Mistral-ის Large 4 დამოუკიდებელ ტესტებში ჩინურ მოდელებს ჩამორჩა

Artificial Analysis Intelligence Index v4.3.2-ში ML4-მა 38 ქულა მიიღო. AA-მ მას „აშშ-ისა და ჩინეთის ფარგლებს გარეთ ყველაზე ინტელექტუალური მოდელი“ უწოდა. ხუთმა ჩინურმა ღია მოდელმა უფრო მაღალი შედეგი აჩვენა: DeepSeek V4.1 Flash (max) 39, GLM-5.3-Flash 42, Kimi K3 (max) 44, GLM-5.3 (max) 45 და MiMo-V2.6-Pro 46. GLM-5.3-Flash-ის 320B სრული და 18B აქტიური პარამეტრი ML4-ის 49B-52B აქტიურ პარამეტრებზე მნიშვნელოვნად ნაკლებია. ML4 ჯერ ღია არ არის. Mistral-ის ცნობით, მისი წონები „თვის ბოლომდე“ გამოქვეყნდება.

ფასით სხვაგვარი სურათია. AA-ს ერთი დავალება ML4-ზე კატალოგის ფასით 1,13 დოლარი ღირს, ხოლო გაშვებისას 50%-იანი ფასდაკლებით 0,57 დოლარი. MiMo-V2.6-Pro-ზე ფასი 0,13 დოლარია, GLM-5.3-Flash-ზე კი 0,25 დოლარი. მიუხედავად მაღალი ფასისა, ML4-მა CyberGym-E2E-AA-ში 81,7% მიიღო. GLM-5.3-Flash-ის შედეგი 74% იყო. Mistral-ის განცხადებით, ML4-ის დამატებითი წვრთნა ჯერ კიდევ მიმდინარეობს.

ეს Cyber Index-ის სამი ტესტიდან მხოლოდ ერთია. ML4-მა DeepsecBench-AA-ში 16%, ხოლო CWE-Bench-AA-ში 51% მიიღო. თუმცა AA ვარაუდობს, რომ წონების გამოქვეყნების შემდეგ მოდელი Cyber Index-ში ღია წონების მქონე საუკეთესო სამ მოდელს შორის მოხვდება.

Mistral-ის განცხადებით, კიბერუსაფრთხოების, ფინანსებისა და სამართლის კორპორაციულ ამოცანებში ML4 ღია მოდელებს შორის მოწინავეა. ვიზუალური ობიექტების ამოცნობისთვის მას 1.6B პარამეტრის მქონე გამოსახულების დამმუშავებელი კომპონენტი აქვს. Mistral-ის შეფასებით, ამ სფეროში მოდელი მოწინავე დახურულ მოდელებსაც კი აჭარბებს. კომპანია ასევე აცხადებს, რომ ML4 Cyber Index-ში მსოფლიოს საუკეთესო ხუთ მოდელს შორისაა და უსაფრთხოების შეჯიბრებებიდან აღებულ Cybench-ის 40 ამოცანაში 93%-ს ხსნის.

როიტერსის ცნობით, აღმასრულებელმა დირექტორმა არტურ მენშმა აბუ-დაბიში განაცხადა, რომ მოდელი გარკვეული ასპექტებით, მათ შორის კიბერუსაფრთხოებით, ჩინურ მოდელებს აღემატება. სხვა შედეგებია DeepSWE v1.1-ში 61,7%, Coding Agent Index-ში 49,8%, AutomationBench-ში 59,9% და Dense 200-ში 42%. AA-ს დიაგრამაზე Terminal-Bench 4.0-ში ML4-ის შედეგი 27%-ია.

ML4-მა დახურულ OpenAI GPT-6 Luna-ს CyberGym-E2E-AA-ში აჯობა. თუმცა Luna-მ AA-ს ინდექსშიც 38 ქულა მიიღო და თითო დავალება დაახლოებით 16-ჯერ იაფი, 0,07 დოლარი დაუჯდა. Mistral-ის განცხადებით, Claude Opus 5.5 და GPT-6 Astra იმავე ტესტში თითქმის ნულოვან შედეგს იღებენ, რადგან დავალებების შესრულებაზე უარს ამბობენ. AA-ს დიაგრამაზე აღნიშნულია, რომ უსაფრთხოების მიზეზით ორივემ რამდენიმე დავალება უარყო.

Mistral-ის ცნობით, Coding Agent Index-ში ML4-მა DeepSeek V4 Pro 0813-სა და Qwen3.8 Max-საც აჯობა. AA-ს მონაცემებით, ML4 ამ უკანასკნელზე იაფია. თუმცა ღირებულებისა და ინდექსის საერთო დიაგრამაზე ML4 პარეტოს ხაზის ქვემოთ და „ყველაზე მიმზიდველი კვადრანტის“ მიღმა აღმოჩნდა.