Что произошло

29 октября Mistral сообщила о публикации весов Mistral Large 4 (Le Chonk). До этого модель была доступна в публичном предварительном просмотре через сервисы компании; теперь разработчики могут скачать официальный чекпойнт и развернуть его самостоятельно. На Hugging Face опубликованы файлы модели и инструкции запуска.

Large 4 — мультимодальная MoE-модель: около 1 трлн параметров всего, 49 млрд активируются на токен (52 млрд с учётом эмбеддингов и выходных слоёв). В карточке указаны 128 маршрутизируемых экспертов, четыре активных эксперта на токен плюс один общий, контекст до 1 млн токенов, входные изображения, вызов инструментов и строгий JSON Schema. Поддерживаются vLLM, SGLang, Transformers и llama.cpp; для NVFP4-чекпойнта отдельно указаны ускорители NVIDIA Blackwell.

Что это меняет для бизнеса

Появился ещё один вариант для организаций, которым важно контролировать размещение модели, подключение к внутренним системам и обработку данных. Потенциальные задачи — помощь разработчику по внутреннему коду, поиск уязвимостей в принадлежащих компании репозиториях, разбор длинных технических документов и агентные процессы с ограниченным набором инструментов.

Открытые веса не означают, что модель легко или дёшево запустить на обычном сервере. Официальная инструкция Mistral рекомендует для vLLM конфигурацию tensor parallel на восьми GPU и оставляет 15% памяти устройств незанятой под резерв; это пример настройки, а не универсальное минимальное требование. Для МСП это скорее дата-центровый, чем офисный сценарий. Для большинства МСП разумнее начать с API или управляемого инференса, а самостоятельное размещение оценивать отдельно — с учётом оборудования, электричества, эксплуатации и загрузки.

Лицензия и ограничения

Mistral называет лицензию Mistral Ecosystem Open-Weight License модифицированной версией MIT и допускает коммерческое и некоммерческое использование. Но предоставление модели как сервиса (Model-as-a-Service) требует отдельной коммерческой лицензии у Mistral. Перед внедрением нужно проверить текст лицензии для конкретной схемы распространения и эксплуатации.

Независимая Artificial Analysis указывает для Large 4 результат 26 в Intelligence Index v5; такой индекс помогает сравнивать модели по набору тестов, но не заменяет проверку на ваших данных. Показатели кодирования, кибербезопасности и эффективности в анонсе Mistral — заявления разработчика и должны читаться отдельно от независимой оценки.

Практический вывод

Если локальный контур важен, сначала возьмите небольшой закрытый набор задач и сравните Large 4 с уже доступной моделью по точности, задержке, цене за успешный результат и требованиям к GPU. Для кибербезопасности тестируйте только собственные или явно разрешённые системы; ответы модели не должны автоматически менять код или права доступа. Если тест можно закрыть API, инфраструктурный расчёт для локального запуска имеет смысл делать после подтверждения эффекта.