A Mistral kiadta az 1 billió paraméteres Mistral Large 4 súlyait
A Mistral AI kiadta a Mistral Large 4, vagyis Le Chonk továbbfejlesztett változatának modell-súlyait. Az 1 billió paraméteres, natívan multimodális modell a vállalat szerint kódolásban és védekező kiberbiztonsági feladatokban is az élmezőnybe került.
- A Mistral AI kiadta a Mistral Large 4 továbbfejlesztett modell-súlyait.
- A modell 1 billió paraméteres és natívan multimodális.
- A Mistral Large 4 a vállalat szerint vezető nyílt súlyú kódolási eredményeket ért el.
- A modell három érvelési módot kínál eltérő teljesítmény és költség mellett.
- A rosszindulatú kiberbiztonsági kérések átlagosan 96,6 százalékát utasította vissza.
Három hétnyi tanítás után újabb kiadás
A Mistral Large 4 korábban nyilvános előzetesként vált elérhetővé. A Mistral AI október 29-i bejelentése szerint az azóta eltelt három hétben további megerősítéses tanítást (reinforcement learning) alkalmaztak a modellen, amelynek eredményeként jelentősen javultak a kódolási és a védekező kiberbiztonsági képességei.
A vállalat most kiadta a továbbfejlesztett modell súlyait. A Mistral szerint a friss változat érvelési hatékonysága is javult, így a fejlesztők nagyobb teljesítményt érhetnek el alacsonyabb következtetési költség mellett. A modell teljesen nyílt súlyú, és európai infrastruktúrán, az alapoktól kezdve tanították.
A Mistral AI ezt a megközelítést a szuverén mesterséges intelligencia alapjaként mutatja be. A cég szerint a fejlesztők, vállalatok és intézmények így saját igényeik szerint módosíthatják, saját infrastruktúrájukon futtathatják és ellenőrizhetik a modellt.
Erős eredmények kódolási feladatokban
A Mistral Large 4 a Cognition privát FrontierCode 2.0 tesztjén 19,7 százalékos eredményt ért el. A mérés a teljes folyamatban vizsgálja a kód minőségét, valamint azt, hogy egy repository karbantartója elfogadná-e az ügynök módosítását. A Mistral közlése szerint a modell ezen a teszten az első helyen végzett.
Az Artificial Analysis Coding Agent Indexen a Mistral Large 4 48 százalékot ért el, ami gyakorlatilag azonos a vezető nyílt súlyú modellként említett GLM-5.3 eredményével. A Mistral szerint a feladatokhoz átlagosan 47 százalékkal kevesebb tokent használt. A Terminal-Bench 4.0 teszten az előzetes változathoz képest 13 százalékponttal, 41 százalékra javult, miközben a kimeneti tokenek száma 30 százalékkal csökkent.
A fejlesztők három érvelési mód közül választhatnak. Az alacsony mód egyszerű feladatokra ajánlott, a közepes a mindennapi használatra, a magas, alapértelmezett mód pedig a nagy pontosságot és alapos érvelést igénylő esetekre készült.
Kiberbiztonságban a védekezést célozza
Az Artificial Analysis Cyber Indexen a modell 51 százalékot ért el. A teszt azt vizsgálja, hogy képes-e egy modell sérülékenységeket felfedezni egy kódbázisban, reprodukálni és ellenőrizni azokat, majd úgy javítani a hibákat, hogy a meglévő működés ne sérüljön.
A Mistral AI szerint a Mistral Large 4 ezeket a legitim, védekező biztonsági feladatokat szükségtelen visszautasítások nélkül kezeli. Ezzel párhuzamosan a modell átlagosan a rosszindulatú kiberbiztonsági kérések 96,6 százalékát utasította vissza a JailbreakBench, a StrongREJECT és az AgentHarm kiberbiztonsági feladatain végzett mérésben. A vállalat ezt a nyílt modellek között mért legmagasabb aránynak nevezi.
A Mistral közlése szerint a modellt több kiberbiztonsági vállalat és szervezet is vizsgálta valós környezetben. A Booz Allen Hamilton, a Cisco, a Cloudflare, a CrowdStrike, az Elastic és az ENISA a sérülékenységek elemzését, a kód auditálását, a javítást, valamint a védekező naplók elemzését emelte ki.
A kiadott súlyok a fejlesztők és a szervezetek számára saját infrastruktúrán futtatható, testre szabható alapot adnak. A Mistral szerint ez különösen azoknak lehet fontos, akiknek az adatok és a biztonsági műveletek feletti közvetlen kontrollra van szükségük.
Mistral AI: Le Chonk: Built for Coders, Trusted by Defenders.
