Pada 6 Oktober 2026, perusahaan AI asal Prancis, Mistral AI, merilis pratinjau publik model bahasa besar barunya, Mistral Large 4. Di internal perusahaan, model ini dijuluki "Le Chonk".
Ringkasan pengumuman
Menurut pengumuman resmi, Mistral Large 4 adalah model berarsitektur MoE (Mixture of Experts) dengan total 1 triliun parameter, dan 49 miliar di antaranya digunakan dalam setiap pemrosesan (parameter aktif). Model multimodal ini dapat menangani teks dan gambar, serta menyediakan mode yang menjawab dengan cepat sekaligus mode yang bernalar lebih mendalam dalam satu model.
Pelatihannya menggunakan 3.800 GPU NVIDIA Grace Blackwell di pusat data milik Mistral sendiri yang dioperasikan di Eropa. Perusahaan menyatakan model ini mendukung lebih dari 160 bahasa, termasuk semua bahasa resmi Uni Eropa.
Angka-angka utama
Berikut angka-angka utama yang dipublikasikan Mistral.
- 61,7% di "DeepSWE v1.1", benchmark pengembangan perangkat lunak
- 28,3% di "Terminal-Bench 4.0", benchmark pemrograman berbasis agen
- 59,9% di "AutomationBench", benchmark otomatisasi pekerjaan bisnis
- 93% di "Cybench", kumpulan 40 soal dari kompetisi keamanan siber
- Harga API per 1 juta token: input US$1,36, output US$4,18
Semua angka benchmark berasal dari pengumuman Mistral sendiri. Mistral menyebut performanya jauh melampaui model open-weight mana pun yang dikembangkan di Amerika Serikat maupun Eropa.
Ketersediaan dan rencana ke depan
Saat ini model tersebut dapat digunakan sebagai versi pratinjau melalui API "Mistral Studio" untuk pengembang (model ID: mistral-large-4-0). Bobot model dijadwalkan dirilis paling lambat akhir Oktober, dan setelah itu siapa pun dapat mengunduhnya serta menjalankannya di server sendiri.
Mistral menyebutkan bahwa versi pratinjau ini masih dalam proses penyesuaian dengan reinforcement learning, sehingga kualitasnya mungkin berbeda dari versi final. Selain itu, karena kemampuannya di bidang keamanan siber tergolong tinggi, Mistral bekerja sama dengan perusahaan keamanan, lembaga publik, dan pihak lain untuk mengujinya (red teaming).
Pandangan Redaksi CoAI
Hadirnya model open-weight berperforma tinggi dari perusahaan Eropa yang bisa dijalankan di lingkungan sendiri menjadi pilihan penting bagi perusahaan yang tidak ingin datanya keluar dari organisasi. Namun, menjalankan model berskala 1 triliun parameter secara mandiri membutuhkan sumber daya komputasi yang sangat besar. Langkah yang realistis adalah mencoba performanya lebih dulu lewat API, lalu memeriksa ketentuan lisensi dan lingkungan yang dibutuhkan setelah bobotnya dirilis pada akhir bulan.
