Mistral Large 4 (Le Chonk): Bildiğimiz Her Şey

6 Ekim 2026'da Mistral, Mistral Large 4 (ML4) için herkese açık bir önizleme başlattı: 1 trilyon parametreli, token başına 49 milyar etkin parametreli, metin ve görsel girdi alan ve ay sonuna kadar açık ağırlıklar vaat edilen bir model. Mistral'ın şimdiye kadar inşa ettiği en büyük model ve Avrupa'daki kendi veri merkezlerinde 3.800 Nvidia Grace Blackwell GPU üzerinde sıfırdan eğitildi.

Geçen yılın büyük bölümünde, en güçlü açık ağırlıklı modeller Çin laboratuvarlarından (GLM, DeepSeek, Kimi, Qwen) çıkarken, genel olarak en güçlü modeller ABD API'larının arkasında kapalı kaldı. Mistral üçüncü bir yer istiyor. Duyurularında ML4'ün "halihazırda küresel ölçekte en güçlü açık kaynaklı modellerle rekabetçi performans elde ettiği ve ABD veya Avrupa'da geliştirilen herhangi bir açık ağırlıklı modeli önemli ölçüde geride bıraktığı" belirtiliyor.

Resim, lansman yazısının ima ettiğinden daha dağınık. Aşağıda mimariyi, kıyaslamaları (bağımsız olarak yeniden üretilebilenlerle üretilemeyenleri ayırarak), kodlama, görsel yetenekler, siber güvenlik, açık ağırlıklar ve hâlâ bilinmeyenleri ele alıyorum. Yalnızca bir bölüme zamanınız varsa, siber güvenliği okuyun.

Hızlı Yanıt

Mistral Large 4 (Le Chonk), Mistral'ın özellikle siber güvenlik, finans, hukuk ve görsel dayanaklandırma için Çin dışında geliştirilmiş en güçlü model olarak konumlandırdığı, 1 trilyon parametreli açık ağırlıklı bir modeldir. Bağımsız değerlendirmeler siber güvenlik ve hukuk iddialarını destekliyor, finansı ortalarda konumlandırıyor ve ML4'ü geniş bir bileşik endekste 44 model arasında 32. sıraya koyuyor. API şu anda aktif, ağırlıkların 27 Ekim'de yayınlanması bekleniyor.

Mistral Large 4 (Le Chonk) Nedir?

Kısa versiyon çok şeyi dışarıda bırakıyor; temelden başlayalım. ML4, Mistral'ın yeni amiral gemisi ve Mistral'ın sözleriyle "bugüne kadarki en büyük ve en yetenekli modeli". Le Chonk takma adı, ancak Mistral bu kez alışılmışın tersini yapıyor: "Resmi olmayan adı ML4, çok resmi adı: le Chonk."

Doğal olarak çok kipli bir Uzman Karışımı (MoE) modeli. Başlık rakamları toplam 1 trilyon parametre ve token başına 49 milyar etkin parametre; ancak Mistral'ın kendi model dokümanları biraz farklı sayılar veriyor (toplam 1,05T, etkin 52B). Hiçbir kaynak bu farkı açıklamıyor. ("Etkin" parametrelerin neden önemli olduğu bir sonraki bölümde.)

Mistral, ML4'ü kurumsal işlere hedefliyor: kodlama, siber güvenlik, finans, hukuk, üretim ve mühendislik ile teknik çizimler veya uydu görüntüleri okumak gibi görsel görevler.

Bir dağıtım planlayan herkes için iki satır en çok önem taşıyor ve her ikisi de net değil: bağlam penceresi ve lisans. Modele geçmeden önce, isim kısa bir açıklamayı hak ediyor.

Neden Le Chonk Deniyor?

Haziran 2026'da Mistral, "Le Chaton Fat" adlı hayali bir 24 trilyon parametreli model için satirik bir duyuru paylaşıp sildi. İnternet yine de devam etti; özellikler yüzlerce trilyona şişirildi. Dört ay sonra Mistral gerçek bir trilyon parametreli model gönderdi ve isim kendiliğinden seçilmiş oldu. Hikâye bu kadar. Modele dönelim.

Mistral Large 4 Nasıl Çalışıyor

Mistral henüz tam mimari detayları yayımlamadı (ağırlıklarla birlikte söz veriliyor), bu yüzden bu bölüm açıklananlarla sınırlı.

1 trilyon parametre, 49 milyar etkin

1 trilyon parametreli bir model her token için 1 trilyon parametrenin tamamını kullanmaz. MoE modelleri her token'ı küçük bir "uzman" alt ağlar kümesinden geçirir, bu nedenle çıkarım hesaplaması 49 milyar etkin parametreyi izler. Bu da onu 1T yerine ~50B parametreli yoğun bir modele daha yakın kılar.

Sunması ucuz mu? Hayır. 1 trilyon parametrenin tamamı yine de bir yerde bellekte tutulmak zorunda, dolayısıyla ML4'ü kendi bünyenizde çalıştırmak ciddi çoklu GPU altyapısı gerektirir. MoE modelleri, aynı etkin parametre sayısına sahip yoğun modellere kıyasla düşük gecikmeyle sunulması daha zordur. Mistral donanım gereksinimlerini yayımlamadı ve büyük işletmeler ile hükümetler dışındaki çok az ekibin tüm modeli kendi başına çalıştırabileceğine şaşırmam.

Çok kipli girdi

Bu etkin parametreler yalnızca metni işlemez. ML4 görselleri de kabul eder, ancak yalnızca metin döndürür. Mistral, modelin "karmaşık belgeler, grafikler ve doğal görüntüler arasında güçlü şekilde akıl yürüttüğünü" söylüyor ve mühendislik, üretim ve yer gözlemi gibi görsel algının önemli olduğu sektörleri hedefliyor. Demoların hepsi endüstriyel: teknik çizimlerde mekanik parçaları incelemek, PDF'lerden kanıt çekmek, gigapiksel uydu görüntülerinde zor bulunan nesneleri taramak.

160+ dil

Aynı endüstriyel müşteriler sık sık sınır ötesi çalışır; burada dil devreye girer. Mistral, eğitim verisinin "önemli bir kısmının" çok dilli olduğunu, 160'tan fazla dili ve tüm resmi AB dillerini kapsadığını söylüyor. Avrupa hükümetlerini hedefleyen bir Avrupa şirketi için bu satış söyleminin önemli bir parçası.

Eğitim altyapısı

Avrupa odaklı bir söylemde, eğitimin nerede yapıldığı da önemlidir. Mistral'a göre ML4, kendi Avrupa veri merkezlerinde 3.800 Nvidia Grace Blackwell GPU üzerinde sıfırdan eğitildi. Mistral Bilimden Sorumlu Başkan Yardımcısı Pierre Stock, TechCrunch'a 4.000 gibi yuvarlak bir rakam verdi ve bunun "Çinli rakiplerimizden iki ila üç kat daha az" olduğunu söyledi. Bu karşılaştırmayı doğrulayan kimse yok.

Bunun arkasındaki hesaplama altyapısının inşası bir süredir biliniyor. Mart 2026'da Mistral, 13.800 Nvidia GB300 GPU satın almak için 830 milyon dolar borç topladı; Paris yakınlarında bir veri merkezi için. Mistral, ML4'ün özellikle bu kümede eğitilip eğitilmediğini söylemiyor; ben de ikisini bağlamayacağım.

Bir ayrıntı, bu yazıdaki her kıyaslamayı okuma biçiminizi değiştiriyor. Takviye öğrenimi (RL) hâlâ sürüyor. RL, modelin görevlerde kendi denemeleri üzerinden puanlanarak iyileştirildiği eğitim sonrası aşamadır ve Mistral, çalışmanın şu anda yaklaşık 3.000 GPU kullandığını, günde yaklaşık 33 milyar token ürettiğini ve "doyum belirtisi göstermediğini" söylüyor. Yani bugün API üzerinden çağırabileceğiniz model, 27 Ekim'de ağırlıkları yayınlanacak model olmayacak.

Mistral Large 4 Kıyaslamaları

Devam eden RL çalışması, bu bölümdeki her şeyi geçici olarak görmenin ilk nedeni. İkincisi, Mistral'ın sayıların çoğu bağımsız olarak yeniden üretilmedi ve üretilenler de her zaman eşleşmiyor.

Lansmandaki bağımsız değerlendirme üç kovaya ayrılıyor:

• Bağımsız olarak yeniden üretildi: Artificial Analysis (AA) Cyber Index, CyberGym-E2E bileşeni dahil ve vals.ai'deki beş değerlendirme, Terminal-Bench 4.0 dahil.
• AA tarafından çalıştırıldı ama henüz kamuya açık değil: Mistral'ın kodlama grafiklerindeki bir dipnot, DeepSWE, Terminal-Bench ve SWE-Atlas skorlarının "araç takımının kamuya açılışından önce Artificial Analysis tarafından özel olarak değerlendirilen sayıları" kullandığını söylüyor. Bunlar AA'nın Coding Agent Index sayfasında, o araç takımı yayımlandığında görünecek. O zamana kadar AA ve Mistral dışındakiler bunları kontrol edemez.
• Yalnızca Mistral: geri kalan her şey.

Tablonun son sütununa en çok dikkat edin. Bir kıyaslama bağımsız bir grup tarafından oluşturulabilirken ML4 skoru yine de yalnızca Mistral'ın iddiası olabilir.

Kıyaslama özeti

Mistral 4 kıyaslama sıralamaları

Son satırı Mistral'ın başlık iddiasının yanında okuyun. vals.ai'ın geniş endeksinde ML4, genel sıralamada 44 içinde 32., yalnızca açık ağırlıklılar arasında 16 içinde 9. Bu, en azından toplamda, "küresel ölçekte en güçlü açık kaynaklı modellerle rekabetçi" iddiasıyla zor örtüşüyor. Mistral'ın dikey sonuçları çok daha iyi görünüyor ve yanlış değiller. Sadece daha dar bir şeyi ölçüyorlar. ML4 üzerine inşa etmeye karar veriyorsanız, önem verdiğiniz dikey alan iki başlıktan da daha fazla önem taşır.

Kodlama

Başlık ile ayrıntı arasındaki farkın ilk göründüğü yer kodlama. Mistral'ın sayıları ilk bakışta iyi görünüyor. Ancak DeepSWE grafiğine bakarsanız, metinde hiç anılmayan bir şey görürsünüz. En yüksek çubuk %69 ile Kimi K3; ML4'ten yedi puan önde. ML4, GLM-5.3'ü kıl payı geçiyor (%62'ye karşı %61), ancak bir puan, araç takımı seçiminin gürültüsü içinde rahatlıkla kalır. "Araç takımı", bir ajan kıyaslamasında modeli saran iskelettir; araçlar, istemler ve modelin kaç deneme hakkı olduğundan oluşur ve Mistral'ın grafiğinde her rakip farklı bir araç takımında çalıştırılmış. Datacurve'un kendi canlı DeepSWE lider panosunda, her model aynı düzende çalıştırılıyor; GLM-5.3 ve Kimi K3 %69'a ulaşıyor, DeepSeek V4 Pro %63'e ulaşıyor. ML4 henüz listelenmemiş.

Terminal-Bench, aynı etkiyi ters yönden gösteriyor. Mistral %28,3 bildiriyor; vals.ai'ın bağımsız koşusu %22,73 elde etti. Bunu kimsenin şişirme yaptığı şeklinde değil, tek bir kurulumdan tek bir sayının bir sıralama olmadığı hatırlatması olarak okuyorum.

İnsan değerlendirmeleri daha ilginç. Mistral'ın Surge AI'dan kör değerlendirme için görevlendirdiği çalışmada, profesyonel anotasyoncular kod çıktılarının 1'den 5'e puanladı. ML4 beş model arasında ikinci oldu (3,74); GLM-5.3 (3,60), Kimi K3 (3,59) ve GLM-5.2'yi (3,40) geçti, Claude Opus 5'in (4,22) oldukça gerisinde kaldı. Kimi K3'e dikkat edin: DeepSWE'de ML4'ün yedi puan önünde, insan tercihlerinde gerisinde. Test geçmek ile insanların okumayı sevdiği kodu yazmak aynı beceri değil. (Ve bu Opus 5; daha yeni 5.5 değil, dolayısıyla en iyi kapalı modelle fark muhtemelen daha geniş.)

İkinci bir iç Mistral değerlendirmesi işleri daha da bulandırıyor. Kodlama ve finansta ML4'ün GLM-5.3 ile "denk veya yakın" olduğunu ve yalnızca CAD ve STEM'de tercih edildiğini bulmuş. İkisini de aşağı yukarı denk sayarım.

Finans

Finans daha basit; çünkü dayanak olacak bağımsız bir sayı var. ML4, vals.ai üzerinde Finance Agent v2'de %54,68 alıyor; bu da onu genel sıralamada 75 içinde 22.'liğe, açık ağırlıklılar arasında 32 içinde 7.'liğe koyuyor. Sağlam bir orta sıra. Mistral'ın asıl iddiası daha dar: ML4'ün bu kıyaslamada GPT-6 Astra'yı geçtiği.

Mistral ayrıca, gerçek finans ve muhasebe görevleri için bir modelin hesap tabloları oluşturup düzenleyip düzenleyemediğini test eden FinWorkBench'te güçlü sonuçlar bildiriyor. Bu sayılar Mistral'ın grafiklerinden geliyor ve başka yerde yeniden üretilmedi.

Hukuk

Kâğıt üzerinde hukuk çok daha iyi görünüyor. Harvey's Legal Agent Benchmark üzerinde ML4, 75 içinde 6. ve 31 açık ağırlıklı model arasında birinci sırada. Skoru %15,83.

Bu sayıyı iki kez okuyun. Otonom hukuk işinde dünyada altıncı olmak, yaklaşık her altı görevden birini tamamlamak demek. Kıyaslama zor ve sıralama gerçek; ancak bunu kimse "ML4 denetimsiz hukuk işi yapabilir" diye almamalı. Henüz hiçbir model yapamıyor.

Görüş ve görsel dayanaklandırma

Görüş (vision) tam tersi bir durum; iddialar cesur, henüz bağımsız veri yok. Başlık iddiası görsel dayanaklandırma hakkında; bu, "bu çizimdeki çatlak kaynağı bul" gibi bir metin açıklamasından bir görüntüdeki belirli nesneleri veya bölgeleri bulmak demektir; "bu resmi açıkla" değil. Mistral, Dense 200'de %42 bildirdi; GPT-6 Astra'nın %41'inin biraz önünde. Satın alma kararını bir puana dayandırmazdım.

Mistral, ML4'ün ChartQA Pro ve GDP.pdf, bir belge akıl yürütme kıyaslamasında da iyi performans gösterdiğini söylüyor. Görüş sonuçlarının hiçbiri henüz bağımsız olarak yeniden üretilmedi. Mistral'ın öne çıkardığı kullanım örnekleri çoğunlukla endüstriyel: afet müdahalesi için uydu görüntüleri, teknik çizimleri inceleme ve büyük jeo-uzamsal görüntüleri tarama.

Mistral Large 4 Kodlama İçin Ne Kadar İyi?

Okurun çoğunun ML4'ü gerçekten bu amaçla kullanacağı düşünüldüğünde kodlamaya geri dönelim. Açık ağırlıklı modeller arasında rekabetçi; ancak mevcut en iyi kodlama modeli değil ve Mistral'ın kendi grafiğinde bile en iyi açık model değil. Sayıları tekrarlamayacağım. İşe şu şekilde tercüme oluyorlar:

• Gerçek bir kod tabanında sorunları düzeltme (ajan tabanlı yazılım mühendisliği): kullanılabilir, ancak Kimi K3 daha güçlü görünüyor.
• Büyük bir depoyu anlama: umut verici, ancak tek bir özel koşu skoruna dayanıyor.
• Uzun, saatler süren ajan çalışmaları: Mistral'ın RL kurulumu uzun yörüngeler için tasarlandı; ancak bunu henüz kimse bağımsız olarak test etmedi.
• Terminal ağırlıklı işler: şu ana kadarki en zayıf bağımsız sinyal.

ML4'ün AA'nın herkese açık Coding Agent Index'ine girişi (ağırlıklar yayımlandıktan sonra bekleniyor) gelmeden, onu inandırıcı bir açık ağırlık seçeneğinden fazlası olarak nitelemem.

Açık ağırlıkların burada kattığı şey puanlarla ilgili değil. Bir şirket, ML4'ü kendi altyapısında çalıştırıp tescilli kaynak kodunu asla harici bir API'ye göndermeyebilir. Gizli kod tabanlarında çalışan kodlama ajanları için bu tek başına tercihi belirleyebilir.

Siber Güvenlik İçin Mistral Large 4

Bu, Mistral'ın en iddialı söylemi. AA'nın, modellerin gerçek yazılımda zafiyetleri ne kadar iyi bulup, yeniden üretip yamaladığını bağımsız olarak değerlendirdiği Artificial Analysis Cyber Index'te ML4 %50 alıyor. Bu da onu test edilen 18 model arasında ilk beşe yerleştiriyor. Sadece Grok 4.7, MiMo-V2.6-Pro ve GPT-6 Luna daha yüksek alıyor; GLM-5.3 Flash ise eşit. Mistral, ML4'ün "Çin dışında geliştirilen açık ağırlıklı modelleri açık ara farkla liderlediğini" söylüyor; AA'nın grafiği bu söylemle tutarlı.

Öne çıkan parça, endeksin üç bileşeninden biri olan CyberGym-E2E. Modelden açık kaynaklı yazılımdaki gerçek bir zafiyeti ("CVE", yani kamuya açık şekilde kataloglanmış güvenlik açığı) yeniden üretmesi ve sonra yamalaması istenir. ML4 %82 alıyor; AA'nın test ettiği 18 model arasında birinci. Mistral ayrıca, Cybench üzerinde %93 bildirdi; 40 güvenlik yarışması meydan okumasından oluşan bir set; ancak bu skoru yeniden üreten olmadı.

Reddetme verileri de ilginç. CyberGym-E2E'de AA'nın grafiği, Claude Opus 5.5'in güvenlik gerekçesiyle görevlerin yaklaşık %96'sında engellendiğini, GPT-6 Astra'nın ise %100'ünde engellendiğini gösteriyor. Bu modeller, görev reddedildiği için sıfıra yakın puan alıyor; dolayısıyla puanlar gerçekte ne yapabilecekleri hakkında bir şey söylemiyor. Reddetmenin doğru politika olup olmadığı ayrı bir tartışma.

Ve bu, Mistral'ın temel argümanı. Savunmacı güvenlik çalışmaları çoğu zaman bir kusurun var olduğunu kanıtlamak için onu yeniden üretmekle başlar; güvenlik ekiplerinin bunu hacimli olarak yapması gerekir; büyük kod tabanlarını tarar ve yüzlerce bulguyu ayıklarlar. Bu iş yükünün çoğunu reddeden veya sağlayıcının orta bir olayın ortasında moderasyon kurallarını değiştirebileceği bir model bir risktir. Mistral'ın ifade ettiği argüman, ML4'ü kendi altyapınızda çalıştırmanın davranışını kontrolünüze vermesidir. Meşru savunma çalışmalarını engelleyen yapay zeka güvenlik önlemleriyle ilgili daha geniş tartışma bir süredir sürüyor.

Şimdi kötü taraf: Ağırlıklar kamuya açıldığında saldırganlar da aynı yeteneğe sahip olur. AA'nın endeksi kasıtlı olarak savunmacıdır (modeller kaynak koduyla çalışır ve asla çalışan bir exploit inşa etmeleri istenmez), bu nedenle %82 yeniden üretim skoru, %82 saldırı kabiliyeti değildir. Yine de "bir çöküşü yeniden üretmek" ile "onu silah haline getirmek" arasındaki mesafe sonsuz değil. Mistral, yayın öncesindeki üç haftayı, yani modeli kasıtlı olarak yoldan çıkarmaya çalıştığı kırmızı takım (red team) sürecini, "siber güvenlik liderleri, doğrulanmış ortaklar ve devlet makamları" ile birlikte geçirdiğini söylüyor.

Mistral Large 4 İçin Açık Ağırlıkların Önemi

Siber güvenlik argümanı aslında açık ağırlıklar için bir argüman ve güvenliğin çok ötesine uzanıyor. "Modeli indirebilirsiniz" ifadesi bunu eksik anlatır.

ML4'ü kendi sunucularında çalıştıran bir banka, müşteri verilerini Mistral'a asla göndermez. Bir devlet kurumu tüm dağıtım ortamını kontrol eder. Bir güvenlik ekibi, bir sağlayıcının moderasyon politikasını beklemeden model davranışını ayarlayabilir; ki önceki bölümden sonra bu varsayımsal bir endişe değil. Ve bir sağlayıcı çökerse veya bir model sürümünü emekliye ayırırsa, kendi kendine barındırılan dağıtımlar çalışmaya devam eder.

Açık ağırlıklar özelleştirmeyi de pratik hâle getirir. Nisan ayında Mistral Forge'u ele almıştım; Mistral, ML4'ün "aynı eğitim, özelleştirme ve RL ortamını" kullandığını ve bunu kurumsal müşterilere Forge üzerinden sunduğunu söylüyor. ML4'ü kendi verileri üzerinde ince ayar yapmak isteyen kuruluşlar için Forge bariz bir yol.

Terimler üzerine kısa bir not. Açık ağırlık, eğitilmiş model parametrelerinin kamuya açık olduğu anlamına gelir. Eğitim verilerinin, eğitim kodunun veya başka herhangi bir şeyin açık kaynak lisansı altında sunulduğu anlamına gelmez. Mistral'ın model sayfası, ML4'ü açık ağırlıklı olarak tanımlıyor ancak lisans şartlarını yayımlamadı. Yayınlayana kadar ticari kullanım, ince ayar hakları ve yeniden dağıtım hâlâ açık sorular. Tüm söylemi kontrol olan bir model için "lisansı kontrol edin" yazmak biraz can sıkıcı, ama durum bu.

Mistral Large 4 ve Avrupa'nın Yapay Zekâ Egemenliği İtici Gücü

Kontrol, Mistral'ın politik söyleminin de merkezinde. Fransa Cumhurbaşkanı Macron, Mistral'ın yaklaşımını "yapay zekâda üçüncü bir yol" olarak tanımladı. İlk iki yol, yetenekli ama Amerikan hukukuna ve sağlayıcı politikalarına tabi ABD kapalı modelleri ile çoğu kez yetenekli ama Avrupa kurumları için veri yerleşimi ve jeopolitik endişe olan Çin açık modelleri. Mistral'ın teklifi: açık ağırlıklar, Avrupa altyapısı ve Avrupa hukuku.

Buna, Mistral'ın "uçtan uca, diğer dijital hizmet sağlayıcılarından bağımsız ve Avrupa hukuku kapsamında" işlettiğini söylediği bir Avrupa dağıtımı da dahil. GDPR veya sektör veri yerleşimi kurallarına tabiiyseniz, bu iddiayı Mistral'ın veri işleme anlaşmalarıyla karşılaştırarak kontrol edin.

Mistral'ın bu söylemi destekleyecek parası da var. Mistral, ML4'ü "€3 milyarlık D Serimiz tarafından finanse edilen yol haritasının ilk kilometre taşı" olarak tanımlıyor; Samsung'un liderlik ettiği ve Mistral'ın Avrupa'da bugüne kadar bir teknoloji şirketinin topladığı en büyük özsermaye turu olarak tanımladığı, €21 milyar değerleme üzerinden. Bunun çoğu Avrupa veri merkezi kapasitesine gidiyor.

Peki, Avrupa, bu modellerin nerede ve nasıl çalıştırıldığı üzerinde kuruluşlara daha fazla kontrol verirken sınır düzeyinde (frontier) modeller üretebilir mi? ML4, kontrol yarısı için güçlü bir veri noktası. Sınır yarısı için, Vals Endeksi'nde 44 içinde 32, Avrupa'nın henüz orada olmadığını söylüyor.

Mistral Large 4 ve Diğer Açık Ağırlıklı Modeller

Avrupa henüz orada değilse, kimin orada olduğunu ve ML4'ün onlarla nasıl karşılaştırıldığını sormak adil olur. Her modelin skorlarını tek bir tabloda koymayacağım; çünkü farklı kurulumlardan geliyorlar ve birleşik bir tablo kıyaslanabilir izlenimi verir. Parametre sayıları da yetenek için bir vekil değildirer. Aşağıdaki tablo sadece her birini konumlandırıyor:

Mistral Large 4 vs. GLM-5.3

En çok önem taşıyan karşılaştırma; çünkü GLM-5.3 en güçlü Çin açık modellerinden biri. Kodlama bölümünde ele alındığı gibi, Mistral'ın grafiğinde aralarında bir puan fark var; insan değerlendirmeleri bölünüyor ve GLM-5.3, ML4'ün test edilmediği canlı lider panosunda %69'a ulaşıyor. Bağımsız lider panolarda ikisi de yer alana kadar beraberlik deyin.

Mistral Large 4 vs. DeepSeek V4 Pro

ML4, Mistral'ın yayımladığı her karşılaştırmada (DeepSWE, Coding Agent Index, AutomationBench, AA-Briefcase) kazanıyor; ancak hiçbiri bağımsızca doğrulanmadı ve DeepSeek V4 Pro, canlı DeepSWE lider panosunda %63'e ulaşıyor; ML4'ün %62'sinin üzerinde. Finans alanında yayımlanmış birebir yok.

Mistral Large 4 vs. Reflection Beam

Reflection Beam, diğer Batılı açık ağırlık rakip ve bu da onu Mistral'ın "Çin dışında en iyi" iddiasının en doğrudan testi yapıyor. Veri zayıf. Mistral'ın DeepSWE grafiği Beam'i %44 olarak listeliyor; ML4'ün neredeyse 18 puan altında; ancak bu, AA tarafından çalıştırılan bir skorla karşılaştırılan kendi bildirimi bir sayı; bu yüzden farka yaslanmazdım. Reflection, Beam'in boyutunu açıklamadı; bu yüzden ölçek karşılaştırması da mümkün değil. ML4'ün daha geniş çok kipli girdi desteği ve yayımlanmış siber güvenlik kanıtları çok daha güçlü.

Mistral Large 4'ü Ne Zaman Kullanabilirsiniz?

Bu karşılaştırmaların netleşmesini beklemek zorunda değilsiniz; ML4'ü kendiniz denemeye başlayabilirsiniz. Şu ana kadarki takvim:

1. 6 Ekim: herkese açık önizleme başladı. Herkes mistral-large-4 modelini Mistral Studio üzerinden çağırabilir.
2. Önizleme sırasında: siber güvenlik liderleri, doğrulanmış ortaklar ve devlet makamları, kırmızı takım çalışmaları için "azaltılmış moderasyon ve genişletilmiş siber yetenekler" ile bir sürüm alır. Pierre Stock, TechCrunch'a Mistral'ın "açık kaynak ağırlıkların savunma amaçlı kullanılabildiğinden, ancak kötü niyetli saldırılar için kullanılmadığından emin olmak üzere güvenilir ortaklar ve hükümetlerle çalışacağını" söyledi. Bu arada RL eğitimi sürüyor; bu yüzden API modeli değişmeye devam ediyor.
3. 27 Ekim: ağırlıkların, tam mimari detayları, daha fazla kıyaslama ve Mistral'ın eğitim sonrası metodolojisiyle birlikte yayınlanması planlanıyor.

Ağırlıklar yayımlandığında bu bölümü güncelleyeceğim.

Mistral Large 4 Hakkında Hâlâ Bilmediklerimiz

O zamana kadar pek çok konu açık. Bunu lansman gününde yazıyorum; liste uzun:

• Nihai kıyaslama performansı: RL hâlâ çalışıyor; yukarıdaki her skor değişebilir. Mistral "büyük ve hızlı iyileşmeler" bekliyor; ancak bunu henüz kimse ölçmedi.
• Bağımsız kodlama, görüş ve bilgi işi sonuçları: AA Cyber Index ve vals.ai dışında yeniden üretilen yok.
• Fiyatlandırma: duyuru ile doküman sayfası uyuşmuyor ve önizleme ücretleri devam etmeyebilir.
• Lisans şartları: "açık ağırlık" ile bir ürün inşa edemezsiniz; lisans gerekir.
• Kendi kendine barındırma donanım gereksinimleri: yayımlanmadı.
• Tam mimari: ağırlıklarla birlikte vaat ediliyor; bu da 49B ile 52B etkin parametre tutarsızlığını açıklayabilir.
• Bağlam penceresi: Mistral dokümanlarına göre 1M token, vals.ai'a göre 512K.
• Nihai güvenlik değerlendirmesi: kırmızı takım çalışmaları Ekim boyunca sürüyor.

Sonuç

Mistral Large 4, 49 milyar etkin parametreli, çok kipli girdi alan ve yakında açık ağırlıkları yayımlanacak 1 trilyon parametreli seyrek bir modeldir. Lansman gününde görüyoruz ki Harvey'nin hukuk kıyaslamasında en iyi açık ağırlıklı model; ancak Vals Endeksi'nde 44 içinde 32. ve Mistral'ın kendi kodlama grafiğinde Kimi K3'ün gerisinde.

Zaten bence Mistral'ın gerçek iddiası kıyaslama liderliği değil. İddia; yetenekli açık ağırlıklar ve kendi kendine barındırmanın, işletmeler ve hükümetlerin en çok önem verdiği şey olduğu. Siber güvenlik reddetme verileri, bu paketin güvenlik ekiplerinin zaten yaşadığı bir problemi çözdüğüne dair şimdiye kadarki en net kanıt.

İzlenecek tarih 27 Ekim. O gün ağırlıklar yayımlanacak; bağımsız araştırmacılar nihai kontrol noktasını kendileri çalıştırabilecek ve Artificial Analysis ile vals.ai, hâlâ eğitilen bir önizleme yerine Mistral'ın gerçekten yayımladığı modeli test edebilecek. Le Chonk ya o gün lansman yazısındaki vaadi karşılar ya da karşılamaz.

MoE modellerinin arkasındaki kavramlara dair arka plan için, Introduction to Large Language Models kursumuz temelleri kapsar. Mistral'ın ürünleri hakkında daha fazlası için Mistral Forge, Mistral Large 3, Mistral Le Chat ve terminal tabanlı kodlama ajanı Mistral Vibe 2.0 kapsamamıza bakın.