Mistral открыла модель на триллион параметров
Mistral Large 4: триллион параметров с открытыми весами, цена в API в десять раз ниже Claude Opus 5.5 и лицензионные ограничения. Что показали замеры.
Новости ИИ · Новости
Все новости
Французская Mistral выложила в открытый доступ Mistral Large 4 - модель на триллион параметров, которую можно скачать бесплатно. В API она стоит около десятой части от Claude Opus 5.5 и, по заявлению разработчика, остаётся сильнейшей открытой моделью для кодовых агентов. Дальше начинаются оговорки.
1 трлн параметров, открытые веса, бесплатное скачивание. Цена в API - около 10% от Claude Opus 5.5. Заявленная сильная сторона - кодовые агенты и длинные цепочки инструментов. Лицензия разрешает коммерческое использование с оговорками по перепродаже доступа.
Что показали замеры
Mistral позиционирует модель как инструмент для агентов, которые пишут и правят код: разбор репозиториев, постановка задач, прогон тестов, серии правок. Именно там открытые веса дают бизнесу самый быстрый выигрыш, потому что пропадает плата за каждый запрос.
Цифры разработчика и независимые оценки у открытых моделей традиционно расходятся. Когда Mistral сравнивает свою модель с Claude Opus 5.5, это сравнение по бенчмаркам самой Mistral. Проверять нужно на своей задаче: взять десяток реальных заявок или багов и прогнать обе модели на одном наборе.
Открытая модель ломает экономику закрытого API там, где нагрузка постоянная, а данные не должны покидать контур.
Где ловушки
Первая - железо. Триллион параметров в открытом виде требуют кластера, и разовые расходы на него в разы выше годового счёта за API у средней компании. Вторая - поддержка: за открытую модель никто не отвечает по SLA, обновления и патчи вы ставите сами.
Третья - лицензия. У открытых весов почти всегда есть порог по выручке или ограничение на перепродажу доступа. Если вы строите продукт, где клиент платит за запросы к модели, читать текст лицензии нужно до, а не после запуска.
Что это значит для бизнеса
Открытая модель на триллион параметров означает, что верхняя строчка в бенчмарках перестала быть единственным аргументом. Для компании, которая обрабатывает документы, заявки или код десятками миллионов токенов в месяц, своя модель на своей инфраструктуре может стоить дешевле и снимать вопрос о передаче данных третьей стороне.
Внедрение искусственного интеллекта в таком сценарии начинается с расчёта: сколько запросов в месяц, какая задержка допустима, где физически лежат данные. Во Владивостоке и по Дальнему Востоку у части компаний данные обязаны оставаться внутри страны, и открытые веса дают вариант без экспорта информации. Остальным выгоднее остаться на API и не строить кластер ради одной задачи.
Читайте также
- Kimi K3.1 Pro: 2,8 трлн параметров открыли
- Anthropic перед S-1: выручка 17 млрд и обязательства на 895 млрд
- Источник правды для AI-агентов: как перестать кормить его мусором
Посчитать, что дешевле: API или своя модель
Внедрение искусственного интеллекта начинается с арифметики: объём запросов, стоимость железа и цена ошибки. На бесплатном аудите посмотрим ваши задачи и скажем, где открытые веса окупятся.