La firma francesa busca reforzar la presencia europea en el mercado de los grandes modelos de lenguaje (LLM) con su modelo "más grande y potente", que fue entrenado "desde cero" en centros de datos locales con 3800 GPU Nvidia Grace Blackwell para garantizar la privacidad y se mejora mediante aprendizaje por refuerzo.
Con un billón de parámetros y 49.000 millones de parámetros activos, este modelo multimodal nativo se presenta como Mistral Large 4, aunque su nombre "oficial" es le Chonk (que se traduce por grande, voluminoso, gordito), como se explica en un comunicado.
Destaca en programación agéntica, sobre todo en ingeniería de software, comprensión de repositorios y flujos de trabajo complejos en terminales. También en comprensión de imágenes, como documentos complejos, gráficos e imágenes naturales, y en identificación visual. Esto último, combinado con sus capacidades de agente, lo hacen idóneo para la ingeniería, la fabricación y la observación de la Tierra.
La compañía asegura que también destaca en cargas de trabajo críticas, lo que incluye la ciberseguridad, un área en la que "se sitúa entre los cinco mejores a nivel mundial y supera con creces a los modelos de código abierto desarrollados fuera de China", en el Índice Cibernético de Análisis Artificial (ABI).
Según Mistral, Mistral Large 4 obtiene una puntuación del 82 por ciento, "la más alta de todos los modelos", en una prueba en la que se le pedía reproducir una vulnerabilidad real en 'software' de código abierto y corregirla. También es capaz de resolver el 93 por ciento de los desafíos de Cybench.
La compañía publicará los pesos públicos de Mistral Large 4 a finales de mes. Actualmente, está disponible en vista previa pública, con un coste de 1,36 dólares el millón de tokens de entrada y 4,18 dólares el millón de tokens de salida.