A Mistral Large 4 82%-os kiberbiztonsági eredménnyel dobja fel az open-weight modelleket
82 % pontszámot ért el a Mistral Large 4 a kiberbiztonsági teszten, a modell 1 billió paraméterrel és 1 millió tokenes kontextusablakkal rendelkezik.
A Mistral Large 4 egy multimodális, többnyelvű MoE modell, amely szöveget és képet egyaránt képes feldolgozni, és szöveget generál. A modell összesen körülbelül 1 billió paraméterrel, ebből 49 milliárd aktív paraméterrel működik, és 1 millió tokenes kontextusablakot támogat. Két hivatalos változatban érhető el: FP8 és NVFP4 — írja a Hugging Face.
Kiberbiztonsági teljesítmény
A Mistral Large 4 a saját tesztjén, az Artificial Analysis Cyber Indexen 82 %-os pontszámot ért el, ami a sebezhetőség reprodukálását és javítását méri. A Mistral szerint a zárt frontális modellek ezen a teszten közel nullát érnek, mivel elutasítják a feladatot. A modell ezen felül magasabb elutasítási arányt mutat a cyber-promptokra (JailbreakBench, StrongREJECT, AgentHarm) mint bármely más nyílt-súlyú modell.
Architektúra és szakmai részletek
A szövegdekóder 72 rétegből áll, 6 144 rejtett dimenzióval és 64 figyelmi fejjel. A rétegek közül 71 MoE blokkot használ, ahol egy softmax router négy, összesen 128 szakértő közül választ, plusz egy állandó szakértő, így tokenenként öt aktív szakértő dolgozik. A Pixtral vizuális enkóder 1,6 milliárd paraméterrel, 30 réteggel és 2 048 rejtett dimenzióval biztosítja a képfeldolgozást.
Nyílt-súlyú licenc és változatok
A modell a Mistral Ecosystem Open-Weight License alatt kerül kiadásra, amely egy MIT-származék, de korlátozza a modell-mint-szolgáltatás (model-as-a-service) felhasználást. A két hivatalos változat – FP8 és NVFP4 – a különböző számítási környezetekhez optimalizált kvantálást kínál.
Finomhangolás és inferencia
A Mistral Large 4 támogatja a TRL-alapú finomhangolást, így a biztonsági feladatokra (malware-elemzés, sebezhetőség-prioritás, detekciós szabályok írása) testre szabható. A modell nap-0 támogatást kap a Transformers, vLLM és llama.cpp keretrendszerekhez, a GGUF kvantumok pedig az Unsloth és a llama.cpp csapat által érhetők el. Inference Endpoints és szerver-nélküli megoldások is rendelkezésre állnak.
Piaci helyezés
2026. október 29-én a Mistral Large 4 a nyílt-súlyú modellek között az Artificial Analysis Intelligence index ötödik legjobb helyen állt, ezzel megerősítve pozícióját a kódolási és védelmi AI-szegmensben.