Mistral Large 4 åpner i preview – vektene kommer først 27. oktober

Ifølge Mistrals lanseringsmelding åpnet selskapet Mistral Large 4 som offentlig API-forhåndsvisning i Mistral Studio 6. oktober 2026; den multimodale modellen har en billion parametere. Utviklere kan bruke tjenesten nå, mens modellvektene som trengs for egen drift ennå ikke er publisert. Den tilgjengelige versjonen kjører på Mistrals infrastruktur.

I Axios’ intervju med Pierre Stock oppgis 27. oktober som planlagt dato for vektene etter videre forsterkningslæring og sikkerhetstesting, og Stock sier om konkurransen med de fremste lukkede modellene: «We're not there yet on the frontier.» Den offentlige API-tilgangen er moderert. Datoen beskriver neste planlagte lanseringstrinn, ikke tilgangen brukere har i dag.

API-tilgang nå, egen drift senere

Den offentlige forhåndsvisningen gir tilgang til modellens svar og funksjoner gjennom et API. Den gir foreløpig ingen nedlastbar modell som en virksomhet kan installere, undersøke eller tilpasse på egen hånd. For organisasjoner som trenger kontroll over kjøring og egne sikkerhetsregler, er forskjellen mellom API og vekter en konkret forskjell i råderett.

Før den bredere utgivelsen får utvalgte partnere, sikkerhetsmiljøer og offentlige aktører prøve samme modell med mindre moderering og utvidede muligheter innen cybersikkerhet. Den særskilte tilgangen brukes til sikkerhetstesting i realistiske situasjoner. Oppgaver som kan utføres i denne gruppen, beskriver derfor ikke nødvendigvis hva en ordinær API-bruker får tilgang til.

Å slippe modellvekter åpner for kjøring i privat sky eller lokalt miljø, der kunden selv kan bestemme driftsoppsett og tilpasse bruken. Det er bakgrunnen for at tidspunktet er viktigere enn betegnelsen «åpne vekter» akkurat nå: filene må være tilgjengelige før denne kontrollen kan tas i bruk. Vilkår og ressurskrav ved publisering vil også ha betydning for hvem som faktisk kan drifte modellen selv.

Bilder, kode og europeisk infrastruktur

Large 4 kombinerer tekst, bilder og verktøybruk i samme modell. I demonstrasjonene undersøker den blant annet store satellittbilder, finner små objekter i visuelle scener og gransker tekniske tegninger ved å zoome inn på detaljer. Det viser hvilken type sammensatte oppgaver modellen er ment for: Den må hente relevant informasjon fra et bilde og knytte svaret til riktig del av materialet.

Modellen er også rettet mot programmering, dokumentarbeid og lengre arbeidsflyter der en agent bruker verktøy før den leverer et resultat. Eksemplene spenner fra kildekode og vitenskapelige beregninger til regneark og juridiske oppgaver. En demonstrert arbeidsflyt gir innblikk i hvordan modellen kan brukes, mens en sammenlignende test må vise hvordan den løser samme oppgave under like vilkår som andre modeller.

IT Pros omtale av infrastrukturen beskriver trening på 3 800 Nvidia Grace Blackwell-GPU-er i Mistrals egne datasentre i Europa og et flerspråklig treningsgrunnlag som omfatter mer enn 160 språk. For norske og europeiske kunder er også driftsmodellen relevant: Forhåndsvisningen kjører på selskapets egen infrastruktur, og en europeisk løsning drevet av Mistral selv er varslet. Hvor stor kontroll kunden får, avhenger fortsatt av valgt tilgangsform.

Resultatene må knyttes til riktig test

Ytelsespåstandene dekker flere målemetoder. Artificial Analysis Cyber Index er en ekstern evaluering av arbeid med sårbarheter i programvare, mens Cybench bruker oppgaver fra sikkerhetskonkurranser. I de publiserte målingene inngår også blindvurderinger av kode utført med Surge AI og interne sammenligninger innen blant annet tekniske tegninger, matematikk og fysikk. Dette er forskjellige datasett, vurderere og oppgaver; en god plassering på én av dem kan ikke uten videre overføres til alle bruksområder.

Forskjellen blir særlig tydelig i cybersikkerhet. En test kan belønne en modell for å forsøke å gjenskape en sårbarhet og deretter foreslå en rettelse, mens en annen modell kan avslå den samme forespørselen av sikkerhetsgrunner. En lav skår i den første testen kan dermed skyldes tilgangsbegrensninger så vel som manglende teknisk evne. Sammenligningen er relevant for forsvarere som trenger å analysere sårbarheter, men gir ikke alene et generelt mål på hvilken modell som er tryggest.

Også visuell forståelse må vurderes opp mot oppgaven som faktisk ble målt. Å finne et objekt i et tett bilde sier noe annet enn å skrive pålitelig kode eller gi presise svar om et dokument. De publiserte resultatene gir dermed avgrensede holdepunkter for forhåndsvisningen. Den endelige, nedlastbare versjonen kan først testes uavhengig når vektene er ute.

Sikkerhetstestingen styrer neste trinn

Den trinnvise lanseringen henger sammen med hvem som kan kontrollere modellen etterpå. I API-et kan leverandøren moderere forespørsler og endre sentrale begrensninger. Når vektene distribueres, kan andre kjøre modellen i egne miljøer og forsøke å endre sikkerhetsmekanismene. Det gir mer selvstendighet til legitime brukere, men gjør også en feilvurdering ved utgivelsen vanskeligere å rette sentralt.

Cybersikkerhet viser avveiningen. Ferdigheter som kan hjelpe med å analysere skadevare, prioritere sårbarheter og skrive deteksjonsregler, kan også brukes til skadelige formål. Derfor testes modellen med utvalgte aktører mens ytterligere trening pågår. Når vektene slippes, vil de varslede opplysningene om arkitektur, flere evalueringer og ettertrening gi et mer konkret grunnlag for å vurdere hva som er endret siden forhåndsvisningen.

Les også:

• Vipps blir del av et europeisk betalingsnett – butikkbetaling kommer senere
• EZ Control kan rette skyavvik selv – men åpner først med lesetilgang
• Kravia kjøper PayQ – 12 ansatte åpner døren til Nederland