Mistral Large 4 tinggal sepekan, bobot dan lisensinya masih berstatus segera hadir

Pemeriksaan langsung pada halaman model mistralai/Mistral-Large-4-1T-A52B di Hugging Face pada 24 Oktober 2026 menunjukkan status upcoming release dengan hitung mundur ke 31 Oktober 2026 dan 937 akun menunggu. Spesifikasi yang tercantum menyebut model 1 triliun parameter yang multimodal sejak awal, dengan 49 miliar parameter aktif per token atau 52 miliar bila lapisan embedding dan output ikut dihitung. Satu artefak direncanakan, yaitu bobot itu sendiri, dan keterangan di halaman menyatakan bobot terbuka akan dilepas pada akhir bulan. Artinya, sampai hari ini belum ada satu byte pun yang bisa diunduh.

Forkast mencatat pada 23 Oktober, hari ke-22 dari 31 hari jendela rilis, bahwa bobot maupun lisensi komersial masih belum terbit dan kedua kolom di kartu model masih bertuliskan coming soon. Inti persoalannya bukan lagi performa, melainkan dasar hukum pemakaian. Laporan industri menyebut Mistral berencana beralih dari Apache 2.0 yang dipakai Mistral Large 3 ke kerangka lisensi khusus, sejalan dengan empat laboratorium yang disebut sebagai Club of Four, yakni StepFun, Meta, Moonshot AI, dan DeepSeek, yang belakangan bertemu pada ambang pendapatan 20 juta dolar AS per bulan untuk pemakaian komersial. Mistral belum mengonfirmasi rencana itu.

Kalau ambang tersebut benar dipakai, arti kata terbuka bergeser. Bobot tetap bisa diunduh dan dijalankan sendiri, tetapi di atas batas pendapatan tertentu pemakaiannya berubah menjadi perangkat lunak berpemilik yang menuntut perjanjian komersial terpisah. Bagi perusahaan yang pendapatannya naik turun, satu kuartal bagus bisa saja melewati ambang dan memaksa negosiasi ulang di tengah jalan. Karena itu pemilihan model berubah menjadi risiko pengadaan, bukan sekadar perbandingan skor benchmark, dan tim yang menyusun produk di atasnya perlu membaca klausul lisensi sebelum menulis satu baris kode integrasi.

Untuk keperluan praktis, Mistral Large 4 sebaiknya diperlakukan sebagai kandidat, bukan fondasi. Yang bisa dikerjakan sekarang adalah memakai jalur API untuk menguji kualitas pada tugas nyata, misalnya ekstraksi tabel dari dokumen pengadaan atau ringkasan berkas panjang, sambil mencatat biaya per tugas. Setelah bobot dan lisensi terbit, barulah dihitung apakah menjalankannya sendiri masuk akal: model dengan 52 miliar parameter aktif membutuhkan memori dan kartu grafis jauh di atas workstation biasa, sehingga total biaya kepemilikan sering lebih besar daripada tarif per token yang terlihat di daftar harga.