Nový Mistral má 1,05 bilionu parametrů, globálně však už nestačí

Co Mistral představil

Mistral Large 4, zkráceně ML4 a neoficiálně Le Chonk, je podle oznámení firmy největší a nejschopnější model, jaký Mistral postavil. Jde o řídkou architekturu Mixture-of-Experts s 1,05 bilionu parametrů celkem, z nichž se při generování každého tokenu aktivuje 49 miliard. Model je nativně multimodální, takže zpracuje text i obrázky, a kontextové okno má milion tokenů.

Podle technické dokumentace nese model verzi 26.10 a patří k němu samostatný vizuální enkodér o 1,6 miliardy parametrů. Trénovat se měl od nuly na 3 800 grafických kartách NVIDIA Grace Blackwell v datových centrech, která Mistral vlastní v Evropě, a náhled se obsluhuje na stejné infrastruktuře. Firma zároveň uvádí, že významná část tréninkových dat byla vícejazyčná a pokrývala přes 160 jazyků včetně všech úředních jazyků Evropské unie, tedy i češtiny.

Nejsilnější stránka: kyberbezpečnost

Nejkonkrétnější výsledky vykazuje model v bezpečnostních testech. Na Artificial Analysis Cyber Indexu, který měří, jak dobře modely hledají a opravují chyby v reálném softwaru, se podle Mistralu řadí do první pětice na světě a mezi otevřenými modely vyvinutými mimo Čínu vede s velkým odstupem. V jednom z testů indexu, kde má model v open-source kódu reprodukovat skutečnou zranitelnost a pak ji opravit, dosáhl 82 procent, nejvíc ze všech modelů. V sadě Cybench, složené ze čtyřiceti úloh z bezpečnostních soutěží, řeší 93 procent zadání.

Zajímavější než skóre je ale jeho pozadí. Podle Mistralu mají přední uzavřené modely, konkrétně Claude Opus 5.5 a GPT-6 Astra, v tomtéž testu téměř nulový výsledek. Ne proto, že by to neuměly, ale protože úlohu odmítají provést. Obrana softwaru přitom často začíná tím, že se zranitelnost ověří v praxi, a to je přesně práce, kterou bezpečnostní filtry uzavřených modelů blokují. Mistral z toho staví argument pro otevřené váhy: organizace, které potřebují auditovatelný model pro bezpečnostní provoz, si ho mají moct spustit u sebe a podle vlastních pravidel. Před uvolněním vah model testují partneři z oblasti kyberbezpečnosti, a to ve verzi s omezenější moderací a rozšířenými bezpečnostními schopnostmi.

Vizuální grounding a kancelářská práce

Druhá oblast, kde Mistral zmiňuje překonání uzavřené špičky, je vizuální ukotvování, tedy schopnost přesně určit, kde na obrázku hledaný objekt je. Na testu Dense 200 firma uvádí 42 procent proti 41 procentům u GPT-6 Astra; rozdíl je v řádu jednoho bodu, ale formálně jde o překonání uzavřeného modelu. Firma k tomu přidává ukázky, kde model prochází gigapixelové satelitní snímky nebo kontroluje součástky ve strojních výkresech.

U agentních úloh model dosahuje 59,9 procenta na AutomationBench se 657 pracovními postupy v aplikacích typu Gmail, Google Sheets, Slack nebo Salesforce, což je podle Mistralu víc než u Kimi K3, MiMo-V2.6-Pro a DeepSeek V4 Pro. V testu dlouhodobé kancelářské práce AA-Briefcase má 1 393 Elo před DeepSeek V4 Pro. V kódování firma uvádí 61,7 procenta na DeepSWE v1.1, 59,4 procenta na SWE-Atlas-QnA a 28,3 procenta na Terminal-Bench 4.0. Slepé lidské hodnocení kvality kódu, které pro Mistral dělala agentura Surge AI, pak model zařadilo na druhé místo z pěti se známkou 3,74. Před ním skončil jen Claude Opus 5 (4,22), za ním GLM-5.3 (3,60), Kimi K3 (3,59) a GLM-5.2 (3,40).

Kde model naopak ztrácí

Tvrzení „nejlepší model s otevřenými vahami z USA nebo Evropy na agregovaných benchmarcích" obstojí; ověřeno proti veřejným datům Artificial Analysis. Neznamená to ale, že jde o nejlepší model s otevřenými vahami vůbec. V agregovaném Intelligence Indexu v4.3.2, který skládá deset různých testů, má náhled Mistral Large 4 skóre 38,4 a patří mu 17. příčka. Před ním stojí šestnáct modelů: devět uzavřených z USA od Claude Opus 5.5 (57,6) po Gemini 3.8 Flash (40,9), dva uzavřené čínské modely (Qwen3.8 Max a Step 5 Preview) a pětice čínských modelů s otevřenými vahami: MiMo-V2.6-Pro (46,3), GLM-5.3 (44,8), Kimi K3 (43,6), GLM 5.3 Flash (41,8) a DeepSeek V4.1 Flash (39,5). Podstatný je i čas: Kimi K3 vyšel v červenci, GLM-5.3 v srpnu a DeepSeek V4.1 Flash v září, tedy až po loňském Mistral Large 3, a všechny tři mají v témže indexu víc bodů než dnešní novinka.

Ještě jedna věc stojí za pozornost: Artificial Analysis vede náhled Mistral Large 4 jako model bez otevřených vah. Dokud soubory nevyjdou, jde o model dostupný jen přes API, a to i když se o něm mluví jako o open-weight modelu.

Proč ho nespustíte na běžném počítači

U modelu této velikosti je potřeba oddělit dvě různé věci: kolik dat se stahuje na disk a kolik paměti je potřeba k běhu. Mistral zatím velikost vah nezveřejnil, ale z počtu parametrů se dá velikost odhadnout. V šestnáctibitové přesnosti (bf16), ve které se modely běžně publikují, jde řádově o 2,1 terabajtu souborů ke stažení. I ve čtyřbitovém kvantování, které velikost zmenší zhruba na čtvrtinu, zůstává kolem 500 GB.

Druhá věc je paměť při běhu. Model je řídký MoE a router dopředu neví, které experty pro daný token vybere, takže musí mít v paměti dostupné všechny váhy, ne jen aktivní část. „Aktivních 49 miliard parametrů" tedy šetří výpočet, ne paměť. Běžný domácí počítač má 16 až 64 GB paměti, což je proti 2,1 terabajtu necelá tři procenta toho, co model potřebuje. Ve čtyřbitovém kvantování jde pořád o zhruba půl terabajtu, tedy řádově víc, než kolik mají domácí stroje. Lokální běh tak zůstává doménou serverů s více GPU, ne kancelářských počítačů.

Cena, dostupnost a čeština

Náhled je dostupný přes API v Mistral Studiu od 6. října. Standardní sazba je 1,36 dolaru za milion vstupních tokenů, 0,14 dolaru za milion tokenů, které se trefí do mezipaměti, a 4,18 dolaru za milion výstupních tokenů. V dávkovém režimu Batch jsou sazby poloviční (0,68 a 2,09 dolaru). Mistral uvádí, že model bude dostupný v několika regionech světa včetně evropského nasazení, které firma provozuje od začátku do konce sama a pod evropským právem.

Češtinu firma přímo nezmiňuje, ale tvrdí, že tréninková data pokrývala všechny úřední jazyky EU. Nezávislé testy češtiny na tomto modelu zatím nikdo nezveřejnil, takže kvalitu českého výstupu je zatím nutné brát jako slib, ne jako změřený fakt. To samé platí pro licenci: dokumentace u modelu uvádí pouze „Open", kdežto u Mistral Large 3 stojí výslovně Apache 2.0 a u Mistral Medium 3.5 Modified MIT. Dokud váhy nevyjdou, není jasné, jestli si model budou moct nasadit i firmy, nebo půjde o nekomerční variantu.

Co to znamená pro Evropu

Ještě v červenci letošního roku to vypadalo, že se Mistral ze závodu o největší modely stáhl — místo nového velkého jazykového modelu tehdy firma rozšiřovala portfolio nástrojů a uzavřela dohodu s Microsoftem o využití svých evropských datových center. Mistral Large 4 je přímý obrat: bilionový model, natrénovaný na vlastním evropském hardwaru, s otevřenými vahami na cestě. Mistral ho rámuje jako milník programu AI suverenity a odkazuje na 3 miliardy eur ze série D, kterou označuje za největší kapitálové kolo, jaké kdy evropská technologická firma vybrala.

Pro české firmy je podstatné právě to spojení tří věcí: model dostupný přes evropský endpoint, otevřené váhy pro nasazení na vlastním serveru a zaměření na obory, kde se rozhoduje o regulaci a odpovědnosti — kyberbezpečnost, finance, právo a veřejný sektor. Slib je silný, ale ověření přijde až s váhami na konci října. Teprve pak bude jasné, jaká je licence, jak model zvládá češtinu a jak obstojí v nezávislých testech mimo ty, které si firma zaplatila sama.