میسترال می‌گوید مدل جدیدش، Large 4، در بین مدل‌های باز برای کدگذاری عاملی و دفاع سایبری به عملکرد «مرز» دست می‌یابد.

آزمایشگاه هوش مصنوعی فرانسوی Mistral جدیدترین مدل خود، Mistral Large 4 را برای عموم عرضه کرد و مدعی شد رقبای چینی خود را تا مرز هوش مصنوعی وزن باز تعقیب کرده است.

برخلاف اکثر مدل‌های پیشرو هوش مصنوعی، مدل‌های با وزن باز به‌صورت رایگان برای دانلود، اجرا و تغییر در دسترس همه قرار می‌گیرند. این یک کلاس از مدل‌های هوش مصنوعی است که محصولات پیشرو به طور سنتی از شرکت‌های چینی می‌آیند.

این استارت آپ فرانسوی می گوید مدل جدید 1 تریلیون پارامتری آن که از روز پنجشنبه در پلتفرم متن باز Hugging Face در دسترس است، بهترین مدل باز ساخته شده در غرب است. Mistral می‌گوید که در رتبه اول همه مدل‌های باز دیگر در شاخص کدگذاری آنالیز مصنوعی، یک معیار مستقل است که نشان می‌دهد چگونه عوامل هوش مصنوعی وظایف کامل مهندسی نرم‌افزار را انجام می‌دهند.

بر اساس ارقام بنچمارک ارائه شده توسط Mistral، مدل جدید با GLM-5.3 چین که قبلا به عنوان بهترین مدل باز در جهان شناخته می‌شد، در Terminal-Bench 4.0، آزمایشی از عوامل کدگذاری، مرتبط است. این شرکت گفت که آموزش های تقویتی اضافی که از زمان انتشار نسخه پیش نمایش Large 4 در 6 اکتبر انجام داده است، به عملکرد این مدل در ترمینال بنچ 4.0 اجازه داده است که از دقت 28 درصد به دقت 41 درصد جهش کند. مدل‌های اختصاصی شرکت‌هایی مانند OpenAI و Anthropic، که فقط از طریق API قابل دسترسی هستند، از نظر قابلیت‌های کلی جلوتر هستند.

به عنوان مثال، Anthropic’s Mythos 5.1 امتیاز 60.9٪ را در همان معیار کسب کرد.

میسترال گفت، با این حال، Large 4 همچنین بسیار کارآمدتر از رقبای وزن باز چینی خود است و از 47٪ توکن کمتری در هر کار نسبت به GLM-5.3 استفاده می کند.

Large 4 که Mistral اغلب از آن با عنوان Le Chonk یاد می کند، یک بازی لغت طنز فرانسوی بر اساس طلسم گربه شرکت، قبلا به عنوان یک پیش نمایش محدود با شرکای منتخب منتشر شده بود. در آن مرحله، Artificial Analysis آن را تقریبا با GPT-6 Luna OpenAI و Flash V4.1 DeepSeek ارزیابی کرد، اما متوجه شد که هزینه آن برای هر کار بیش از چهار برابر بیشتر از مدل‌های باز هوشمند مشابه است.

پیر استوک، معاون علمی Mistral، دستاوردهای جدیدی را که شرکت در حال حاضر برای انتشار کامل Large 4 تا 3 هفته دیگر از یادگیری تقویتی گزارش می دهد، نسبت داد، روشی آموزشی که در آن یک مدل از تلاش های خود در انجام وظایف بازخورد دریافت می کند و یاد می گیرد که رویکردهای موثر را ترجیح دهد.

استاک این انتشار را "لحظه ای محوری در مسابقه جهانی هوش مصنوعی" و "نقطه عطفی برای اروپا" خواند و استدلال کرد که این قاره اکنون می تواند اکوسیستمی را حول مدل های پایه هوش مصنوعی بسازد، "نه تنها لایه کاربردی". او گفت که این مدل بر روی خوشه محاسباتی 10 مگاواتی خود میسترال در فرانسه آموزش داده شده است، «کسری از آنچه همه رقبا استفاده می کنند».

استوک گفت که این مدل اکنون "بهترین مدل وزن باز در خصوص سایبر و کدگذاری" است. او همچنین پیشنهاد کرد که مدل Mistral باید برای شرکت‌ها از بین برود و این سوال را مطرح کرد که آیا می‌توان به مدل‌های باز چینی اعتماد کرد. او گفت که مدل های چینی ممکن است در آینده تحت کنترل صادرات قرار گیرند. او همچنین گفت که رفتار یک مدل را می‌توان به گونه‌ای تغییر داد که اسرار سیستم‌های یک شرکت را کشف کند.

مدل‌های وزن باز با کسب‌وکارهایی که به دلیل هزینه کمتر این مدل‌ها و توانایی بیشتر برای کنترل بر داده‌هایی که پردازش می‌کنند، جذب می‌شوند. استوک گفت "تداوم کسب و کار" مهمترین درخواست مشتریان در امور مالی، تولید و سایر صنایع تحت نظارت مانند مراقبت های بهداشتی است که نگران هستند دسترسی به مدل های بسته "قطع شود".

این خطر به شدت در ژوئن احساس شد، زمانی که یک دستورالعمل کنترل صادرات ایالات متحده آنتروپیک را مجبور کرد دسترسی به مدل‌های Fable 5 و Mythos 5 خود را برای نزدیک به سه هفته متوقف کند. استاک استدلال می‌کرد که وقتی وزن‌های یک مدل عمومی شد، «قطع دسترسی به این روش غیرممکن است».

علاوه بر این، او گفت که مدل‌های باز برای دفاع سایبری ضروری هستند، زیرا مدل‌های بسته ممکن است به دلیل شباهت با برخی از وظایف تهاجمی سایبری، کاربران را محدود کنند یا درخواست‌های قانونی را برای بررسی سیستم‌های خود از نظر آسیب‌پذیری‌ها یا شرکت در فعالیت‌های ضد هک رد کنند.

در ماه جولای، پس از اینکه مدل‌های OpenAI در حین آزمایش به سرورهای Hugging Face نفوذ کردند، تیم Hugging Face سعی کرد با استفاده از مدل‌های Opus و Fable Anthropic پاسخ دهد. آن مدل‌ها به دلیل نرده‌های ایمنی خود از بسیاری از کارها خودداری کردند و تیم به مدل باز از Z.ai چین روی آورد.

Mistral در آوریل 2023 توسط آرتور منش، محقق سابق Google DeepMind، و Guillaume Lample و Timothée Lacroix، که هر دو از Meta آمده بودند، در پاریس تأسیس شد. از زمانی که اولین مدل آن، Mistral 7B، در اواخر همان سال عرضه شد، مدل‌های باز را منتشر کرد. این شرکت برای همگام شدن با آزمایشگاه‌های ایالات متحده تلاش کرده است، زیرا مدل‌های آن عموما از سیستم‌های برتر آمریکایی پیروی می‌کنند.

همچنین با شکاف مالی زیادی مواجه است. Mistral تقریبا 6 میلیارد دلار در سه سال جمع آوری کرده است که آخرین آن 3 میلیارد یورو سری D در سپتامبر به رهبری سامسونگ بود که ارزش شرکت را بیش از 21 میلیارد یورو (حدود 24 میلیارد دلار) ارزیابی کرد. ارزش آنتروپیک تا اوت 965 میلیارد دلار بود.

این داستان در ابتدا در سایت Fortune.com منتشر شد