Mistral Large 4

Что такое Mistral Large 4

Mistral Large 4 – мультимодальная нейросеть компании Mistral для работы с текстом, изображениями, программным кодом и агентными задачами.

Модель построена на гибридной архитектуре Mixture of Experts, или MoE. В Mistral 1 триллион параметров. Mistral Large 4 объединяет следование инструкциям, рассуждения и выполнение агентных сценариев в одной модели.

Основной акцент сделан на сложных профессиональных процессах: разработке ПО, анализе документов, кибербезопасности, финансах, инженерии и научных исследованиях. Сервис ориентирован прежде всего на разработчиков, исследовательские группы, специалистов по безопасности и компании из регулируемых отраслей.

ML4 обучалась на многоязычных данных, охватывающих более 160 языков, включая все официальные языки Евросоюза. Это может быть полезно командам, которые одновременно работают с документами и запросами на нескольких языках.

Ключевые возможности Mistral Large 4

Мультимодальный анализ изображений и документов

Mistral Large 4 обрабатывает не только текст, но и изображения, диаграммы, технические чертежи и PDF-документы. Модель может сопоставлять визуальные детали с текстом запроса, искать сведения в документе и формировать ответ на основе найденного контекста.

Такой подход полезен, когда важная информация распределена между таблицами, схемами, сканами и текстовыми пояснениями. Например, модель может помочь при разборе инженерного чертежа: изучить нужный участок, выделить элементы конструкции и сверить их с поставленным вопросом.

Модель может провести анализ спутниковых изображений для поиска объектов, важных при реагировании на чрезвычайные ситуации. В бенчмарке Dense 200 ML4 получила 42%, тогда как GPT-6-Astra – 41%.

Нейросеть также может провести работу с плотными естественными сценами, техническими PDF и графиками.

Разработка кода и работа с репозиториями

ML4 – модель для программирования, понимания репозиториев и решения задач в терминале. Она может быть полезна в сценариях, где недостаточно сгенерировать одну функцию: требуется разобраться в структуре проекта, найти причину ошибки и предложить последовательность технических изменений.

Mistral оценивает возможности модели по бенчмаркам DeepSWE, SWE-Atlas-QnA и Terminal-Bench. Mistral Large 4 получила 61,7% в DeepSWE v1.1, 59,4% в SWE-Atlas-QnA и 28,3% в Terminal-Bench 4. Совокупная оценка в Coding Agent Index составила 49,8%.

В слепой оценке качества кода от Surge AI ML4 Preview заняла второе место среди пяти моделей с результатом 3,74 из 5. Практический сценарий использования – анализ контекста репозитория, поиск взаимосвязей между файлами и подготовка исправления для найденной ошибки.

Модель также может применяться для работы с последовательностями команд и результатами выполнения в терминале.

Агентные рабочие процессы и использование инструментов

Mistral Large 4 способна выполнять агентные задачи: собирать информацию, использовать инструменты и готовить итоговый результат в рамках многошагового процесса. Такой режим может сократить объём ручной работы при переносе данных между источниками, проверке промежуточных выводов и сборке итогового документа.

В качестве примера Mistral приводится AutomationBench – набор из 657 бизнес-процессов, связанных с приложениями наподобие Gmail, Google Sheets, Slack и Salesforce. В этом тесте ML4 получила 59,9%.

Для задач, в которых итогом становятся таблицы, презентации или PDF результат 1393 Elo в AA-Briefcase. На практике модель может использоваться для подготовки отчёта по нескольким источникам, проведения расчётов и оформления материалов в единую структуру.

Анализ уязвимостей и задачи кибербезопасности

ML4 – модель для задач кибербезопасности, включая поиск и устранение уязвимостей в программном обеспечении. Нейросеть может провести анализ вредоносного ПО, приоритизацию уязвимостей и подготовку правил обнаружения угроз.

Такой инструмент может пригодиться командам безопасности, которым необходимо быстро разобраться в деталях инцидента, оценить воспроизводимость проблемы или подготовить технические рекомендации по её устранению.

В одном из тестов AI Cyber Index модель получила 82% при воспроизведении и исправлении реальной уязвимости в открытом ПО. В Cybench она решила 93% из 40 упражнений по кибербезопасности.

После публикации весов Mistral планирует предоставить возможность развёртывания ML4 в частном облаке или локальной инфраструктуре. Это может быть важно для организаций с жёсткими требованиями к обработке чувствительных данных. У модели также более высокая склонность отказывать в злонамеренных кибербезопасностных запросах по сравнению с другими моделями с открытыми весами в её тестировании.

Научные расчёты, математика и моделирование

Mistral Large 4 рассчитана на технические и научные задачи, в которых требуется не только объяснение, но и создание кода для анализа, моделирования или вычислений. Эти возможности связаны с исследованиями в математике, физике и химии.

Модель может помочь быстрее перейти от формулировки задачи к вычислительному прототипу. В качестве примера можно провести генерацию модели полной симуляции Хартри – Фока за один запрос – сложной задачи из вычислительной химии с несколькими продвинутыми этапами обработки.

ML4 показывает высокий результат среди моделей с открытыми весами в SciCode-Verified – тесте на реализацию научных процессов в коде для физики, математики, материаловедения и биологии.

Модель можно использовать для подготовки кода анализа данных, построения математических моделей и симуляции физических процессов.

Работа с финансовыми и юридическими документами

ML4 умеет создавать, редактировать и исправлять сложные таблицы и документы. Например, финансовые и юридические сценарии, где важны точность расчётов, работа с источниками и структурирование большого объёма материалов.

В финансовых задачах модель может изучать публичную отчётность компаний и документы из баз наподобие EDGAR, сопоставлять сведения и выполнять расчёты по многошаговому запросу. Такой подход может быть полезен аналитикам, инвестиционным командам и специалистам по корпоративной отчётности.

В юридических задачах Mistral в бенчмарке Harvey Legal Agent, где ML4 превзошла другие модели с открытым исходным кодом. Также модель о тестировалась через сторонних оценщиков vals.ai на финансовых и юридических задачах.

Условия использования Mistral Large 4

Mistral Large 4 доступна в формате публичного предварительного просмотра через API в Mistral Studio. Это означает, что модель ориентирована на интеграцию в собственные продукты, внутренние инструменты и корпоративные процессы, а не только на работу в веб-чате.

Бесплатный тариф Mistral доступен без оплаты и включает ограниченный доступ к Vibe, Mistral Studio, чату, поиску, созданию контента и агентному программированию через Vibe для кода.

В стоимость Pro указано включение $25.5 в месяц в виде API-кредитов. Для Team указаны API-кредиты на $15 в месяц. Налоги в цене Pro не учитываются.

Для API отдельно учитываются входные токены в запросах и выходные токены в ответах. Пакетная обработка снижает стоимость на 50%, а кэшированные входные токены для повторяющихся запросов могут уменьшить стоимость входа до 90%.