Mistral AI во вторник вступила в следующий этап противостояния открытого и закрытого ИИ, представив Mistral Large 4 — мультимодальную модель с триллионом параметров, прозванную «Le Chonk». Французская компания заявляет, что релиз призван сохранить актуальность Европы в условиях, когда китайские разработчики доминируют среди многих открытых моделей, а американские группы, такие как OpenAI и Anthropic, удерживают лидерство в закрытых системах.¹

Этот посыл намеренно носит не только технический, но и политический характер. ML4 представляют как «третий путь в ИИ», который продвигает президент Франции Эммануэль Макрон: европейскую альтернативу, которую можно самостоятельно разворачивать и модифицировать, в отличие от закрытых американских систем, и при этом не полагаться на китайские технологии.² Mistral заявила, что её модель особенно подходит для кибербезопасности, программирования, производства, финансов и мультимодальных задач, а также утверждает, что после публикации её ключевых параметров она окажется среди самых сильных систем с открытыми весами.¹

Однако пока модель не является открытой. Mistral предоставила ML4 в предварительный доступ через защищённый публичный endpoint для разработчиков, руководителей в сфере кибербезопасности и государственных органов; более широкий выпуск весов запланирован позднее в этом месяце после тестирования безопасности. Вице-президент Mistral по научным исследованиям Пьер Сток заявил, что компания будет работать с «доверенными партнёрами и правительствами», чтобы обеспечить использование весов «для защиты, но не для осуществления вредоносных атак».²

Эта осторожность отражает ключевое противоречие в стратегии Mistral. Компания утверждает, что открытые веса упрощают аудит моделей, однако признаёт, что мощные возможности в сфере кибербезопасности требуют контролируемого развёртывания. Сооснователь Гийом Лампль заявил, что такие возможности могут помочь правительствам и бизнесу противостоять субъектам, которые «взламывают ограничения закрытых моделей для проведения кибератак».¹

Mistral также делает ставку на эффективность. Она обучала ML4 в своих европейских дата-центрах на 4 000 графических процессорах Nvidia Grace Blackwell в течение двух месяцев; по словам Стока, это было «в два-три раза меньше, чем у наших китайских конкурентов», и значительно меньше, чем у соперников с закрытым исходным кодом.² Остаётся открытым вопрос, позволит ли эта экономность выйти в лидеры по бенчмаркам — именно это станет проверкой европейской ставки.