Francuski Mistral AI udostępnił 6 października 2026 r. publiczną wersję preview modelu Mistral Large 4, swojego nowego flagowca z bilionem parametrów i otwartymi wagami. Firma twierdzi, że w cyberbezpieczeństwie, finansach i prawie to najlepszy otwarty model na rynku, a wagi do samodzielnego uruchomienia trafią do sieci jeszcze w październiku.
- Mistral AI udostępniło 6 października 2026 r. model Mistral Large 4 – flagowy model MoE z 1,05 biliona parametrów łącznie (49 mld aktywnych) i oknem kontekstu 1 mln tokenów, wytrenowany od zera na 3800 procesorach NVIDIA Grace Blackwell we własnych europejskich centrach danych firmy.
- W teście odtwarzania i naprawiania rzeczywistych podatności w oprogramowaniu Mistral Large 4 uzyskał 82 proc. – najwyższy wynik spośród wszystkich badanych modeli – a w Cybench rozwiązał 93 proc. z 40 zadań z zawodów bezpieczeństwa; Mistral twierdzi, że zamknięte modele, takie jak Claude Opus 5.5 i GPT-6 Astra, wypadają w tym teście blisko zera, odmawiając wykonania zadań.
- Mistral Large 4 jest pierwszym modelem powstałym po rundzie Series D, w której firma pozyskała 3 mld euro przy wycenie powyżej 21 mld euro – rundę poprowadził Samsung Electronics, a firma obsługuje ponad 125 dużych przedsiębiorstw, w tym Airbusa, ASML i HSBC.
Wewnątrz firmy model ma przydomek „le Chonk”, oficjalnie skrót ML4. Do końca miesiąca można z niego korzystać wyłącznie przez API w Mistral Studio. Później każda organizacja z odpowiednią infrastrukturą będzie mogła postawić go na własnych serwerach i nie oglądać się na decyzje dostawcy.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Mistral Large 4 to model MoE z bilionem parametrów i kontekstem 1 mln tokenów
Mistral Large 4 jest natywnie multimodalnym modelem w architekturze Mixture-of-Experts (MoE, czyli „mieszanka ekspertów”: przy każdym zapytaniu pracuje tylko część sieci). Według dokumentacji Mistrala ma 1,05 biliona parametrów łącznie, z czego 49 mld aktywnych, oraz koder obrazu o wielkości 1,6 mld parametrów. Okno kontekstu wynosi 1 mln tokenów.
Najważniejsze dane z ogłoszenia:
- trening: od zera na 3800 procesorach graficznych NVIDIA Grace Blackwell we własnych centrach danych Mistrala w Europie (The Deep View podaje zaokrągloną liczbę 4000, trzymam się danych producenta),
- języki: ponad 160, w tym wszystkie oficjalne języki Unii Europejskiej,
- dostępność: API w trybie public preview od 6 października, wagi do pobrania do końca października (The Deep View wskazuje konkretną datę: 27 października),
- cena w API: 1,36 dol. za milion tokenów wejściowych i 4,18 dol. za milion wyjściowych; w dokumentacji obok tych stawek widnieją też ceny o połowę niższe (0,68 i 2,09 dol.), ale Mistral nie wyjaśnił w ogłoszeniu, na jakich zasadach obowiązują,
- licencja: Mistral nie podał jej jeszcze, obiecuje szczegóły architektury i metodologii razem z publikacją wag.
Skok względem poprzednika jest wyraźny. Mistral Large 3 z grudnia 2025 r. miał 675 mld parametrów (41 mld aktywnych) i kontekst 256 tys. tokenów.
| Mistral Large 3 | Mistral Large 4 | |
|---|---|---|
| Premiera | 2 grudnia 2025 | 6 października 2026 (preview) |
| Parametry łącznie | 675 mld | 1,05 bln |
| Parametry aktywne | 41 mld | 49 mld |
| Okno kontekstu | 256 tys. tokenów | 1 mln tokenów |
| Licencja wag | Apache 2.0 | jeszcze nieogłoszona |
Cyberbezpieczeństwo jest głównym argumentem Mistrala
Mistral Large 4 według producenta należy do pięciu najlepszych modeli na świecie w Artificial Analysis Cyber Index, niezależnym zestawieniu sprawdzającym, jak modele AI znajdują i naprawiają luki w prawdziwym oprogramowaniu. W jednym z testów indeksu, polegającym na odtworzeniu rzeczywistej podatności w otwartym oprogramowaniu i jej załataniu, ML4 uzyskał 82 proc., najwięcej ze wszystkich modeli. W Cybench, zestawie 40 zadań z zawodów bezpieczeństwa, rozwiązał 93 proc. wyzwań.
Mistral tłumaczy przewagę w dość bezpośredni sposób. Według firmy zamknięte modele, w tym Claude Opus 5.5 i GPT-6 Astra, wypadają w tym samym teście blisko zera, bo odmawiają wykonania zadania. Mistral argumentuje, że obrona systemów często zaczyna się od udowodnienia, że luka jest prawdziwa, a filtry bezpieczeństwa zamkniętych modeli potrafią taką pracę zablokować.
Guillaume Lample, współzałożyciel i główny naukowiec Mistral AI, przedstawił w rozmowie z The Deep View drugi argument, czyli ciągłość dostępu:
„Nowe procesy [w cyberbezpieczeństwie] wymagają mnóstwa tokenów i mnóstwa inferencji, więc nie możesz sobie pozwolić na to, że model, którym się chronisz, pewnego dnia zniknie albo okaże się zbyt ograniczony” / „Basically, new [cybersecurity] workflows require a lot of tokens, a lot of inference, so you cannot afford to be vulnerable to the fact that the model you are using to protect yourself might disappear one day, or might be too limited”
Do końca października Mistral testuje model w realnych warunkach z firmami z branży bezpieczeństwa, sprawdzonymi partnerami i instytucjami państwowymi. Ci partnerzy dostają wersję z ograniczoną moderacją i rozszerzonymi możliwościami w obszarze cyberbezpieczeństwa.
Otwarte wagi jako zabezpieczenie przed uzależnieniem od dostawcy to argument, który rozumie każdy, kto kiedyś musiał przepisywać integrację, bo dostawca wycofał model albo po cichu zmienił jego zachowanie. Tu Mistral trafia w realny problem.
Ale mam dwie wątpliwości. Pierwsza: Mistral jednocześnie chwali się, że jego model nie odmawia pracy nad exploitami, i że odrzuca złośliwe prośby częściej niż inne otwarte modele. Obie rzeczy mogą być prawdą, tylko granica między „udowodnij, że luka istnieje” a „napisz mi exploit” jest cienka. A po publikacji wag nikt już nie kontroluje, kto i z jakim zamiarem uruchamia model z wynikiem 82 proc. w odtwarzaniu podatności.
Druga: wszystkie porównania pochodzą z ogłoszenia producenta lub ewaluatorów, których Mistral sam wybrał. Bilion parametrów to też sprzęt, na który stać niewiele polskich firm. Niezależność od dostawcy API łatwo zamienić na zależność od dostawcy chmury GPU. Poczekam na niezależne testy po publikacji wag, zanim uznam ten model za realną alternatywę dla zamkniętych laboratoriów.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Mistral Large 4 wyprzedza otwarte modele z USA i Europy, ale nie dogania najlepszych zamkniętych
Mistral sam przyznaje, że Mistral Large 4 jest „konkurencyjny” wobec najlepszych otwartych modeli na świecie, a wyraźnie lepszy tylko od otwartych modeli z USA i Europy. To ważne zastrzeżenie, bo czołówkę otwartych wag od dłuższego czasu zajmują chińskie laboratoria, takie jak DeepSeek, Zhipu (GLM), Moonshot (Kimi) i Alibaba (Qwen).
Wyniki w programowaniu podane przez Mistrala:
- 61,7 proc. w DeepSWE v1.1,
- 59,4 proc. w SWE-Atlas-QnA,
- 28,3 proc. w Terminal-Bench 4,
- 49,8 proc. w zbiorczym Coding Agent Index, przed DeepSeek V4 Pro 0813 i Qwen3.8 Max.
W ślepej ocenie jakości kodu, przeprowadzonej z firmą Surge AI przez profesjonalnych oceniających, ML4 zajął drugie miejsce z pięciu modeli (3,74 pkt w skali 1-5). Wyprzedził Kimi K3, GLM-5.3 i GLM-5.2, ale wyraźnie przegrał z Claude Opus 5 (4,22 pkt). W AutomationBench, obejmującym 657 procesów biznesowych w aplikacjach takich jak Gmail, Slack czy Salesforce, uzyskał 59,9 proc.
W rozpoznawaniu i lokalizowaniu obiektów na obrazach (visual grounding) Mistral twierdzi, że ML4 bywa lepszy także od modeli zamkniętych, np. 42 proc. wobec 41 proc. GPT-6 Astra w teście Dense 200. W zadaniach prawnych i finansowych oceniany przez zewnętrzną firmę vals.ai model miał według Mistrala wyprzedzić GPT-6 Astra.
Mistral zapowiada też, że to nie koniec treningu. Uczenie ze wzmocnieniem (reinforcement learning), na którym oparto tę wersję, nadal trwa, a firma spodziewa się „dużych i szybkich” poprawek w kolejnych tygodniach. To oznacza, że wersja z publikacji wag może się różnić od dzisiejszego preview.
Model jest pierwszym efektem rekordowej rundy za 3 mld euro
Mistral Large 4 to pierwszy kamień milowy planu finansowanego z rundy Series D. 8 września 2026 r. Mistral ogłosił, że pozyskał 3 mld euro przy wycenie powyżej 21 mld euro, co firma określa jako największą rundę kapitałową w historii europejskich spółek technologicznych. Rundę poprowadził Samsung Electronics, a współprowadzącymi byli Scaleup Europe Fund zarządzany przez EQT oraz PSG Equity.
Według Mistrala firma działa w 20 krajach i obsługuje ponad 125 dużych przedsiębiorstw, w tym Airbusa, ASML i HSBC. Ma to być również odpowiedź na pytanie, które w Europie wraca coraz częściej: jak korzystać z modeli z czołówki bez oddawania danych i infrastruktury w ręce amerykańskich lub chińskich dostawców. Mistral zapowiada, że model będzie dostępny w wielu regionach świata, w tym w europejskim wdrożeniu obsługiwanym w całości przez Mistrala, niezależnie od innych dostawców usług cyfrowych i zgodnie z prawem europejskim.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Co Mistral Large 4 oznacza dla polskich firm i instytucji
Mistral Large 4 obsługuje język polski, bo według producenta znaczną część danych treningowych stanowiły teksty w ponad 160 językach, w tym we wszystkich oficjalnych językach UE. Jakości polszczyzny Mistral osobno nie raportuje, więc to trzeba będzie sprawdzić w praktyce.
Mistral ma też udokumentowane kontakty z polskim środowiskiem budującym rodzime modele językowe. We wrześniu 2025 r. w siedzibie NASK odbyły się warsztaty techniczne konsorcjum HIVE AI z przedstawicielami Mistrala. Uczestniczyło w nich blisko 20 polskich badaczy, m.in. z NASK, Politechniki Wrocławskiej, Uniwersytetu Łódzkiego, OPI, Cyfronetu i Instytutu Podstaw Informatyki PAN. Efektem miały być ramy dalszej współpracy przy wzmacnianiu suwerennych kompetencji AI w Polsce.
Dla polskich banków, administracji i firm z sektorów regulowanych argument otwartych wag działa podobnie jak w innych krajach UE: model można uruchomić we własnej serwerowni lub prywatnej chmurze, bez wysyłania danych poza organizację. Barierą będzie skala. Model z bilionem parametrów nie zmieści się na laptopie ani zwykłym serwerze, a The Deep View zwraca uwagę, że nawet części uczelni może być trudno uruchomić go samodzielnie. Mniejsze polskie firmy prawdopodobnie poczekają na zapowiadane przez Mistrala wyspecjalizowane, mniejsze modele zbudowane na bazie ML4.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz dodatkowych źródeł, w tym oficjalnego komunikatu Mistral AI: Introducing Mistral Large 4 z dnia 06.10.2026, dokumentacji modelu Mistral Large 4 oraz artykułu The Deep View z dnia 06.10.2026. Dane o finansowaniu pochodzą z komunikatu Mistral AI o rundzie Series D z dnia 08.09.2026, a polski kontekst z komunikatu NASK z dnia 09.09.2025.
Wszystkie wyniki benchmarków pochodzą z materiałów Mistral AI i nie zostały jeszcze niezależnie zweryfikowane. W przypadku rozbieżności (liczba procesorów graficznych użytych do treningu) przyjęto dane producenta.
Cytat Guillaume’a Lample’a, współzałożyciela i głównego naukowca Mistral AI, został zweryfikowany z oryginalnym anglojęzycznym materiałem źródłowym.
Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o modelu Mistral Large 4, w tym o licencji i publikacji wag.
