وزن‌های مدل ۱ تریلیون پارامتری Mistral Large 4 با مجوز MIT منتشر شد

شرکت Mistral روز ۲۹ اکتبر ۲۰۲۶ وزن‌های مدل Mistral Large 4 (با لقب «Le Chonk») را روی Hugging Face منتشر کرد. طبق صفحه‌ی رسمی، این مدل یک MoE ترکیبی instruct و reasoning با حدود یک تریلیون پارامتر و ورودی چندوجهی (متن و تصویر) است و تمرکزش روی وظایف امنیت سایبری دفاعی و کدنویسی agentic است. مجوز آن MIT اصلاح‌شده است و اجرای آن به‌صورت سرویس برای دیگران مجوز تجاری جداگانه می‌خواهد. همه‌ی عددهای عملکرد ادعای خود Mistral هستند.

مشخصات مدل

طبق model card، مدل «یک تریلیون پارامتر» دارد و ۴۹ میلیارد پارامتر در هر توکن فعال می‌شود (۵۲ میلیارد با لایه‌های embedding و خروجی). معماری، MoE ریزدانه با ۱۲۸ متخصص مسیریابی‌شده، ۴ متخصص فعال برای هر توکن و ۱ متخصص مشترک است و یک انکودر تصویر شبیه Pixtral دارد. طول context برابر ۱ میلیون توکن و خروجی فقط متن است.

Mistral می‌گوید مدل بیش از ۱۶۰ زبان را روان پشتیبانی می‌کند و سه حالت reasoning دارد: پایین، متوسط و بالا (پیش‌فرض). صفحه‌ی خبر Mistral خودش اندازه‌ی active را نگفته؛ عدد ۵۲ میلیارد از نام مدل و model card و TNW می‌آید.

دانلود و اجرا

نشانی مدل روی Hugging Face این است:

huggingface.co/mistralai/Mistral-Large-4-1T-A52B

طبق model card، مدل با vLLM و SGLang اجرا می‌شود و نمونه‌های آن برای یک گره‌ی ۸ GPU ای هستند. یک checkpoint با دقت NVFP4 هم برای GPU های Blackwell هست و GGUF برای llama.cpp نیز عرضه شده. model card مقدار حافظه یا مدل GPU را مشخص نمی‌کند. TNW می‌نویسد نسخه‌ی کوانتایز روی چهار GPU از نوع B200 یا B300 اجرا می‌شود و برای دقت کامل مشخصاتی نمی‌دهد. NVIDIA هم طبق Mistral کانتینر NIM و پشتیبانی TensorRT-LLM دارد. دسترسی از API، Mistral Studio، OpenRouter، Microsoft Foundry و endpoint های NVIDIA هم ممکن است.

مجوز

نام مجوز Mistral Ecosystem Open-Weight License است. طبق متن LICENSE روی Hugging Face، همه می‌توانند مدل را استفاده، تغییر، fine-tune، توزیع و بفروشند و فقط باید اعلان کپی‌رایت و attribution به Mistral را نگه دارند. شرط تجاری این است که اگر خود شما یا وابسته‌ی شما مدل را به‌صورت Model-as-a-Service اجرا کند، باید قبل از آن قرارداد تجاری جدا با Mistral ببندید.

تعریف این سرویس شامل دادن دسترسی به یک طرف سوم برای inference یا post-training است که بر ورودی‌ها، پارامترها یا داده‌ی آموزش «کنترل معنادار» دارد. محصول‌های نهایی که قابلیت مدل را داخل ویژگی‌های مشخص خود جا داده‌اند و صرف رله کردن درخواست به مدل‌های میزبانی‌شده‌ی دیگران از این تعریف بیرون‌اند. استفاده‌ی داخلی که مدل را در اختیار دیگران نمی‌گذارد و استفاده از محصولات رسمی Mistral هم مشمول این شرط نیستند. متن مجوز آستانه‌ی درآمدی ندارد. اینکه یک کاربرد دقیقاً در کدام دسته می‌افتد باید با متن کامل مجوز یا Mistral روشن شود.

قیمت API و عددهای ادعایی

طبق Mistral، قیمت API برابر ۰٫۷۰ دلار ورودی، ۰٫۰۷ دلار ورودی کش‌شده و ۲٫۱۰ دلار خروجی برای هر میلیون توکن است. TNW برخلاف آن می‌نویسد قیمت API هنوز منتشر نشده.

ادعاهای benchmark از Mistral این‌هاست: ۱۹٫۷ درصد در FrontierCode 2.0، ۴۸ درصد در Coding Agent Index از Artificial Analysis (تقریباً برابر GLM-5.3 با ۴۷ درصد توکن کمتر در هر کار)، ۴۱ درصد در Terminal-Bench 4.0 (در پیش‌نمایش ۲۸ بود)، ۵۱ درصد در Cyber Index، ۷۳٫۳ درصد در FinWorkBench، ۸۴٫۵ درصد در BrowseComp و ۹۷٫۱ درصد مقاومت در B3 Agent Security.

TNW برای Terminal-Bench 4.0 عددهای ۴۰ درصد برای GLM-5.3، ۳۱ برای DeepSeek V4.1 Flash و ۲۱ برای Kimi K3 را هم آورده. در CyberGym-E2E هم ۷۹ درصد می‌نویسد؛ اما در نمودار همان مقاله «GLM-5.3 Flash» با ۷۴ و «GLM-5.3» با ۲۹ درصد آمده که مقاله توضیحی برایش نمی‌دهد.

تمرکز امنیتی

طبق Mistral، مدل برای کارهای دفاعی مثل کشف و بازتولید و رفع آسیب‌پذیری ساخته شده و guardrail های توکار میان کار دفاعی و حمله‌ای فرق می‌گذارند، با میانگین نرخ رد ۹۶٫۶ درصد برای درخواست‌های مخرب سایبری. Mistral می‌گوید به‌خاطر مشاهده‌ی استفاده‌ی پرخطر در ترافیک واقعی دارد guardrail ها را تغییر می‌دهد. یک نسخه‌ی تخصصی برای کارهای پیشرفته‌ای مثل تست نفوذ فقط به‌صورت پیش‌نمایش برای شریک‌های سازمانی تأییدشده (مثل Orange Cyberdefense) و فقط روی سیستم‌های خودی یا مجاز در دسترس است. پیر استوک، معاون علمی Mistral، به TechCrunch گفته چون وزن‌ها باز است «دسترسی‌ای که نمی‌شود قطعش کرد» وجود دارد؛ این نظر Mistral است و گزارش مستقلی نیست.

نکته‌های ناروشن

گزارش فنی کامل هنوز منتشر نشده («coming soon»). زمان پیش‌نمایش هم روشن نیست: Mistral می‌گوید «اوایل همین ماه» و TNW «حدود سه هفته پیش». TNW می‌نویسد مدل روی ۳٬۸۰۰ GPU از نوع Grace Blackwell در اروپا آموزش دیده؛ ادعای Mistral درباره‌ی ساخت با منابع بسیار کمتر از رقبا را هم این مقاله قابل بررسی نمی‌داند. TechCrunch هم نام مجوز را نیاورده، پس برای مجوز به متن LICENSE رجوع کنید.

منابع:

• Mistral Large 4 (Le Chonk) is now open weight (Mistral)
• Mistral-Large-4-1T-A52B (Hugging Face)
• LICENSE (Hugging Face)
• Mistral releases weights for its trillion-parameter AI model, targeting cybersecurity (TechCrunch)
• Mistral releases open weights for its 1 trillion-parameter Large 4 model (The Next Web)