Mistral Large 4 klarer opgaver andre afviser
Previewen scorer 82% på en sårbarhedstest, hvor Claude Opus 5.5 og GPT-6 Astra næsten rammer nul.
Preview nu, vægte ved månedens udgang
Mistral AI lancerer i dag en forhåndsvisning af Mistral Large 4, også kaldet le Chonk. Modellen har 1 billion parametre i alt, hvoraf 49 milliarder er aktive samtidigt, og den er fra bunden designet til både tekst og billeder.
Du kan prøve preview API'en på Mistral Studio. De åbne vægte – filerne der lader dig køre modellen selv – udkommer ved månedens udgang.
- Score på test med genskabelse og lapning af sårbarhed – højst af alle modeller
- 82%
- Score på Cybench, 40 opgaver fra sikkerhedskonkurrencer
- 93%
- Af 1 billion parametre i alt i Mistral Large 4
- 49 milliarder aktive parametre
Sikkerhedstest hvor andre modeller afviser
På den uafhængige Artificial Analysis Cyber Index ligger Mistral Large 4 blandt verdens fem bedste modeller til at finde og rette sikkerhedshuller i rigtig software. Den scorer 82% på en test, der beder modellen om at genskabe en kendt sårbarhed i open-source-software og derefter lappe den – højst af alle modeller.
På Cybench, 40 opgaver fra sikkerhedskonkurrencer, løser den 93%. Resultatet skaber en praktisk forskel: flere lukkede modeller, herunder Claude Opus 5.5 og GPT-6 Astra, scorer tæt på nul, fordi de afviser opgaven. Men sikkerhedsarbejde begynder ofte med at bevise, at en fejl er reel – præcis det arbejde, lukkede modellers filtre kan blokere.
Vurderet anonymt af professionelle annotorer
På kodning scorer Mistral Large 4 61,7% på DeepSWE v1.1 og 59,4% på SWE-Atlas-QnA. I en anonym bedømmelse givet af professionelle annotorer fra Surge AI, der ikke kunne se modelnavne, rangerede Mistral Large 4 Preview anden af fem modeller med 3,74 ud af 5 – kun overgået af Claude Opus 5 med 4,22.
På AutomationBench, 657 forretningsworkflows på tværs af Gmail, Google Sheets, Slack og Salesforce, scorer den 59,9% – foran Kimi K3, MiMo-V2.6-Pro og DeepSeek V4 Pro.
Syn til tegninger og satellitbilleder
På visual grounding, evnen til at pege præcist på objekter i et billede, overgår Mistral Large 4 GPT-6-Astra med 42% mod 41% på Dense 200. Modellen kan zoome ind i gigapixel-satellitbilleder, verificere mekaniske dele i tekniske tegninger og hente beviser fra PDF'er.
Mistral har trænet modellen fra bunden på 3.800 NVIDIA Grace Blackwell GPU'er i sine egne datacentre i Europa. Et stort træningsdata er flersproget, dækker mere end 160 sprog – herunder alle EU's officielle sprog.
Flere detaljer
- Trænet fra bunden på 3.800 NVIDIA Grace Blackwell GPU'er i Mistrals egne datacentre i Europa.
- Over 160 sprog i træningsdata, inklusive alle EU's officielle sprog.
- Model testes nu af sikkerhedsfirmaer og myndigheder før vægtene frigives.
- Kommer på tværs af regioner med europæisk drift under europæisk lov.
Kilder:
Mistral AI → Simon Willison AI →
Genfortalt i egne ord af AI-nyheder.com · AI-genereret illustration · Tjek altid originalkilden, før du handler på vigtige oplysninger.