Mistral, kodlama ve savunma alanına yönelik 1 trilyon parametreli modeli Mistral Large 4'ün ağırlıklarını açık kaynak yaptı

Mistral, şirketin amiral gemisi sistem olarak tanımladığı, 1 trilyon parametreli ve doğuştan çok kipli model Mistral Large 4'ün ağırlıklarını yayımladı. Mistral'ın sitesinde duyurulan ve Hacker News üzerinden gündeme gelen bu sürüm, ekim başında yapılan herkese açık önizlemenin ardından geldi. Mistral'a göre, önizlemeden bu yana yaklaşık üç haftalık ek pekiştirmeli öğrenme, ajan tabanlı kodlama ve savunma amaçlı siber güvenlikte büyük kazanımlar sağladı ve şirkete göre bu gelişme hâlâ hızlanıyor.

Kodlama sonuçları açık ağırlıklı alanın zirvesinde

Mistral, modelin artık kod üretimi için en güçlü açık ağırlıklı seçenek olduğunu iddia ediyor. Cognition'ın özel benchmark'u olan ve uçtan uca değişiklik kalitesini değerlendiren FrontierCode 2.0'da — özellikle bir depo bakımcısının bir ajanın yamasını kabul edip etmeyeceğini ölçen bu testte — Mistral Large 4, %19,7 ile lider; %19,3'lük DeepSeek V4.1 Flash ve %17,8'lik GLM-5.3'ün hemen önünde yer alıyor.

Artificial Analysis Coding Agent Index'te model %48 puan alıyor; Mistral bunu, görev başına ortalama %47 daha az token tüketerek önde gelen açık ağırlıklı model GLM-5.3 ile fiilen eşit olarak nitelendiriyor. Terminal tabanlı işlerde de gelişme var: Terminal-Bench 4.0, önizlemeden bu yana 13 puan artışla %41'e yükseldi ve çıktı token'larını %30 azaltarak diğer açık ağırlıklı modellerin önüne geçti.

Maliyet kontrolü için üç akıl yürütme modu

Geliştiricilerin maliyet ile doğruluk arasında denge kurabilmesi için sürüm üç akıl yürütme ayarıyla geliyor: basit işler için Low, günlük çalışmalar için Medium ve dikkatli, kapsamlı akıl yürütme gerektiren görevler için varsayılan mod olan High. Mistral, iyileştirilmiş akıl yürütme verimliliğini, yetenekli kodlama ajanlarını ölçekte uygun maliyetle çalıştırmanın bir yolu olarak konumluyor.

İnsan değerlendiriciler de büyük ölçüde katılıyor

Benchmark sayıları tercih testleriyle de destekleniyor. Surge Code tarafından yürütülen kör ikili karşılaştırmalarda Mistral Large 4, GLM-5.3, Kimi K3 ve DeepSeek V4.1 Flash'a tercih edildi ve değerlendirilen modeller arasında yalnızca Anthropic'in Claude Opus 5.5'inin gerisinde kaldı.

Güvenlik öncelikli bir sunum, bir uyarıyla

Sürüm ağırlığını savunma amaçlı siber güvenliğe veriyor. Mistral Large 4, Artificial Analysis Cyber Index'te %51 puan alıyor; bu index, bir modelin mevcut işlevselliği bozmadan bir kod tabanındaki güvenlik açıklarını bulup yeniden üretebileceğini, doğrulayabileceğini ve yamalayabileceğini — ve dikkate değer şekilde, meşru savunma taleplerini reddetmeden bu işi yapıp yapmayacağını test ediyor.

Güvenlik tarafında Mistral, JailbreakBench, StrongREJECT ve AgentHarm'daki siber güvenlikle ilgili prompt'lardan derlenen kötü niyetli siber talepler için ortalama %96,6'lık bir reddetme oranı bildiriyor ve bunu ölçtüğü açık modeller arasında en yüksek olarak nitelendiriyor.

Altı çizilmesi gereken bir gerilim var: Mistral'ın özeti savunma güvenliğinde liderlik iddia etse de, şirketin kendi karşılaştırma tablosu DeepSeek-V4.1-Flash 1017'yi %57 ve MiMo-V2.6-Pro'yu %56 ile Cyber Index'te Mistral Large 4'ün %51'inin üzerinde gösteriyor. Liderlik iddiası en az bu tek sıralama kadar, reddetme davranışına ve özelleştirilmiş araçlara da dayanıyor.

Mistral ayrıca, canlı trafiğin izlenmesinin modelin gerçek hedeflere yönelik black-box saldırıları reddettiğini gösterdiğini, ancak saldırganların modelden fayda (uplift) sağlama potansiyeli gördüğünü ve koruma mekanizmalarını buna göre ayarladığını açıkladı. Orange Cyberdefense dahil kurumsal ortaklar, sızma testi, güvenlik açığı değerlendirmesi ve red teaming için ayarlanmış özelleştirilmiş bir güvenlik varyantına önizleme erişimi alıyor; erişim, testleri yalnızca sahiplenilen veya açıkça yetkilendirilmiş sistemlerle sınırlayan sözleşmeler ve değerlendirme süreciyle kontrol ediliyor.

Kurumsal ve tarama kazanımları

FinWorkBench (Finch) ile ölçülen finans iş akışlarında model %73,3'e yükseldi ve açık modeller arasında Kimi K3'ün %77,3'ünün ardından ikinci oldu. Tarama performansı BrowseComp'te %84,5'e ulaştı; bu, %75'lik denetimli ince ayar kontrol noktasından bir yükseliş ve aynı tabloda GLM-5.3 ile DeepSeek V4.1 Flash'ın önünde.

Egemen yapay zekâ konumlandırması

Mistral, modelin Avrupa altyapısında sıfırdan eğitildiğini ve başlangıçtan sürüme kadar belgelenmiş bir geçmişi olduğunu vurguluyor. Açık ağırlıklarla ve kendi sunucularında barındırma seçeneğiyle birleşen bu durum, yapay zekâlarını sahiplenmek, özelleştirmek ve kontrol etmek isteyen kuruluşlara yönelik — Mistral'ın egemen yapay zekâ tanımı bu. Müşteriler, Mistral Forge kullanarak modeli özel güvenlik verileri ve politikalarıyla ince ayarlayabilir ya da daha küçük, göreve özgü varyantlara damıtabilir.

Neden önemli

Tamamen açık ağırlıklarla gelen bir trilyon parametreli model, açık model cephesi için önemli bir kilometre taşı: erişimi kısıtlı mülk sistemlerle indirilebilir sistemler arasındaki uçurum, geliştiricilerin geçiş yapmaya en istekli olduğu iş yükü olan kodlamada daralmaya devam ediyor. Token verimliliği sayıları ham puanlar kadar önemli, çünkü üretimde neyin çalışacağına yalnızca doğruluk değil, ajan ekonomisi de karar veriyor. Güvenlik boyutu iki yönlü — aşırı reddetme yapmadan savunma görevlerini üstlenen yetenekli bir model güvenlik ekipleri için gerçekten yararlı, ancak Mistral'ın fayda sağlanma potansiyeline dair kendi itirafı, çift kullanım riskinin henüz çözülmediğini gösteriyor. Son olarak, öncü ölçekli ağırlıkları egemenlik bayrağı altında yayımlayan Avrupa merkezli en üst düzey bir laboratuvar, buradaki tüm benchmark verileri satıcı tarafından bildirilmiş olsa bile, kuruluşlara ve hükûmetlere ABD'de barındırılan modellere güvenilir bir alternatif sunuyor.