Mistral 发布 Large 4 并公开模型权重，编程能力提升
Mistral Large 4: Modellgewichte veröffentlicht, Coding-Leistung verbessert | heise online
Mistral 公开了旗舰模型 Large 4（ML4）的模型权重，该模型此前仅以 API 预览版形式提供。经过三周客户与网络安全伙伴测试并用强化学习继续训练后，ML4 在 Terminal-Bench 4.0 上的成功率从 28% 升至 41%，并新增 Low、Medium 两档推理强度。Mistral 研究负责人 Pierre Stock 称，同等能力下新版本比预览版少用约 50% token；权重于 19 点在 Hugging Face 开放下载，同时通过 Mistral API 和编程助手 Vibe 提供。
推荐理由
AI 评分 75
原文给出 ML4 开源权重、Terminal-Bench 4.0 成绩与 token 消耗对比，可据此判断开源模型在智能体编程上的位置。
主题
正文
close notice
This article is also available in English.
It was translated with technical assistance and editorially reviewed before publication.
.
Weiterlesen nach der Anzeige
Das französische KI-Unternehmen Mistral hat die Gewichte seines Spitzenmodells Large 4 (ML4) veröffentlicht. Das Anfang Oktober vorgestellte Modell soll nach zusätzlichem Training vor allem beim Programmieren besser sein. Bislang war das Modell nur als Vorabversion über eine API verfügbar.
Mistral hat das Modell nach eigenen Angaben drei Wochen lang mit Kunden und Cybersicherheitspartnern getestet und mit Reinforcement Learning nachtrainiert. Dabei seien viele Rückmeldungen eingeflossen.
Neu sind die Reasoning-Stufen Low und Medium neben der bereits verfügbaren Stufe High. Die neue Version benötige zudem bei gleicher Leistungsfähigkeit rund 50 Prozent weniger Token als die Vorabversion, sagt Pierre Stock, der bei Mistral den Forschungsbetrieb leitet.
Für Coding und Cyberabwehr optimiert
Wie bei der Vorabversion hebt Mistral agentisches Programmieren und Cyberabwehr als Stärken des Modells hervor. Im Programmierbenchmark Terminal-Bench 4.0 stieg die Erfolgsquote laut Mistral von 28 auf 41 Prozent. Damit erreicht ML4 ungefähr das Niveau von GLM-5.3 (42 Prozent), liegt aber deutlich hinter Kimi K3.1 Pro (67 Prozent) und geschlossenen Spitzenmodellen wie Gemini 4 Carbon (65 Prozent), wenn man Tests von Artificial Analysis (AA) heranzieht. Die Kimi-Gewichte sollen Anfang November erscheinen.
Unter Berufung auf den Coding Agent Index von AA bezeichnet Mistral Large 4 als weltweit bestes offenes Modell für agentisches Programmieren. Bei vergleichbarer Leistung benötige es 47 Prozent weniger Token pro Aufgabe als GLM-5.3. Die entsprechenden Ergebnisse waren zum Zeitpunkt der Recherche nicht öffentlich einsehbar.
Für die Cyberabwehr präsentiert Mistral Ergebnisse aus dem von AA verwendeten CyberGym-E2E-Benchmark. Dieser prüft, ob KI-Agenten Sicherheitslücken erkennen, reproduzieren und beheben können. ML4 soll 79 Prozent erreichen und damit gleichauf mit Xiaomis MiMo-V2.6-Pro liegen. Das Ergebnis der neuen ML4-Version ließ sich zum Zeitpunkt der Recherche nicht unabhängig nachprüfen. Die aktuelle Rangliste von AA führt Kimi K3.1 Pro mit 95 Prozent an.
Weiterlesen nach der Anzeige
Mistral will in kürzeren Abständen Spitzenmodelle liefern
Zwischen den Veröffentlichungen der letzten beiden Mistral-Spitzenmodelle liegen zehn Monate. Stock führt die Pause auf den Aufbau eigener Rechenzentren in Europa und die Entscheidung zurück, verstärkt auf Reinforcement Learning zu setzen. Künftig wolle Mistral Modelle schneller veröffentlichen.
„Wir sind ein Frontier-Lab und wollen Spitzenmodelle trainieren“, sagt Stock im Gespräch mit heise online. Die jüngste Finanzierungsrunde über drei Milliarden Euro soll in Zukunft mehr Rechenleistung ermöglichen.
Die ML4-Modellgewichte stehen ab 19 Uhr auf Hugging Face zum Download bereit. ML4 ist außerdem über Mistrals API und für ausgewählte Nutzer des Coding-Assistenten Vibe verfügbar.
(tobe)