मिस्ट्राल ने प्रीव्यू खोला, और वही क्षमता आगे रखी जो प्रतिद्वंद्वी रोक रहे हैं
मिस्ट्राल एआई ने 6 अक्तूबर को Mistral Large 4 का सार्वजनिक प्रीव्यू जारी किया, एक मॉडल जिसे कंपनी ML4 कहती है और अनौपचारिक रूप से “le Chonk”। यह एक मूल रूप से मल्टीमॉडल मिक्सचर-ऑफ-एक्सपर्ट्स मॉडल है, जिसमें कुल एक ट्रिलियन पैरामीटर और प्रति टोकन 49 अरब सक्रिय पैरामीटर हैं, और मिस्ट्राल का कहना है कि यह उसका अब तक का सबसे बड़ा और सबसे सक्षम मॉडल है। वेट्स अभी जारी नहीं हुए हैं: कंपनी ने कहा कि रेड टीमिंग पूरी होने पर वह उन्हें अक्तूबर के अंत में प्रकाशित करेगी।
तब तक पहुँच दो हिस्सों में बँटी है। प्रीव्यू एपीआई Mistral Studio पर खुला है, दर प्रति दस लाख इनपुट टोकन 1.36 डॉलर और प्रति दस लाख आउटपुट टोकन 4.18 डॉलर। एक दूसरा समूह — मिस्ट्राल के शब्दों में “साइबर सुरक्षा के अग्रणी, जाँचे गए साझेदार और राज्य प्राधिकरण” — वही मॉडल घटी हुई मॉडरेशन और बढ़ी हुई साइबर क्षमताओं के साथ पाता है।
दावा यह है कि यह मॉडल मना नहीं करेगा
मिस्ट्राल का मुख्य दावा सुरक्षा कार्य के बारे में है, और कंपनी असामान्य रूप से स्पष्ट है कि तुलना किससे है। Artificial Analysis Cyber Index पर, जो वास्तविक सॉफ़्टवेयर में खामियाँ खोजने और ठीक करने का एक स्वतंत्र मूल्यांकन है, मिस्ट्राल ने कहा कि ML4 दुनिया के पाँच शीर्ष मॉडलों में है। इस सूचकांक की उस परीक्षा में, जो मॉडल से ओपन सोर्स सॉफ़्टवेयर की एक वास्तविक खामी दोहराने और फिर उसे ठीक करने को कहती है, मिस्ट्राल ने 82% बताया, जिसे कंपनी किसी भी मॉडल का सबसे ऊँचा अंक कहती है।
कंपनी के अनुसार इसका कारण केवल क्षमता नहीं है। मिस्ट्राल ने लिखा कि क्लॉड ओपस 5.5 और जीपीटी-6 एस्ट्रा “उसी परीक्षा में लगभग शून्य पाते हैं क्योंकि वे काम करने से मना कर देते हैं”। उसका तर्क है कि बचाव की शुरुआत यह साबित करने से होती है कि खामी वास्तविक है, और किसी घटना के बीच प्रदाता का इनकार अपने आप में एक सुरक्षा जोखिम है। Cybench पर, जो सुरक्षा प्रतियोगिताओं से लिए गए 40 अभ्यासों का समूह है, मिस्ट्राल ने 93% बताया — यह आंकड़ा उसकी अपनी जाँच से है, किसी स्वतंत्र परीक्षण से नहीं।
यह रुख गूगल के पहले जेमिनी 4 मॉडल को साइबर रक्षकों को ढीली साइबर सुरक्षा-सीमाओं के साथ देने के कुछ दिन बाद आया है, और वही अनसुलझा सवाल उठाता है: माँगने पर आक्रामक सुरक्षा कार्य करने वाला मॉडल किसे सौंपा जाए।
बाकी आंकड़े अधिकतर मिस्ट्राल के ही हैं
कोडिंग में मिस्ट्राल ने DeepSWE v1.1 पर 61.7%, Terminal-Bench 4 पर 28.3% और SWE-Atlas-QnA पर 59.4% बताया, साथ ही 49.8% का संयुक्त Coding Agent Index, जिसे वह DeepSeek V4 Pro और Qwen3.8 Max से आगे रखती है। AutomationBench पर — जीमेल, गूगल शीट्स, स्लैक और सेल्सफोर्स जैसे टूल में 657 व्यावसायिक वर्कफ़्लो — कंपनी ने 59.9% बताया।
Surge AI के साथ की गई एक अंधी मानवीय जाँच में ML4 कोड गुणवत्ता पर पाँच मॉडलों में दूसरे स्थान पर रहा, 5 में से 3.74 अंक के साथ, मूनशॉट एआई के Kimi K3 (3.59) और GLM-5.3 (3.60) से आगे और क्लॉड ओपस 5 (4.22) से पीछे। विज़ुअल ग्राउंडिंग पर मिस्ट्राल ने कहा कि ML4 को Dense 200 पर 42% मिला, जबकि जीपीटी-6 एस्ट्रा को 41% — यही एक जगह है जहाँ वह किसी बंद फ्रंटियर मॉडल से आगे निकलने का दावा करती है।
मिस्ट्राल का अपना सारांश सावधानी से सीमित है: ML4 “दुनिया के सबसे मजबूत ओपन सोर्स मॉडलों के मुकाबले प्रतिस्पर्धी” है और साथ ही “अमेरिका या यूरोप में विकसित किसी भी खुले-वेट मॉडल से काफी बेहतर” है। यह एक क्षेत्रीय मैदान का दावा है, वैश्विक का नहीं, और चीनी खुले-वेट मॉडल अब भी मानक बने हुए हैं।
यूरोप में, 3,800 चिप पर प्रशिक्षित
मिस्ट्राल ने कहा कि ML4 को उसके अपने यूरोपीय डेटा सेंटरों में 3,800 एनवीडिया ग्रेस ब्लैकवेल जीपीयू पर शून्य से प्रशिक्षित किया गया, और सार्वजनिक प्रीव्यू उसी ढाँचे पर चलता है। कंपनी के अनुसार प्रशिक्षण डेटा का एक बड़ा हिस्सा बहुभाषी था, जिसमें 160 से अधिक भाषाएँ और यूरोपीय संघ की हर आधिकारिक भाषा शामिल थी, और एक यूरोपीय तैनाती शुरू से अंत तक यूरोपीय कानून के तहत, अन्य डिजिटल सेवा प्रदाताओं से स्वतंत्र रूप से चलेगी।
जो गायब है वह सब कुछ है जिससे कोई बाहरी व्यक्ति इन दावों की जाँच कर सके: वेट्स, आर्किटेक्चर, पोस्ट-ट्रेनिंग पद्धति और लाइसेंस की शर्तें। मिस्ट्राल ने कहा कि यह सब महीने के अंत की रिलीज़ के साथ आएगा। तब तक ऊपर का हर आंकड़ा विक्रेता का आंकड़ा है, सिर्फ Artificial Analysis सूचकांक में स्थान को छोड़कर।
