуальне закріплення: вона може позначати, де знаходиться об'єкт, а не просто описувати його. DIOR-RSVG тестує це на супутникових та аерофотознімках, а Dense200 тестує на переповнених сценах. Демонстрації Mistral включають сканування гігапіксельних супутникових зображень та перевірку частин на інженерних кресленнях.
Юридична та фінансова робота. На бенчмарку юридичного агента Харві Vals AI ставить її на шосте місце серед 76 моделей і на перше серед відкритих моделей. На Finch, бенчмарку фінансів, графік Mistral показує, що вона на одному рівні з DeepSeek V4 Pro.
Artificial Analysis підсумувала випуск так: "Франція знову має найрозумнішу модель з-за меж США та Китаю."
Де вона має недоліки
Large 4 не є універсальною моделлю:
- Загальний інтелект. Вона отримує 38 балів на Індексі Інтелекту Artificial Analysis. Це на рівні з GPT-6 Luna і поступається відкритим моделям GLM-5.3 (45) та Kimi K3 (44).
- Кодування з важкими терміналами. Вона отримує 22.7% на Terminal-Bench 4 у тестуванні Vals AI, що ставить її на 21 місце з 45. Claude Opus 5.5 отримує 65.2%.
- Математичні докази та довгі PDF звіти. Вона отримує 10% на ProofBench та 19% на GDP.pdf. GPT-6 Astra отримує близько 32% на GDP.pdf.
- Вартість за завдання. За підрахунками Artificial Analysis, одне завдання Індексу Інтелекту коштує $1.13 за роздрібною ціною. Подібні відкриті моделі, такі як GLM-5.3-Flash, коштують близько $0.25.
Як вона порівнюється з Large 3
| Large 3 | Large 4 | |
|---|---|---|
| Параметри | 675B всього, 41B активних | 1.05T всього, близько 50B активних |
| Контекст | 256K | 1M |
| Зображення за запитом | 8 | 100 |
| Ціна за 1M токенів | $0.50 / $1.50 | $1.36 / $4.18 |
| Ваги | Apache 2.0, доступні зараз | Заплановані на кінець жовтня |
Large 4 коштує приблизно в 2.7 рази більше за токен, ніж Large 3. Для простих, об'ємних текстових завдань, які Large 3 вже добре виконує, оновлення може не виправдати себе.
Дві речі, які потрібно знати, перш ніж ви її назвете
Мислення увімкнено за замовчуванням. У власному API Mistral reasoning_effort приймає "none" або "high". Через AIHubMix тести 9 жовтня показали, що модель мислить незалежно від того, що говорить reasoning_effort, включаючи "none", і токени мислення рахуються як вихідні. Щоб вимкнути мислення, надішліть "reasoning": {"effort": "none"} в тілі запиту, як показано в прикладі нижче. Коли мислення увімкнено, посібник Mistral reasoning guide радить надіслати його назад на наступному ході. Через AIHubMix воно надходить у окремому полі reasoning_details, а наступний запит приймає його як частину повідомлення асистента.
Це попередній перегляд. Політика життєвого циклу Mistral дозволяє безшумні оновлення попередніх моделей та надає місячне повідомлення перед їх закриттям. Зберігайте невелику кількість тестових запитів і періодично повторюйте їх.
Спробуйте через AIHubMix
AIHubMix надає Large 4 через свій кінцевий пункт Chat Completions, сумісний з OpenAI. Якщо ви ще не налаштували ключ, швидкий старт займає кілька хвилин.
import os
from openai import OpenAI
client = OpenAI(
api_key=os.environ["AIHUBMIX_API_KEY"],
base_url="https://aihubmix.com/v1",
)
response = client.chat.completions.create(
model="mistral-large-4-0",
messages=[{
"role": "user",
"content": "Напишіть правило Sigma, яке позначає PowerShell, запущений з Office додатків, "
"і поясніть кожну умову в одному рядку.",
}],
extra_body={"reasoning": {"effort": "none"}}, # вимкнення мислення
)
print(response.choices[0].message.content)
Відповідь завжди є простим рядком у content. Залиште поле reasoning і модель спочатку мислить. Мислення надходить як список у message.model_extra["reasoning_details"], і його токени рахуються як вихідні. При увімкненому мисленні дайте max_tokens достатньо запасу. У тестуванні обмеження в 300 токенів було використано для мислення і повернуло порожню відповідь.
Кому варто спробувати
- Команди безпеки, які займаються відтворенням вразливостей, виправленням, аналізом шкідливого програмного забезпечення або правилами виявлення, які закриті моделі відмовляються виконувати.
- Команди, що працюють з зображеннями, такими як супутникова та аерофотозйомка, інженерні креслення та переповнені сцени, де важливіше позначати об'єкти, ніж підписи.
- Юридичні та фінансові розробники, які хочуть відкриту модель, близьку до верхніх позицій у бенчмарках агентів.
- Європейські організації, яким потрібна модель, яка не є американською чи китайською, з розгортанням, розміщеним в ЄС, та шляхом до самостійного хостингу.
Для загальних агентів кодування або чутливої до витрат повсякденної роботи спочатку порівняйте її з іншими моделями. Список моделей AIHubMix дозволяє вам запускати ті ж запити проти Large 4 та її альтернатив з одним ключем.
Часті запитання
Що таке Mistral Large 4?
Це флагманська модель Mistral AI, випущена в публічному попередньому перегляді 6 жовтня 2026 року. Це модель змішування експертів з 1.05 трильйона параметрів, приймає текстові та зображення на вхід і повертає текст.
Чи є Mistral Large 4 відкритим кодом?
Ще ні. Mistral планує опублікувати ваги в кінці жовтня 2026 року, але ще не оголосив ліцензію. Ліцензія Apache 2.0 для Large 3 не переноситься автоматично.
Скільки це коштує?
Роздрібна ціна становить $1.36 за мільйон вхідних токенів, $0.14 за мільйон кешованих вхідних токенів і $4.18 за мільйон вихідних токенів.
Яка довжина вікна контексту?
1M токенів, згідно з карткою моделі Mistral. Це в чотири рази більше, ніж 256K у Large 3.
Чи краще це, ніж GPT-6 або Claude?
Тільки в специфічних сферах: завданнях оборонної безпеки, які закриті моделі відмовляються виконувати, візуальному закріпленні та бенчмарку юридичного агента Харві. У загальному інтелекті та агентному кодуванні закриті флагмани залишаються попереду.
Чи підтримує вона мислення?
Так, і воно увімкнено за замовчуванням. Через AIHubMix мислення повертається в окремому полі reasoning_details. Щоб вимкнути його, надішліть об'єкт reasoning з зусиллям, встановленим на none, в тілі запиту. Встановлення reasoning_effort на none не вимикає його на AIHubMix.
Чи може вона читати зображення?
Так. Вона приймає до 100 зображень за запитом і може позначати, де розташовані об'єкти на них. Вона не може генерувати зображення.
Джерела
- Представляємо Mistral Large 4 (Mistral AI)
- Картка моделі Mistral Large 4 (Документація Mistral)
- Mistral Large 4.0 на AIHubMix
- Mistral Large 4: Франція є домом для найрозумнішої моделі за межами США та Китаю (Artificial Analysis)
- Бенчмарки Mistral Large 4 (Vals AI)
