Mistral buka bobot Large 4, model 1 triliun parameter siap jalan di server sendiri
Mistral merilis bobot penuh Mistral Large 4 pada 29 Oktober 2026, model multimodal 1 triliun parameter dengan 52 miliar parameter aktif per tugas. Tiga pekan reinforcement learning tambahan menaikkan skor Terminal-Bench 4.0 dari 28 menjadi 41 persen, sedikit di atas GLM-5.3. Bobot tersedia di Hugging Face dengan lisensi turunan MIT, disertai versi terkuantisasi yang cukup berjalan di empat GPU Nvidia B200 atau B300.
Mistral AI merilis bobot Mistral Large 4 ke publik pada 29 Oktober 2026, tiga pekan setelah model itu diperkenalkan dalam pratinjau. Model berjuluk Le Chonk ini memiliki 1 triliun parameter dengan 52 miliar parameter aktif pada setiap langkah, bersifat multimodal sejak awal sehingga bisa membaca teks dan gambar lalu mengeluarkan teks atau kode. Menurut keterangan perusahaan, model dilatih dari nol di pusat data Eropa memakai 3.800 unit GPU Nvidia Grace Blackwell, sehingga jejak asal data dan prosesnya dapat ditelusuri dari awal sampai rilis.
Perbaikan paling kelihatan ada di kemampuan koding agen. Mistral menyebut tiga pekan latihan tambahan menaikkan skor Terminal-Bench 4.0 dari 28 persen saat pratinjau menjadi 41 persen, sedikit melampaui GLM-5.3 yang membukukan 40 persen. Pada FrontierCode 2.0 milik Cognition yang menguji kualitas perubahan kode secara menyeluruh, model ini memimpin dengan 19,7 persen. Di Artificial Analysis Coding Agent Index skornya 48 persen, praktis menyamai model terbuka terbaik, tetapi dengan pemakaian token rata-rata 47 persen lebih sedikit per tugas. Selisih token sebesar itu berpengaruh langsung pada biaya ketika agen bekerja berjam-jam, bukan hanya pada skor papan peringkat.
Sisi pertahanan siber juga menjadi jualan utama. Pada CyberGym-E2E, yang menguji apakah model mampu menemukan, mereproduksi, dan menambal cacat keamanan memori pada proyek C dan C++ sumber terbuka, Mistral Large 4 mencetak 79 persen, menyamai MiMo-V2.6-Pro dan melampaui DeepSeek V4.1 Flash di 76 persen. Sejumlah pelanggan awal dilaporkan memakai model ini untuk uji penetrasi otomatis, dengan agen khusus yang memeriksa aplikasi mereka sendiri lalu menyusun laporannya. Mistral juga menambah mode penalaran rendah dan sedang selain mode tinggi, serta membuat mode tinggi sekitar 50 persen lebih hemat, agar tim dapat mengatur kedalaman berpikir sesuai tugas tanpa mengubah prompt.
Ada satu catatan lisensi yang mudah terlewat. Bobot ini dirilis di bawah Mistral Ecosystem Open-Weight License, versi modifikasi dari lisensi MIT. Pemakaian komersial dan penyesuaian model diperbolehkan, tetapi menjalankan bisnis model-as-a-service dengan bobot tersebut menuntut lisensi komersial terpisah dari Mistral. Bagi tim yang ingin menjual akses inferensi kepada pihak lain, ini bukan lisensi bebas tanpa syarat.
Wakil Presiden Sains Mistral, Pierre Stock, dan CEO Arthur Mensch menempatkan rilis ini sebagai soal kedaulatan: perusahaan tidak seharusnya bergantung pada pihak yang bisa memutus akses sewaktu-waktu, dan model terbuka disebut sebagai penyeimbang dominasi laboratorium besar. Bagi organisasi di Indonesia, daya tarik praktisnya adalah kemungkinan menjalankan model kelas atas di dalam pagar jaringan sendiri, dengan syarat menyiapkan kapasitas GPU yang tidak murah. Versi terkuantisasi yang berjalan di empat akselerator B200 atau B300 adalah batas bawah yang realistis untuk dihitung sebelum memutuskan pindah dari API.
Sumber pendukung
Fakta, angka, nama, dan kutipan dalam naskah ini telah dicocokkan dengan sumber-sumber di atas. Naskah ditulis ulang oleh redaksi, bukan salinan. Laporkan kesalahan