Mistral Large 4 доступна в preview; выпуск весов пока остаётся обещанием
Мультимодальная MoE-модель получила миллионный контекст. Открытие весов к 25 октября по рассмотренным источникам не подтверждено.
Источник: mistral.ai
Материал подготовлен с использованием ИИ. Сведения и выводы следует проверять по указанным первоисточникам.
6 октября 2026 года Mistral запустила Large 4 в Public Preview через API Mistral Studio. Это нативно мультимодальная MoE-модель с контекстом на миллион токенов. Поддерживаются вызовы функций, структурированные ответы и пакетная обработка.
В описании указаны 52 миллиарда активных параметров, 1,05 триллиона суммарных и визуальный энкодер на 1,6 миллиарда. По данным компании, обучение с нуля проходило на 3800 NVIDIA Grace Blackwell в её европейских дата-центрах. Заявления о лидерстве в отдельных задачах также принадлежат Mistral.
Выпуск весов обещан до конца октября. Рассмотренные источники не подтверждают исполнение этого обещания к 25 октября, поэтому называть веса уже опубликованными нельзя. Preview продолжает обновляться; стартовую двухнедельную скидку также не следует считать действующим сегодня тарифом.
Редакционный разбор: разделить два решения
Испытание облачного API и выбор модели для собственного развёртывания — разные задачи. В первом случае важны доступный интерфейс, задержки и устойчивость ответа. Во втором потребуются реально опубликованные артефакты, их условия использования и проверенные требования к инфраструктуре. Обещание релиза не заменяет эти сведения.
Суммарные и активные параметры тоже отвечают на разные вопросы. Ни одно число само по себе не определяет стоимость эксплуатации или качество конкретного ответа. Практическое сравнение стоит строить на одинаковых заданиях, учитывая ограничения входных данных, число попыток и проверку результата.
Для preview полезно сохранять конфигурацию и дату каждого испытания: обновление сервиса может изменить наблюдаемое поведение. Миллионный контекст имеет смысл проверять на нужных материалах с заранее известными фактами. Большое окно не гарантирует, что модель одинаково надёжно использует каждую его часть или правильно связывает сведения из разных источников.
Источники
Материал подготовлен с использованием ИИ на основе указанных первоисточников.
Обсуждение
Перейдите к комментариям, чтобы задать вопрос или добавить полезное уточнение.