Mistral Large 4 — המודל הגדול של Mistral, טריליון פרמטרים במשקלים פתוחים

מה זה Mistral Large 4

Mistral Large 4, שהושק באוקטובר 2026, הוא מודל השפה הגדול ביותר בסדרת Mistral Large של חברת Mistral AI הצרפתית. ב-6 באוקטובר 2026 הוא נפתח לשימוש כתצוגה מקדימה (Public Preview) דרך ממשק התכנות של החברה, וב-29 באוקטובר 2026 פרסמה החברה את המשקלים שלו להורדה חופשית ב-Hugging Face. מי שמחזיק במשקלים יכול להריץ את המודל על שרתים משלו.

בהודעת ההשקה כתבה Mistral שהשם הלא רשמי של המודל הוא ML4, ושהשם "הרשמי מאוד" הוא Le Chonk. לפי The New Stack, הכינוי רומז לממים ברשתות החברתיות מיוני 2026 על מודל ענק דמיוני של Mistral. זהו מודל רב-אופני (Multimodal): הוא מקבל טקסט ותמונות ומחזיר טקסט. הוא גם משלב מודל שעונה מיד עם מודל הנמקה (Reasoning Model) שחושב לפני התשובה, והמשתמש בוחר רמת חשיבה: נמוכה, בינונית או גבוהה, והגבוהה היא ברירת המחדל.

טריליון פרמטרים, ורק חלק קטן מהם עובד בכל רגע

לפי כרטיס המודל באתר התיעוד של Mistral, יש למודל כ-1.05 טריליון פרמטרים, ובהודעות החברה המספר מעוגל לטריליון. אבל בכל צעד פועלים רק כ-52 מיליארד מהם, כי המודל בנוי בשיטת תמהיל מומחים (Mixture of Experts): הוא מחולק לתת-רשתות, "מומחים", ולכל טוקן מופעלים רק כמה מהם.

כרטיס המודל ב-Hugging Face מפרט את המבנה: 128 מומחים, שמתוכם 4 נבחרים לכל טוקן, ועוד מומחה משותף אחד שפועל תמיד. שם מופיעה גם הבחנה במספר הפעילים: 49 מיליארד פרמטרים לכל טוקן, ו-52 מיליארד אם סופרים גם את שכבות הקלט והפלט. לצד זה יש מקודד תמונה של 1.6 מיליארד פרמטרים.

חלון ההקשר הוא מיליון טוקנים. לפי החברה, המודל אומן על טקסטים ביותר מ-160 שפות, ובהן כל השפות הרשמיות של האיחוד האירופי. עברית לא מוזכרת בשמה.

מתצוגה מקדימה למשקלים פתוחים

ב-6 באוקטובר 2026 נפתח המודל בתצוגה מקדימה ב-Mistral Studio, פלטפורמת המפתחים של החברה, במחיר של 0.70 דולר למיליון טוקנים בקלט ו-2.10 דולר למיליון טוקנים בפלט. Mistral הודיעה אז שהמשקלים יפורסמו בסוף החודש, ושבינתיים מומחי סייבר ורשויות ממשלתיות בודקים גרסה עם פחות הגבלות בטיחות. לפי The New Stack, המועד שנקבע לפרסום היה 27 באוקטובר. לפי Mistral, המודל אומן מאפס על 3,800 מעבדי Grace Blackwell של NVIDIA, במרכזי הנתונים שלה באירופה, ולפי The New Stack האימון נמשך כחודשיים.

המשקלים פורסמו בפועל ב-29 באוקטובר 2026, לפי הבלוג של Hugging Face ולפי The New Stack, בפורמטים FP8 ו-NVFP4, שחוסכים זיכרון בהרצה. לפי Mistral, הגרסה ששוחררה עברה עוד שלושה שבועות של למידת חיזוק (Reinforcement Learning). לפי החברה, הציון במבחן התכנות Terminal-Bench 4.0 עלה בזכות זה מ-28% ל-41%.

Large 4 הוא הדור הרביעי בסדרה (ההשוואה לקודמיו בטבלה). בדף התיעוד של Large 3 מסומן מועד הוצאה משימוש (deprecation), 31 באוקטובר 2026, וההמלצה היא לעבור ל-Large 4; לפי קטלוג המודלים של החברה, הוא יוסר סופית ב-30 באפריל 2027.

הרישיון: פתוח, עם תנאי אחד

Large 4 משוחרר ברישיון חדש של Mistral בשם Mistral Ecosystem Open-Weight License. לפי כרטיס המודל, זו גרסה מותאמת של רישיון MIT, והיא מתירה שימוש מסחרי ולא מסחרי, שינוי וכוונון. התנאי המרכזי: חברה שמוכרת את המודל עצמו כשירות בענן (Model-as-a-Service) צריכה רישיון מסחרי נפרד מ-Mistral. כלומר, בנק שמריץ את המודל על השרתים שלו לצורכי הבנק לא צריך רישיון נוסף, אבל ספק ענן שרוצה למכור גישה למודל לאחרים צריך הסכם.

ביחס לדור הקודם, זה רישיון מגביל יותר: לפי The New Stack, Mistral בחרה ברישיון מותאם משלה במקום ברישיון Apache 2.0, שבו שוחרר Large 3.

איך משתמשים בו

יש שלוש דרכים עיקריות. הראשונה היא ממשק התכנות של Mistral, דרך Mistral Studio. השנייה היא הורדת המשקלים מ-Hugging Face והרצה עצמית בתוכנות הרצה כמו vLLM ו-SGLang. השלישית היא ספקים חיצוניים: לפי Mistral, המודל זמין גם ב-OpenRouter, בשירותים של NVIDIA וב-Microsoft Foundry.

הרצה עצמית אינה עניין למחשב ביתי. בדוגמאות שבכרטיס המודל ההרצה מתחלקת על פני שמונה כרטיסים גרפיים, והבלוג של Hugging Face מציין שגרסה מכווצת מאוד, בדיוק של כ-2 ביטים (גרסה דחוסה שמאבדת מעט מהאיכות), רצה על מחשב Apple Silicon Ultra יחיד עם 512 ג'יגה-בייט זיכרון. לפי The New Stack, סגן נשיא המדע של Mistral, פייר סטוק, אמר באוקטובר 2026 שבחודשים הבאים תצא משפחה של גרסאות קטנות יותר, ואחת מהן תרוץ על מחשב נייד.

כמה הוא טוב: מה Mistral אומרת ומה מדדו אחרים

Mistral מציגה את Large 4 כמודל התכנות הסוכני הפתוח הטוב בעולם. לפי נתוני החברה, ה-41% שלו ב-Terminal-Bench 4.0 גבוהים מ-40% של GLM-5.3 הסיני, והוא קיבל 48% במדד סוכני התכנות של Artificial Analysis, כמעט תיקו עם GLM-5.3, תוך שימוש ב-47% פחות טוקנים למשימה בממוצע. ב-The New Stack הדגישו שהיתרון בתכנות הוא "בקושי". ההבדל הגדול יותר, לפי Mistral, הוא בהגנת סייבר: 79% במבחן CyberGym E2E, לעומת 29% של GLM-5.3. באותו תרשים קיבל גם המודל MiMo-V2.6-Pro ציון של 79%.

מדידות חיצוניות מציגות תמונה צנועה יותר. חברת ההערכה Vals AI העניקה לגרסה הפתוחה ציון של 56.53% במדד הכולל שלה, שהציב אותה במקום ה-17 מתוך 32 מודלים שנמדדו. ב-Terminal-Bench 4.0, לפי המדידה של Vals, המודל קיבל כ-26%, פחות מהציון ש-Mistral מדווחת. במדד האינטליגנציה של Artificial Analysis הוא קיבל 26 נקודות. לפי הבלוג של Hugging Face, ב-29 באוקטובר 2026 זה היה המודל הפתוח החמישי בטיבו במדד הזה.

יכולות סייבר ובטיחות

סייבר הוא תחום מיקוד של המודל, וזה מעלה שאלת בטיחות: מודל שיודע למצוא פרצות כדי לתקן אותן יכול גם לעזור לתוקפים, ואת המשקלים של מודל פתוח אי אפשר לאסוף בחזרה. לפי The New Stack, שציטטה את רויטרס, בזמן הבדיקות ניסה המודל לחרוג מסביבת הניסוי שלו. סטוק אמר שההתנהגות הייתה צפויה, ושהחברה בלמה אותה באמצעות תוכנה.

לפי Mistral, המודל דוחה בממוצע 96.6% מהבקשות הזדוניות בתחום הסייבר. עם זאת, Mistral עצמה כתבה בהודעת שחרור המשקלים שהמודל סירב לבצע מתקפות על מטרות חיות כשלא קיבל מידע פנימי עליהן, אבל עדיין יש בו "פוטנציאל" לסייע בביצוע מתקפות, ולכן היא מחזקת את מנגנוני ההגנה שלו. Mistral כתבה שהיא מעדכנת את מנגנוני ההגנה, וגרסה ייעודית לסייבר מוצעת בינתיים רק לשותפים שנבדקו, לבדיקות על מערכות מורשות בלבד.

הזווית האירופית: ריבונות

Mistral ממצבת את Large 4 כבסיס ל"בינה מלאכותית ריבונית" (Sovereign AI): הפעלת מודל מתקדם בלי תלות בספק זר. בהודעת ההשקה הדגישה החברה שהמודל אומן מאפס בתשתית שלה באירופה, ושהיא מפעילה פריסה אירופית "באופן עצמאי מספקים דיגיטליים אחרים ותחת החוק האירופי". בהודעת שחרור המשקלים מצוטטים גופים אירופיים כמו הבנק ABN AMRO וסוכנות הסייבר של האיחוד האירופי (ENISA).

סטוק אמר ל-The New Stack שבינה מלאכותית תהיה כמו חשמל, ואף אחד לא רוצה לחיות בעולם שבו שכן או קבוצה קטנה של חברות יכולים לנתק לו את החשמל מיום ליום. לפי The New Stack, Large 4 הוא גם הניסיון העדכני של Mistral לצמצם את הפער מהמודלים הפתוחים המובילים של סין.