Mistral Large 4: что дали веса, API и лицензия

Что в ролике
Mistral выложила на Hugging Face веса флагманской модели Large 4 29 октября, на два дня позже плана, а независимые замеры показывают, что три недели дополнительного обучения дали не рост интеллекта, а удешевление: индекс intelligence index v5 поднялся с 25 до 26 баллов, а стоимость задачи упала на 63% — с $5,54 до $2,6. Падение цены складывается из двух частей: модель стала писать меньше токенов (82 000 выходных токенов вместо 135 000, минус 39%) и Mistral вдвое снизила API-тарифы — примерно $0,7 за миллион входных и $2,10 за миллион выходных токенов. В factual knowledge доля выдуманных ответов снизилась с 41% до 28%, но точность осталась на 26%, что ниже DeepSeek V4.1 Flash (40%). Заявленные Mistral 41% на Terminal Bench 4.0 независимые замеры не подтверждают: Artificial Analysis получила 25%, а Vals AI на API Mistral — 26,26%. При этом на coding agent index Large 4 набирает 48 баллов, уступая лидеру GLM 5.3 всего один балл, но тратит 8,5 млн токенов на задачу против 15,9 млн у GLM — экономия 47%. Для запуска весов нужен сервер с 8 GPU или два Mac'а с 512 ГБ памяти: 4-битная версия занимает 590 ГБ и не влезает в один Mac, а 1-битная от Unsloth — 233 ГБ. Лицензия модифицированная MIT запрещает использовать модель как сервис без коммерческого соглашения с Mistral, при этом внутренние нужды компании и встраивание в конкретный продукт бесплатны.
Практика
- Что получишь
- Понимание, что дал релиз Large 4: не рост интеллекта, а снижение стоимости и расхода токенов, и в каких случаях стоит скачивать веса вместо API.
- Первый шаг
- Если решаете, нужен ли Large 4, запустите несколько своих задач через API Mistral на high reasoning и сравните с DeepSeek или GLM по цене и качеству, прежде чем покупать сервер.
- Цифры
- —63% — на столько упала стоимость задачи на API Mistral после релиза Large 4 (с $5,54 до $2,6)
- —82 000 выходных токенов — средний объём генерации на задачу вместо 135 000 у превью, снижение на 39%
- —41% против 25% — заявленный Mistral результат на Terminal Bench 4.0 и независимая оценка Artificial Analysis
- —8,5 млн против 15,9 млн токенов — расход на задачу в coding agent index у Large 4 и GLM 5.3, разница 47%
- Честно
- Автор дважды просит подписаться и рекламирует платное сообщество The Stack Membership, где показывает свой прод-процесс. Все независимые цифры взяты из Artificial Analysis и Vals AI, но разрыв с вендорскими бенчмарками не объяснён. Лицензия Mistral содержит серые зоны (определение аффилированных лиц, границы встраивания в продукт) — для коммерческого использования лучше уточнять у Mistral.
Если слова незнакомы — 3 терминов
- токеныединицы текста, за которые модель платит при генерации
- APIинтерфейс для вызова модели через облако, без установки на своё железо
- открытые весафайлы обученной модели, которые можно скачать и запустить на своей инфраструктуре
Связки из этого ролика
5 шт.- Mistral Large 4
- DeepSeek V4.1 Flash
- GLM 5.3
- MIMO v2.6 Pro
- Muse Spark open
Компоненты
6 шт.Формат: обзор · для практикующих · уверенность разметки 0.9 · источник