Mistral Large 4: Le chonk — превью модели с триллионом параметров и открытыми весами в конце месяца
6 октября 2026 года Mistral AI вернулась в игру, представив превью флагманской языковой модели Mistral Large 4, которую разработчики окрестили «Le chonk». Это первая модель компании с триллионом параметров и 49 миллиардами активных параметров, обученная на собственном кластере из 3800 ускорителей NVIDIA Grace Blackwell. Превью доступно через API, а полноценные открытые веса обещают выложить до конца месяца. Для сообщества, следящего за гонкой больших языковых моделей, это сигнал, что Mistral не сходит с дистанции, даже если отставание от фронтира пока измеряется полугодом.
Что именно показали
Mistral Large 4 — это модель с 1 триллионом общих параметров, из которых 49 миллиардов активны при генерации (архитектура Mixture of Experts). По заявлениям Mistral, обучение шло на собственной инфраструктуре: 3800 GPU NVIDIA Grace Blackwell, что само по себе говорит о серьёзных инвестициях в железо, поскольку кластер такого масштаба доступен лишь единицам. Официальный блог Mistral с деталями архитектуры пока не опубликован, но превью в API позволяет протестировать возможности модели напрямую (источник: Mistral API documentation, https://docs.mistral.ai/).
Модель поддерживает два уровня рассуждений (reasoning) — «none» и «high». Никаких промежуточных режимов нет, что напоминает подход DeepSeek и OpenAI, но с меньшей детализацией контроля. В тестовом задании на рисование пеликана на велосипеде, которое использует Саймон Уиллисон для оценки качества вывода, режим «high» справился заметно лучше, использовав при этом 2 717 выходных токенов против 3 275 у режима «none». Качество картинки выросло, а затраты токенов снизились — необычная, но полезная комбинация.
Бенчмарки и сравнение
На платформе Artificial Analysis (https://artificialanalysis.ai/models/mistral-large-4) модель получила 38 баллов, что ставит её сразу за DeepSeek 4.1 Flash — моделью с 552 млрд параметров. Для сравнения, декабрьская версия Mistral Large 3 набирала всего 9 баллов и рисовала, по выражению Уиллисона, «ужасного пеликана» (https://simonwillison.net/2026/Oct/6/le-chonk/). Рост почти в четыре раза — значительный скачок для одного поколения, хотя до моделей «класса Fable» (например, ожидаемых GPT-5) Mistral Large 4 не дотягивает. Сам Уиллисон оценивает, что новинка отстаёт от переднего края примерно на полгода, но это уже возвращение в гонку после слабого Large 3.
В таблице ниже сопоставлены ключевые характеристики и баллы трёх моделей, которые фигурируют в сравнении.
Модель | Параметры (всего) | Активные параметры | Artificial Analysis (оценка) | Доступность весов
Mistral Large 4 (окт. 2026) | 1 трлн | 49 млрд | 38 | открытые (конец месяца)
Mistral Large 3 (дек. 2025) | не раскрыто | не раскрыто | 9 | открытые
DeepSeek 4.1 Flash | 552 млрд | не раскрыто | выше 38 (за эталоном) | открытые
Данные по Mistral Large 4 — из превью в API и Artificial Analysis; по Mistral Large 3 — из заметки Саймона Уиллисона; по DeepSeek 4.1 Flash — из карточки модели на Artificial Analysis.
Планы по открытию и практическое значение
Mistral пообещала открыть веса модели «в конце этого месяца» — формулировка, которая в мире ИИ часто означает последнюю неделю месяца или небольшой перенос. Если веса действительно выложат, Mistral Large 4 станет одной из самых крупных открытых MoE-моделей, превосходя по общему числу параметров даже DeepSeek-V3 (671 млрд) и Llama 4, но уступая им по количеству активных параметров. Для разработчиков это возможность запускать мощную модель локально (при наличии достаточных ресурсов), дообучать и встраивать в агентные системы. API уже принимает запросы, так что опробовать генерацию можно прямо сейчас.
Важно помнить, что превью в API может не отражать финального качества: Mistral иногда дорабатывает модель после начального тестирования, особенно в части безопасности вывода и языкового покрытия. Кроме того, пока неизвестно, по какой лицензии распространят веса — предыдущие модели (Mistral Large 2, 3) выходили под лицензией, разрешающей коммерческое использование, но прямого заявления на этот счёт ещё не было.
Контекст: Mistral, инфраструктура и нишевые тесты
Mistral AI — французский стартап, который продолжает балансировать между коммерческим API и открытыми моделями. Кластер на 3 800 Grace Blackwell — серьёзная заявка на независимость, поскольку большая часть индустрии обучена на GPU NVIDIA Hopper (H100). Использование Blackwell может означать, что Mistral готовится к ещё более крупным моделям или хочет оптимизировать инференс.
Отдельно стоит отметить «пеликаний тест» Саймона Уиллисона — неформальный, но наглядный способ проверить визуальное качество модели. В режиме «high» пеликан на велосипеде действительно выглядит лучше, что подтверждает улучшение проработки деталей и стиля. Это не строгий бенчмарк, но для быстрого сравнения поколений он работает, особенно в сочетании с цифрами Artificial Analysis.
Что проверить прямо сейчас
- Запросить API Mistral с уровнем reasoning «high» и сравнить качество вывода на задачах, требующих логики.
- Оценить, хватает ли 49 млрд активных параметров для ваших сценариев — столько же, сколько у оригинальной Llama 4 Maverick, и заметно меньше, чем у GPT-4.1.
- Следить за датой публикации открытых весов и лицензией; от этого зависит возможность коммерческого использования.
- Сравнить с DeepSeek 4.1 Flash на русскоязычных задачах: открытая 552-миллиардная модель может оказаться эффективнее при меньшем общем размере.
Mistral Large 4 не претендует на звание самой умной модели прямо сейчас, но возвращает компанию в число разработчиков, способных конкурировать с китайскими и американскими лабораториями. Полгода отставания от фронтира — приемлемая цена за открытость и собственное железо, если обещания будут выполнены в срок.
