Mistral Large 4 (Le Chonk): premiera, parametry, cena i wagi

👁 128 przeczytań

Mistral AI 6 października 2026 udostępnił w publicznym podglądzie Mistral Large 4, nazywany w firmie „Le Chonk”: mixture-of-experts z 1,05 bln parametrów, z których 49 mld pracuje przy każdym tokenie, z wejściem obrazem i oknem kontekstu 1 mln tokenów. API działa od pierwszego dnia za 1,36 USD za milion tokenów wejścia i 4,18 USD za milion wyjścia (na start o połowę taniej), a otwarte wagi mają wyjść do końca października. Sprawdziłem źródła, cennik i od razu puściłem model przez mój test po polsku. Cały przewodnik po firmie i jej modelach jest w hubie Mistral AI.

Co Mistral pokazał 6 października

Mistral Large 4 to pierwszy od grudnia 2025 nowy „Large” i największy model w historii firmy. Mistral opisuje go jako hybrydę modelu instrukcyjnego i rozumującego: ten sam model odpowiada od razu albo najpierw „myśli”, zależnie od ustawienia. Firma nazywa go „najlepszym modelem z otwartymi wagami z USA lub Europy w zagregowanych benchmarkach”. To zastrzeżenie geograficzne jest celowe - w rankingach otwartych modeli od ponad roku prowadzą chińskie laboratoria: DeepSeek, Moonshot (Kimi), Alibaba (Qwen) i Z.ai (GLM).

Liczby trzeba traktować jako wstępne. W pierwszych relacjach krążyły też dane 675 mld / 41 mld aktywnych, ale to parametry poprzednika, Mistral Large 3. Liczbę ekspertów, routing i układ warstw Mistral ma podać razem z wagami.

Benchmarki według Mistrala

Mistral postawił na zastosowania, w których chce sprzedawać model firmom i administracji: cyberbezpieczeństwo, finanse, prawo, przemysł i kod.

Niezależnie model zmierzyło już Artificial Analysis: 38,4 pkt w Intelligence Index i 8. miejsce wśród modeli otwartych, za siedmioma chińskimi (dane z 6.10, za Trending Topics). Dla porównania Claude Opus 5.5 ma tam 57,6 pkt, a najlepszy otwarty MiMo-V2.6-Pro - 46,3. Pełne zestawienie cen i wyników jest w tekście Mistral Large 4 vs Claude, GPT, Gemini i DeepSeek.

Otwarte wagi: kiedy i na jakiej licencji

• Termin: Mistral pisze „do końca miesiąca”. VentureBeat podaje datę 27 października, po około trzech tygodniach testów z firmami od cyberbezpieczeństwa, partnerami i instytucjami rządowymi.
• Dlaczego zwłoka: Pierre Stock, wiceprezes ds. nauki, mówił TechCrunchowi, że Mistral chce z zaufanymi partnerami sprawdzić, czy otwarte wagi da się wykorzystać do obrony, a nie do ataków. Według relacji w wersji z wagami ma być też finalny checkpoint, bo trening ze wzmocnieniem wciąż trwa.
• Licencja: niepotwierdzona. Large 3 i Small 4 miały Apache 2.0, Medium 3.5 zmodyfikowaną MIT, a VentureBeat spodziewa się własnej licencji Mistrala. Na tym etapie nie zakładałbym, że będzie to Apache 2.0.

Uruchomienie u siebie i tak nie wchodzi w grę na domowym sprzęcie: 1,05 bln parametrów to około 2,1 TB w 16 bitach i około 525 GB nawet po kwantyzacji do 4 bitów (mój rachunek). To sprzęt serwerowy, nie RTX 4090. Mniejsze modele Mistrala, które ruszą na zwykłej karcie, opisałem w hubie Mistral AI.

Cena: tanio, ale nie najtaniej

Cennikowe 1,36 / 4,18 USD za milion tokenów to mniej niż Claude Sonnet 5.5 i GPT-6.1 Sol (po 2 / 10 USD na OpenRouterze) i mniej niż Mistral Medium 3.5 (1,50 / 7,50 USD). Obecny rabat 50% ściąga cenę do 0,68 / 2,09 USD. Mistral nie napisał, jak długo potrwa - według komentarzy, które cytują serwisy branżowe, około dwóch tygodni, ale tego nie potwierdziłem. Warto pamiętać, że w trybie rozumowania model zużywa dużo tokenów: w moim teście 42 230 z 62 423 tokenów wyjścia to było „myślenie”, za które też się płaci. Szczegółowy cennik całej oferty jest w tekście Mistral cena.

Gdzie można go użyć

1. API Mistral Studio - wymaga konta w La Plateforme. Ja konta nie zakładałem.
2. OpenRouter - model był dostępny w dniu premiery, z Mistralem jako jedynym dostawcą. Tędy go testowałem. Jak zacząć, opisuję w przewodniku OpenRouter.
3. Mistral Vibe (dawniej Le Chat) - w materiałach premierowych nie ma informacji, że Large 4 trafił do czatu. Nie potwierdziłem tego.

Ciekawostka: przez OpenRouter da się ustawić tylko dwa poziomy rozumowania - pełny albo wyłączony. Pośrednich („low”, „medium”) nie ma, co ma znaczenie dla kosztu i czasu odpowiedzi.

Mój pierwszy test po polsku

Od razu po premierze puściłem Large 4 przez te same 13 zadań co ponad 30 innych modeli w Arenie modeli AI po polsku: 9 tekstów (artykuł, opis produktu, mail do klienta, post, opowiadanie, tytuły, streszczenie, wyjaśnienie dla dziecka, tłumaczenie), dwie korekty i dwa quizy z polszczyzny. Oceniali w ciemno Claude Opus 5.5 i GPT-6 Sol.

• Z rozumowaniem: 69,2 pkt na 100 - poziom Mistral Medium 3.5 (68,0), wyraźnie za DeepSeek V4 Pro (74,1) i Claude Sonnet 5.5 (80,4).
• Bez rozumowania: 65,6 pkt, ale 9 tekstów w 91 sekund zamiast prawie 15 minut i 0,015 USD za całe 13 zadań.
• Mocna strona: wiedza o polszczyźnie - quiz 46/46 i 46/48.
• Słabe strony: w trybie rozumowania trzy razy wyczerpał limit tokenów na samo myślenie i oddał pustą albo uciętą odpowiedź, a w tekstach zdarzały mu się dopowiedziane fakty i kalki.

Wszystkie liczby, cytaty i tabelę z porównaniem opisałem w tekście Mistral Large 4 po polsku: mój test.

Co to oznacza

Dla Europy to ważny model: duży, trenowany od zera w europejskich centrach danych, z polskim wśród języków treningowych i z zapowiedzią otwartych wag. Dla kogoś, kto szuka najlepszego modelu do pisania po polsku, to na razie nie jest pierwszy wybór - w moim teście przegrywa z tańszymi DeepSeekami i z Gemini 3.8 Flash. Największy sens widzę w firmach, które muszą trzymać dane w UE albo chcą za kilka tygodni postawić duży model u siebie. Dzień wcześniej podobny ruch zrobił amerykański Reflection AI z modelem Beam.

Źródła

• Mistral: Introducing Mistral Large 4 (6.10.2026)
• Dokumentacja modelu mistral-large-4-0 (parametry, kontekst, cennik)
• VentureBeat (data wag 27.10, licencja)
• MarkTechPost (1,05 bln parametrów)
• TestingCatalog (benchmarki, red teaming)
• TechCrunch (wypowiedź Pierre’a Stocka)
• Trending Topics (Artificial Analysis Intelligence Index)
• Lista modeli OpenRoutera i własny test w Laboratorium, 7.10.2026

Sprawdziłem: 7 października 2026.