తమ అత్యంత శక్తివంతమైన మోడల్ కేవలం ఎంపిక చేసిన సైబర్ రక్షకుల రక్షిత వర్గానికి మాత్రమే అందుబాటులో ఉంటుందని Google ప్రకటించిన కేవలం రెండు రోజుల తర్వాత, Mistral AI వ్యతిరేక మార్గం తీసుకుంది. అక్టోబర్ 29న, పారిస్ లోని ఈ ప్రయోగశాల తమ ప్రధాన ట్రిలియన్-పరామితి మోడల్ Mistral Large 4 యొక్క weights విడుదల చేసింది, ఎవరైనా దీన్ని డౌన్‌లోడ్ చేసుకోవచ్చు, పరిశీలించవచ్చు మరియు తమ సొంత యంత్రాలపై నడపవచ్చు.
ఇది ఎందుకు ముఖ్యమో సంఖ్యలు వివరిస్తాయి. public preview తర్వాత మరో మూడు వారాల reinforcement learning తర్వాత, Mistral Large 4 ఇప్పుడు Cognition యొక్క FrontierCode 2.0 బెంచ్‌మార్క్‌లో 19.7 శాతంతో అగ్రస్థానంలో ఉంది, మరియు Terminal-Bench 4.0 లో 41 శాతంతో ఉంది, తన స్వంత preview కంటే పదమూడు పాయింట్లు ముందు, అయినా output tokens ముప్పై శాతం తక్కువ వాడుతూ. Artificial Analysis Coding Agent Index లో ఇది అగ్ర open-weight మోడల్ GLM-5.3 తో 48 శాతంతో సమానంగా నిలిచింది, అయితే ప్రతి task కు సగటున 47 శాతం తక్కువ tokens వాడుతుంది. Surge Code యొక్క blind human evaluations లో, మూల్యాంకనకారులు GLM-5.3, Kimi K3 మరియు DeepSeek V4.1 Flash కంటే దీన్నే ఎంచుకున్నారు, Claude Opus 5.5 తర్వాత మాత్రమే ఉంచారు.
భద్రతా కథ కూడా అంతే పదునైనది. Mistral Large 4 Artificial Analysis Cyber Index లో 51 శాతం సాధించింది, ఇది ఒక మోడల్ codebase లో లోపాలను కనుగొనగలదా, వాటిని పునరుత్పత్తి చేయగలదా మరియు ఏదీ విరగ్గొట్టకుండా patch చేయగలదా అని పరీక్షిస్తుంది. ఇది ఈ రక్షణ పనులను అనవసరమైన refusals లేకుండా నిర్వహిస్తుంది, అయితే malicious సైబర్ అభ్యర్థనల్లో 96.6 శాతాన్ని తిరస్కరిస్తుంది, open మోడళ్లలో Mistral కొలిచిన అత్యధిక రేటు. Booz Allen Hamilton, Cisco, Cloudflare, Fortinet, Rubrik మరియు Zscaler అందరూ ఈ విడుదలకు మద్దతు ఇచ్చారు.
Google ration చేయాలని నిర్ణయించుకున్నది ఇదే సామర్థ్య తరగతి. ఒక ప్రయోగశాల ఇంత నైపుణ్యంతో లోపాలను కనుగొని సరిచేసే మోడల్ vetting మరియు contracts వెనుకే ఉండాలని నిర్ధారించింది. మరొకటి అందరూ అదే ఆయుధాన్ని పట్టుకోగలిగినప్పుడే రక్షకులకు మెరుగైన సేవ లభిస్తుందని నిర్ధారించింది. రెండు వాదనలూ గంభీరమైనవి, మరియు పరిశ్రమ ఇప్పుడు వాటిని బహిరంగంగా పక్కపక్కనే పరీక్షించబడటం చూస్తుంది.
enterprise సంఖ్యలు వాదనను పూర్తి చేస్తాయి. Mistral Large 4 Finch finance-workflow బెంచ్‌మార్క్‌లో 73.3 శాతం, web research కోసం BrowseComp లో 84.5 శాతం చేరుకుంటుంది, మరియు B3 Agent Security బెంచ్‌మార్క్‌లో 97.1 శాతం దాడులను ఎదుర్కొంటుంది, open-weight మోడళ్లలో అత్యుత్తమ ఫలితం. low, medium మరియు high అనే మూడు reasoning modes బృందాలకు ప్రతి task లో ఖర్చు మరియు ఖచ్చితత్వం మధ్య సమతుల్యత ఎంచుకునే అవకాశం ఇస్తాయి.
సార్వభౌమాధికారం అనే వాదనే లోతైన కదలిక. ఈ మోడల్ European infrastructure పై స్క్రాచ్ నుండి శిక్షణ పొందింది, స్పష్టమైన వంశావళితో, మరియు Mistral తమ లక్ష్యాల గురించి స్పష్టంగా చెబుతుంది: తమ డేటాను మరొకరి cloud కు పంపలేని ప్రభుత్వాలు, బ్యాంకులు మరియు regulated పరిశ్రమలు. public బ్యాంకు La Banque Postale, కస్టమర్ విశ్వాసాన్ని కాపాడటానికి సాంకేతిక సార్వభౌమాధికారం ఐచ్ఛికం కాదని చెబుతోంది. Orange Cyberdefense వంటి భాగస్వాములతో ఒక vetted cybersecurity variant కూడా ఒప్పంద రక్షణలతో preview లో ఉంది.
నాయకులకు, ఆచరణాత్మక ప్రశ్న మారిపోయింది. ఏదైనా open model తీవ్రమైన పనికి సరిపోతుందా అనేది ఇకపై ప్రశ్న కాదు, ఎందుకంటే ఈ మోడల్ స్పష్టంగా సరిపోతుంది. ప్రశ్న ఏమిటంటే, మీ సంస్థ పూర్తిగా నియంత్రించగల ఒక frontier మోడల్‌తో ఏం చేస్తుంది: దాన్ని audit చేస్తుందా, proprietary డేటాతో customize చేస్తుందా, మీ నిబంధనలు వర్తించే చోట నడుపుతుందా, లేక మరొకరి నిబంధనలతో సామర్థ్యాన్ని అద్దెకు తీసుకుంటూనే ఉంటుందా.
బహిరంగత్వం మరియు జాగ్రత్త రెండూ ఇప్పుడు బోర్డు మీద ఉన్నాయి. ఈరోజే open-weight మోడళ్లను అంచనా వేయడం, governance మరియు deployment నేర్చుకునే సంస్థలే రేపు తమ స్వంత నిబంధనలు రూపొందిస్తాయి, ఏ తత్వం గెలిచినా.
గణితపరంగా ఆలోచించండి. తెలివిగా ఇంజనీర్ చేయండి. వ్యూహాత్మకంగా నడపండి. బాధ్యతగా నిర్మించండి. ప్రపంచవ్యాప్తంగా విస్తరించండి. ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ ద్వారా నిజమైన వ్యాపార విలువను సృష్టించండి.
