Mistral, perşembe günü Mistral Large 4'ün ağırlıklarını yayınlayarak amiral gemisi önizlemesini donanımı olan herkesin indirip inceleyebileceği ve çalıştırabileceği bir modele dönüştürdü. "Le Chonk" takma adlı model, doğal olarak çok kipli: toplamda yaklaşık 1 trilyon parametre var, bunun her token için yaklaşık 52 milyarı etkinleşiyor. Model Hugging Face'te tam ve nicemlenmiş sürümlerle duruyor; nicemlenmiş sürüm dört Nvidia B200 veya B300 GPU'ya sığıyor.
İlginç olan parametre sayısı değil — açık ağırlıklı sürümler artık aylık bir rutin — üç hafta önceki önizlemeden bu yana oluşan fark. Mistral'a göre erken müşterilerin geri bildirimiyle sürdürülen pekiştirmeli öğrenme, Terminal-Bench 4.0 skorunu %28'den %41'e taşıdı. Bu, %40'taki GLM-5.3'ün hemen önü ve o testteki diğer tüm açık ağırlıklı modellerin önü demek. Artificial Analysis Coding Agent Index'te %48 alıyor; lider açık modelle fiilen başabaş, ama görev başına ortalama %47 daha az token harcıyor. Terminal görevlerinde üretilen token sayısı %30 düştü. Cognition'ın özel FrontierCode 2.0 testinde — yani bir bakımcının ajanın yamasını gerçekten birleştirip birleştirmeyeceği sorusunda — %19.7 ile önde.
Asıl üzerinde durulması gereken sayı bu sonuncusu. %19.7 birleştirilebilirlik oranı, "sınırda" iddiası taşıyan bir modelin yamalarının beşte dördünün hâlâ yayına uygun olmadığı anlamına geliyor — benchmark tablolarının genelde zımparalayıp sildiği türden bir dürüstlük.
Mistral savunma tarafına da yüklendi. Mistral Large 4, açık kaynak C ve C++ projelerindeki gerçek bellek güvenliği hatalarını bulma, yeniden üretme ve yamalama yeteneğini ölçen CyberGym-E2E'de %79 alıyor; MiMo-V2.6-Pro ile aynı seviyede ve Çinli açık ağırlıklı rakiplerinin önünde. Bunu yaparken JailbreakBench, StrongREJECT ve AgentHarm'teki kötü niyetli siber istemlerin %96,6'sını reddediyor; şirket bunun açık modeller arasında ölçtüğü en yüksek ret oranı olduğunu söylüyor. Şirket, ödünleşimin teorik değil canlı olduğunu kabul ediyor: önizlemeden bu yana trafiği izledikten sonra "gerçek saldırılar yürütmek için yükseltme potansiyeli" gördüğünü ve koruma kurallarını buna göre değiştirdiğini belirtiyor. Sızma testleri için sertleştirilmiş varyant ise yalnızca Orange Cyberdefense gibi denetlenmiş tasarım ortaklarına, testlerin müşterinin sahip olduğu sistemlerle sınırlandığı sözleşmelerle veriliyor.
Kıtlık argümanı, Mistral'ın tartışmayı taşımak istediği yer. Model Avrupa altyapısında sıfırdan, 3.800 Nvidia Grace Blackwell GPU kullanılarak eğitildi; pekiştirmeli öğrenme Fransa'da Mistral'ın kendi hesaplama kaynağında koştu ve yaklaşık 10 megawatt çekti. CEO Arthur Mensch, "Diğer laboratuvarlar eşdeğer yetenekler geliştirmek için yüz milyarlarca dolar topladı; Mistral üç yılda kabaca 6 milyar dolar topladı" dedi. Şirketin Bilimden Sorumlu Başkan Yardımcısı Pierre Stock, açık ağırlıkları bir sigorta poliçesi gibi çerçeveledi: Yapay zekâ elektrik gibi olacak ve hiçbir şirket, erişimini "bir günden diğerine" kesebilecek birine bağımlı olmamalı.
Bu söylemin avukatla buluştuğu yer lisans. Mistral Large 4, Mistral Ekosistemi Açık Ağırlık lisansıyla geliyor: kullanıma, değiştirmeye, ince ayara ve ticarileştirmeye izin veren değiştirilmiş bir MIT — tek istisnayla. Modeli hizmet olarak (model-as-a-service) sunan herkes Mistral'dan ayrı bir ticari lisans almak zorunda. Bu açık kaynak değil, açık ağırlık; barındırılan çıkarım işini Mistral'ın tarafında tutuyor. API fiyatı milyon giriş token'ı başına 0,70 dolar, önbelleğe alınmış giriş 0,07 dolar, çıkış 2,10 dolar. Nicemlenmiş sürüm dört B200/B300 GPU'da çalışıyor; dizüstü bilgisayarda çalışacak olan dahil daha küçük damıtılmış sürümler tarih verilmeden vaat ediliyor.
İki cepheden şüphe haklı. Yukarıdaki her benchmark ya şirketin kendi çalıştırdığı bir test ya da yine şirketin yayınlamayı seçtiği bir endeks; FrontierCode 2.0 ise özel bir test seti — güçlü bir sinyal, denetlenmiş bir kanıt değil. "Kodlama için en iyi açık ağırlıklı model" iddiası günler içinde bağımsız değerlendiricilerce yeniden test edilecek ve kapalı sınır modelleriyle insan tercihi farkı sürüyor: Surge Code'un kör ikili değerlendirmesinde yalnızca tek bir kapalı modelin arkasında kaldı, ama arkasında kaldı.
Büyük resim yine de değişmiyor. Sınır modellerine yakın kodlama ve güvenlik skorlarına sahip 1 trilyon parametreli bir model artık bir kurumun kendi donanımında, kendi yargı alanında, API bağımlılığı olmadan ve kimsenin geri alamayacağı biçimde çalıştırılabilir. Üç haftalık pekiştirmeli öğrenme, ajan geliştiricileri için en önemli benchmarkta skoru %28'den %41'e taşıdı. İzlenmesi gereken şey ağırlıklar değil, bu tempo.
Neden önemli: açık ağırlıklı katman bir yıldır Çinli laboratuvarların liderliğindeydi. Mistral şimdi, sermayesinin yaklaşık yirmide birine sahip bir Avrupa laboratuvarının aynı çizgiyi tutabileceğini — ve satılan gerçek ürünün zekâ değil, başkasının politikası değiştikten sonra da çalışmaya devam edebilme yeteneği olduğunu — savunuyor.
