Mistral Large 4. Cena, możliwości i termin otwartych wag

Co Mistral pokazał 6 października

Mistral Large 4 (w komunikatach także ML4) to największy model w historii francuskiej firmy. Łączy w jednym modelu tryb zwykłych odpowiedzi i tryb rozumowania, obsługuje wywoływanie funkcji, ustrukturyzowane odpowiedzi i pracę agentową. Na wejściu przyjmuje tekst i obrazy, a dokumentacja wymienia enkoder wizyjny z 1,6 mld parametrów.

Architektura mixture-of-experts (MoE) oznacza, że model składa się z wielu wyspecjalizowanych bloków, a przy każdym tokenie uruchamia tylko część z nich. Dokumentacja podaje 1,05 bln parametrów łącznie i 49 mld aktywnych. Dzięki temu koszt obliczeń przy odpowiedzi jest bliższy modelowi z kilkudziesięcioma miliardami parametrów niż modelowi bilionowemu, choć do samodzielnego uruchomienia nadal potrzebny jest duży klaster.

Na razie dostępna jest wersja preview w API pod identyfikatorem mistral-large-4. Mistral zapowiada, że w tygodniach do publikacji wag będzie dalej trenował model metodą uczenia ze wzmocnieniem i spodziewa się wyraźnej poprawy wyników. Według ZDNET wagi mają się ukazać 27 października.

Wyniki testów deklarowane przez Mistrala

Większość liczb pochodzi od producenta albo z ewaluacji zleconych przez niego firmom zewnętrznym. Część testów programistycznych Artificial Analysis przeprowadziło prywatnie, zanim same narzędzia testowe zostały upublicznione. Te wyniki trzeba traktować jako deklarację producenta do czasu niezależnych pomiarów na opublikowanych wagach.

• Programowanie: 61,7 proc. w DeepSWE v1.1, 59,4 proc. w SWE-Atlas-QnA i 28,3 proc. w Terminal-Bench 4.0. Łączny Coding Agent Index wynosi 49,8 proc., więcej niż DeepSeek V4 Pro i Qwen3.8 Max.
• Cyberbezpieczeństwo: miejsce w pierwszej piątce Artificial Analysis Cyber Index, 82 proc. w teście odtworzenia i załatania prawdziwej luki oraz 93 proc. zadań w zestawie Cybench.
• Praca agentowa: 59,9 proc. w AutomationBench (657 procesów biznesowych w aplikacjach takich jak Gmail, Arkusze Google, Slack i Salesforce) i 1393 pkt Elo w AA-Briefcase.
• Obraz: 42 proc. w teście lokalizowania obiektów Dense 200 wobec 41 proc. GPT-6 Astra.
• Odporność: 93,3 proc. odpartych ataków w teście B3 firmy Lakera, sprawdzającym m.in. pośrednie wstrzykiwanie poleceń.

Dlaczego Mistral stawia na cyberbezpieczeństwo

Najmocniej eksponowanym zastosowaniem jest obrona przed atakami. Mistral wskazuje, że w teście odtworzenia znanej luki Claude Opus 5.5 i GPT-6 Astra uzyskują wynik bliski zera, bo odmawiają wykonania zadania. Firma przekonuje, że zespoły bezpieczeństwa potrzebują modelu, który mogą uruchomić u siebie, na własnych zasadach i bez ryzyka, że dostawca odetnie dostęp w trakcie incydentu.

Współzałożyciel i główny naukowiec Mistrala Guillaume Lample powiedział CNBC, że możliwości modelu w obronie mają pomóc firmom i państwom chronić się przed przestępcami, którzy obchodzą zabezpieczenia modeli zamkniętych. Jednocześnie producent podaje, że Large 4 częściej niż inne otwarte modele odmawia wykonania złośliwych poleceń z zestawów JailbreakBench, StrongREJECT i AgentHarm.

Ta druga deklaracja ma ograniczoną wagę. Po publikacji wag każdy będzie mógł dostroić model i osłabić jego zabezpieczenia. Dlatego Mistral przez kilka tygodni testuje go z partnerami, w tym z instytucjami państwowymi, które dostają wersję ze złagodzoną moderacją i rozszerzonymi funkcjami bezpieczeństwa.

Ile kosztuje Mistral Large 4 w API

Komunikat Mistrala podaje ceny katalogowe, a dokumentacja modelu pokazuje je przekreślone i obok stawki niższe o połowę. Mistral nie napisał, czy obniżka dotyczy tylko okresu preview ani kiedy się kończy. Cennik nie zawiera informacji o VAT. Przeliczenia wykonaliśmy po średnim kursie NBP z 6 października 2026 roku (tabela 194/A/NBP/2026, 1 USD = 3,8868 zł).

• Wejście: 1,36 USD (ok. 5,29 zł) za 1 mln tokenów w cenniku katalogowym, obecnie 0,68 USD (ok. 2,64 zł).
• Wejście z pamięci podręcznej: 0,14 USD (ok. 0,54 zł), obecnie 0,07 USD (ok. 0,27 zł).
• Wyjście: 4,18 USD (ok. 16,25 zł), obecnie 2,09 USD (ok. 8,12 zł).
• Przykład: zespół, który miesięcznie wysyła 10 mln tokenów i odbiera 2 mln, zapłaci ok. 21,96 USD (ok. 85 zł) według cennika katalogowego albo ok. 10,98 USD (ok. 43 zł) według obecnych stawek.

Co Large 4 oznacza dla firm w Polsce

Dla polskich firm najważniejsze są dwie cechy. Pierwsza to język: według Mistrala znaczną część danych treningowych stanowiły teksty w ponad 160 językach, w tym we wszystkich językach urzędowych UE, a więc także po polsku. Producent nie opublikował jednak wyników testów dla polszczyzny, więc przed wdrożeniem warto sprawdzić model na własnych dokumentach.

Druga cecha to miejsce przetwarzania danych. Mistral zapowiada udostępnienie modelu w kilku regionach świata, w tym w regionie europejskim, który obsługuje samodzielnie, niezależnie od innych dostawców usług cyfrowych i zgodnie z prawem UE. Po publikacji wag będzie można uruchomić model we własnej serwerowni lub w prywatnej chmurze. Opisaliśmy już, jak skonfigurować dotychczasowe modele firmy w regionie UE.

W naszej ocenie Large 4 jest najciekawszy dla banków, kancelarii, administracji i zespołów bezpieczeństwa, które nie mogą wysyłać danych do amerykańskich dostawców. Dla zwykłego użytkownika czatu zmiana będzie mniej odczuwalna, bo w programowaniu i pracy ogólnej najlepsze modele zamknięte nadal mają przewagę.

Otwarte wagi a obowiązki z AI Act

Mistral nie ogłosił jeszcze licencji, na której opublikuje wagi. Od niej zależy, czy model będzie można swobodnie używać komercyjnie i modyfikować. Poprzednie duże modele firmy ukazywały się na różnych licencjach, więc nie należy zakładać z góry, że będzie to Apache 2.0, jak w przypadku zapowiedzianego dzień wcześniej Reflection Beam.

Licencja ma znaczenie także prawne. AI Act zwalnia dostawców modeli ogólnego przeznaczenia publikowanych na wolnej licencji z części obowiązków dokumentacyjnych (art. 53 ust. 2), ale zwolnienie nie dotyczy modeli o ryzyku systemowym. Mistral nie podał, ile mocy obliczeniowej zużył trening, więc nie wiadomo, czy Large 4 przekracza próg domniemania ryzyka systemowego z art. 51. Firma wdrażająca model u siebie powinna śledzić kartę modelu i dokumentację, które mają ukazać się razem z wagami.

Ograniczenia i niewiadome

Do publikacji wag i niezależnych testów kilka kwestii pozostaje otwartych. Wyniki z komunikatu dotyczą wersji preview, która ma się jeszcze zmieniać, a część porównań obejmuje tylko modele otwarte.

• Licencja wag i dokładna data ich publikacji nie zostały oficjalnie potwierdzone w komunikacie (Mistral pisze o końcu miesiąca, ZDNET o 27 października).
• Brak informacji, jak długo obowiązują ceny obniżone o połowę.
• Brak wyników dla języka polskiego i wymagań sprzętowych przy samodzielnym uruchomieniu.
• CNBC i ZDNET podają ok. 4000 układów użytych do treningu, a komunikat Mistrala 3800.

Large 4 na tle rynku otwartych modeli

Premiera wpisuje się w wyścig o otwarte modele, w którym od miesięcy prowadzą chińskie laboratoria, m.in. DeepSeek, Moonshot (Kimi) i Z.ai (GLM). Dzień wcześniej amerykańska Reflection AI pokazała Beam z 501 mld parametrów, a Large 4 jest od niego mniej więcej dwa razy większy. To także pierwszy duży efekt rundy D, w której Mistral pozyskał we wrześniu 3 mld euro przy wycenie 21 mld euro.

Firmy, które chcą przetestować model już teraz, mogą skorzystać z API w Mistral Studio. Rozsądną praktyką jest porównanie go na kilku własnych zadaniach z modelem, którego używają obecnie, z uwzględnieniem kosztu tokenów i miejsca przetwarzania danych. Decyzję o wdrożeniu lokalnym lepiej odłożyć do publikacji wag, licencji i karty modelu.