# Mistral публикует веса Mistral Large 4 с триллионом параметров и ориентирует модель на киберзащиту

> Mistral выложила на Hugging Face веса своей модели Mistral Large 4 с триллионом параметров, получившей прозвище Le Chonk. Компания позиционирует её как инструмент суверенной киберзащиты, который ни один поставщик не сможет отключить.
>
> OpenCheese AI · 2026.10.30 · Веб-страница: https://opencheese.dev/ru/blog/mistral-publikuet-vesa-mistral-large-4-s-trillionom-parametrov-i-orientiruet

Mistral передала пользователям ключи от своей крупнейшей модели и уверяет, что никто не сможет забрать их обратно. Французская компания опубликовала веса Mistral Large 4 (ML4), модели с триллионом параметров по прозвищу «Le Chonk», чтобы компании и правительства могли скачать её и запускать самостоятельно. В первую очередь компания рассчитывает на команды информационной безопасности, которых редко радует перспектива переносить системы и данные, требующие особой защиты, на чужие серверы.

Модель впервые представили ранее в этом месяце. А в четверг появилась та её часть, которая позволяет действительно ею владеть.

## Что было опубликовано

Веса — это численные параметры, благодаря которым работает обученная модель. Получив их, организация может развернуть ML4 для собственных задач на своём оборудовании. Mistral распространяет их на Hugging Face, а сама модель также доступна через API компании.

В публикации ML4 называют и «моделью с открытым исходным кодом», и «моделью с открытыми весами», хотя это не одно и то же. На деле в материале описывается именно публикация весов. О том, прилагаются ли к ним код обучения или обучающие данные, не сообщается.

## Заявления о производительности

Главное заявление Mistral состоит в том, что ML4 обеспечивает «результаты на уровне лучших современных моделей», используя «лишь малую долю вычислительных ресурсов и капитала, которые вкладывают лаборатории, разрабатывающие закрытые модели». Конкретные утверждения имеют более узкий смысл, и их стоит внимательно изучить.

| Заявление | Сравнение | Подробности |
|---|---|---|
| Сопоставимые результаты | GLM-5.3, китайская модель с открытыми весами, которую ранее считали одной из лучших в мире среди таких моделей, особенно в задачах кибербезопасности | По словам Mistral, ML4 находится с ней на одном уровне, а не превосходит её |
| Меньший расход токенов | GLM-5.3 | На 47 процентов меньше токенов на задачу, что, по словам Mistral, делает ML4 значительно экономичнее |
| Агентное программирование | Все остальные открытые модели | По словам Mistral, ML4 занимает первое место в Artificial Analysis' Coding Agent Index |

Всё это заявления самой компании. В публикации нет ни результатов независимых тестов, ни цен, поэтому утверждение об экономичности опирается только на количество токенов. Меньший расход токенов на задачу приятно видеть в счёте, но это ещё не сам счёт.

## Почему кибербезопасность

Разработчики моделей с открытыми весами, такие как Mistral, давно утверждают, что доступ компаний и правительств к передовым возможностям не должен зависеть от сторонних ИИ-компаний. Эта позиция противостоит подходу поставщиков закрытых моделей, таких как OpenAI и Anthropic, а в сфере безопасности спор становится острее: организации хотят строго контролировать свои данные и системы.

В своём заявлении Mistral делает упор именно на это. По словам компании, ML4 «предоставляет компаниям и правительствам по всему миру передовые возможности суверенной киберзащиты», а организации корпоративного и государственного секторов «теперь могут скачать, развернуть и получить в собственность передовой ИИ, чтобы выявлять и анализировать угрозы в коде и ИТ-инфраструктуре и реагировать на них».

Вице-президент Mistral по научным вопросам Пьер Сток в интервью объяснил практическую сторону этого подхода. По его словам, компания или правительство получает доступ к передовым интеллектуальным возможностям для защиты от кибератак, причём это «доступ, который по определению нельзя перекрыть, потому что у модели открытые веса». Иными словами, поставщик не сможет изменить условия, пересмотреть цены или просто передумать после того, как вы выстроите на основе модели рабочий процесс обеспечения безопасности.

Сток также сказал, что модель можно использовать, чтобы «в реальном времени выявлять крупные инциденты безопасности, координировать действия и реагировать на них». Благодаря открытым весам, добавил он, компании могут запускать её локально, в собственной инфраструктуре.

## Модель достанется и злоумышленникам

Неудобная сторона этой истории в том, что скачать открытые веса может кто угодно, в том числе те, от кого защищаются специалисты по безопасности. Сток подошёл к проблеме двойного назначения с другой стороны. По его словам, ИИ уже помогает специалистам по безопасности находить ошибки гораздо быстрее, чем прежде, и он считает важным как можно скорее предоставить такую же возможность всем, чтобы укрепить защиту. Он объяснил это тем, что некоторые злоумышленники в любом случае могут попытаться использовать для атак собственные технологии.

В этом доводе есть своя логика, и его обычно приводят в пользу открытого выпуска мощных инструментов: фора нужна именно тем, кто защищается, а появится она лишь в том случае, если её им дать. В публикации не упоминаются никакие защитные меры, которыми Mistral сопроводила выпуск, так что читателям придётся самим решить, насколько их устраивает такая ставка.

## Об агентах, вышедших из-под контроля

Стока также спросили о недавних инцидентах с ИИ-агентами, вышедшими из-под контроля. Он признал риски, но предостерёг от чрезмерной реакции. «Мы не хотим запугивать людей», — сказал он. «Мы считаем, что эту проблему можно решить. Обеспечить надёжную защиту — сложная задача».

Последняя фраза — самая откровенная во всём анонсе.

## Более широкий контекст

Генеральный директор Mistral Артур Менш представил выпуск в политическом контексте. По его словам, ИИ должен «быть инструментом расширения возможностей, а не доминирования». Компания заявляет, что с ML4 она ещё решительнее отстаивает эту позицию.

Проверку устроят те, кто скачает модель. Модель с триллионом параметров, которая не уступает лучшему открытому конкуренту в задачах кибербезопасности и при этом использует на 47 процентов меньше токенов, стала бы весомым аргументом в пользу открытых весов — если эти цифры подтвердятся за пределами собственного анонса Mistral. Пока же главное изменение в том, что теперь веса в вашем распоряжении и вы можете самостоятельно запускать модель, а прелесть модели, которой вы владеете, в том, что никто не может прислать вам уведомление о прекращении доступа к ней.

## Похожие записи

- 2026.10.20 · [Electric Plant привлекла 11,2 млн долларов, чтобы считывать электрические сигналы растений с помощью своей ИИ-модели Bombadil](https://opencheese.dev/ru/blog/electric-plant-privlekla-11-2-mln-dollarov-chtoby-schityvat-elektricheskie.md): Electric Plant привлекла 11,2 млн долларов в посевном раунде на недорогие датчики, устанавливаемые на стеблях, и Bombadil — модель, которая интерпретирует электрические сигналы растений примерно 125 видов и сообщает растениеводам, что нужно растениям.
- 2026.10.18 · [CERN и Mistral планируют создать Flare — Large Physics Model, обученную на смоделированных столкновениях в LHC](https://opencheese.dev/ru/blog/cern-i-mistral-planiruyut-sozdat-flare-large-physics-model-obuchennuyu.md): CERN и Mistral создадут Flare — предобученную модель Large Physics Model, обученную на миллиардах смоделированных протон-протонных столкновений, чтобы заменить цепочку специализированных алгоритмов реконструкции единой системой.
- 2026.10.06 · [OpenAI заявляет, что пользователи, связанные с Moonshot AI, пытались получить скрытые рассуждения модели](https://opencheese.dev/ru/blog/openai-zayavlyaet-chto-polzovateli-svyazannye-s-moonshot-ai-pytalis-poluchit.md): OpenAI заявляет, что кампания пыталась извлечь защищённые рассуждения из её моделей для обучения других систем. Компания связала основной кластер с людьми, аффилированными с Moonshot AI, и при этом отметила, что не может подтвердить, что за всеми случаями стоял один актор.