Mistral AI lanserer gigantisk AI-modell med fokus på cybersikkerhet

Den franske AI-aktøren Mistral AI har sluppet en offentlig forhåndsvisning av sin nyeste og største AI-modell, Mistral Large 4, internt kalt «Le Chonk». Modellen utmerker seg spesielt innen cybersikkerhet, hvor den oppnådde 93 prosent på Cybench og 82 prosent på CyberGym-E2E, noe som plasserer den blant de fem beste globalt på Artificial Analysis Cyber Index. Dette er viktig for norske bedrifter som står overfor stadig mer sofistikerte digitale trusler, da modellen kan bidra til mer robust og proaktiv sikkerhet. Noen konkurrerende modeller oppnår nesten null på slike tester fordi de nekter å utføre oppgaver knyttet til sårbarhetsreproduksjon. Mistral Large 4 er en multimodal MoE-modell – det vil si en modell som kan behandle flere typer data, som tekst og bilder, og som bruker en mekanisme hvor ulike spesialiserte deler av modellen aktiveres avhengig av oppgaven. Den har totalt 1,05 billioner parametere, men bruker kun 49 milliarder aktive parametere per token, noe som balanserer kompleksitet med effektivitet. Den kan også behandle svært lange tekster, med et kontekstvindu på én million tokens, noe som er tilsvarende rundt 750 000 ord. Dette gir AI-agenter muligheten til å analysere store mengder data samtidig, for eksempel i juridiske eller tekniske dokumenter, uten å miste kontekst. Modellen er trent fra bunnen av på 3 800 NVIDIA Grace Blackwell GPU-er i Mistrals egne datasentre i Europa, og treningsdataene omfatter over 160 språk, inkludert alle offisielle EU-språk. Foreløpig er kun et API tilgjengelig for bruk, til en pris på 1,36 dollar per million inngående tokens og 4,18 dollar per million utgående tokens. Modellvektene for lokalt bruk er ikke ventet før slutten av oktober. Selv om den er kraftig, er den fortsatt bak ledende modeller som Claude Opus 5 i en blind evaluering av profesjonelle kommentatorer, men foran andre modeller som GLM-5.3 og Kimi K3, med en score på 3.74 av 5 mulige. Innen agent-drevet koding oppnådde Mistral Large 4 en kombinert Artificial Analysis Coding Agent Index på 49,8 prosent, med resultater som 61.7 prosent på DeepSWE v1.1. Modellen viser også god motstand mot sikkerhetsangrep, med en evne til å motstå 93.3 prosent av angrepene på Lakera’s B3-benchmark, noe som er relevant for å forhindre misbruk av AI-systemer.