Mistral Large 4 (Le Chonk): open weights, licence, cena a benchmarky

Mistral Large 4, přezdívaný Le Chonk, je mixture-of-experts model s 1 bilionem parametrů a 49 miliardami aktivních parametrů. Mistral AI ho vydal jako veřejné preview API 6. října 2026 a 29. října pak vydal vylepšenou finální verzi i open weights. Čte text i obrázky, odpovídá textem a teď stojí $0,70 za milion vstupních tokenů.

Mistral o něm tvrdí, že je to nejlepší open-weight model pro programování a jeden z nejschopnějších open modelů vůbec. Nezávislá čísla potvrzují první polovinu tvrzení o USA a Evropě a to globální komplikují. Tento článek staví benchmarky Mistralu vedle skóre, která zveřejňuje Artificial Analysis, a probírá specifikace, novou cenu, licenci i to, jak váhy spustit. Poprvé jsme ho napsali v den vydání a aktualizovali 7. listopadu 2026, když váhy vyšly.

Hlavní body

• Velikost: 1,05 bilionu parametrů celkem, 49 miliard aktivních na token (52 miliard včetně embeddingové a výstupní vrstvy), k tomu vizuální enkodér s 1,6 miliardy parametrů. Vstup text a obrázky, výstup text, kontextové okno 1M tokenů.
• Váhy: venku od 29. října na Hugging Face, dva dny po 27. říjnu, který Mistral uvedl novinářům, pod licencí Mistral Ecosystem Open-Weight license, upravenou licencí MIT.
• Cena: $0,70 vstup / $2,10 výstup za milion tokenů, zhruba polovina ceníkové ceny preview $1,36 / $4,18.
• Nezávislé skóre: 26,1 v Artificial Analysis Intelligence Index v5.0.1, nejvíc ze všech open modelů z USA nebo Evropy, ale za GLM-5.3 (31,7) a Kimi K3.1 Pro (46,5).
• Hlavní argument: programování a kybernetická obrana. Mistral hlásí 48 % v Coding Agent Indexu od AA, na úrovni GLM-5.3, a 51 % v AA Cyber Indexu, přičemž odmítá 96,6 % škodlivých kybernetických požadavků.

Co je Mistral Large 4

Mistral Large 4 je zatím největší a nejschopnější model Mistral AI, řídká mixture-of-experts síť, která pro každý token zapíná jen asi 5 % svých vah. Mistral ho sám označuje jako „open-weight hybrid instruct-and-reasoning MoE with multimodal input“, tedy jeden model, který zvládá rychlé odpovědi, uvažování krok za krokem i agentní práci s nástroji. Finální verze přidává tři režimy uvažování, low, medium a high (výchozí), takže u každého požadavku můžete vyměnit hloubku za rychlost a cenu.

Mistral oznámil preview na X 6. října ve 13:06 UTC. Příspěvek obsahuje čtyři tvrzení, na kterých celé vydání stojí: velikost, žebříček open-weight modelů, cílová odvětví a evropskou infrastrukturu.

Meet Mistral Large 4, aka Le Chonk.

• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding.
• Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure.
• Available to all via API today. Working with cybersecurity partners privately.

Open weights release end of October.

— Mistral AI (@MistralAI) October 6, 2026

Specifikace níže pocházejí z karty modelu v dokumentaci Mistralu a z jeho karty modelu na Hugging Face.

Oba spory o specifikace z prvního dne jsou vyřešené. Materiály k preview uváděly 49 miliard aktivních parametrů, zatímco karta v dokumentaci během hodiny přešla na 52 miliard, bez jakékoli poznámky. Karta na Hugging Face to vysvětluje: na token je aktivních 49 miliard parametrů a 52 miliard, když se započítá embeddingová a výstupní vrstva. Uzavřel se i rozdíl u kontextového okna. V den vydání Artificial Analysis uváděla 524 288 tokenů a Vals 512K proti 1M od Mistralu; Mistral, Hugging Face i Artificial Analysis teď všichni uvádějí 1M.

Proč se jmenuje Le Chonk

Le Chonk je internetový slang pro hodně tlustou kočku a jméno je vtip, který začala komunita. VentureBeat ho odvozuje od Le Chaton Fat, smyšleného obřího modelu Mistralu, který se v červnu šířil po X a Redditu i s falešnými grafy benchmarků. Generální ředitel Mistralu Arthur Mensch tehdy odpověděl, že jde „actually le gros chaton“. Hlavní vědec Guillaume Lample řekl VentureBeatu, že se v Mistralu memu bavili a že ML4 lze číst jako první verzi té myšlenky, přičemž větší modely teprve přijdou.

Samotný trénink vtip nebyl. Mistral uvádí, že ML4 natrénoval od nuly na 3 800 GPU NVIDIA Grace Blackwell ve vlastních evropských datacentrech a provozuje ho na stejných strojích. VentureBeat, CNBC i Euronews psaly o 4 000 GPU a zhruba dvou měsících, což zřejmě pochází z tiskového briefingu. Písemné oznámení Mistralu i jeho karta na Hugging Face uvádějí 3 800.

Náš článek o Le Chaton Fat končil jednoduchým testem pro každý model, o kterém se zrovna mluví: žádné váhy, žádné API a žádná dokumentace znamenají, že jde nejspíš o koťátko. V den vydání splňoval Le Chonk dvě ze tří podmínek. Od 29. října splňuje všechny tři.

Benchmarky Mistral Large 4: čísla Mistralu proti nezávislým

Mistral Large 4 podle dosud zveřejněných nezávislých dat překonává každý americký i evropský open model, ale s nejlepšími čínskými open modely se nevyrovná. Vlastní grafy Mistralu a skóre třetích stran vyprávějí dva trochu odlišné příběhy, proto je uvádíme odděleně.

Co uvádí Mistral

U finálního modelu Mistral hlásí 48 % v Coding Agent Indexu od Artificial Analysis, což označuje za „effectively tied“ s GLM-5.3 při o 47 % menší spotřebě tokenů na úlohu. Uvádí také 41 % v Terminal-Bench 4.0, o 13 bodů víc než preview, a vedoucích 19,7 % v neveřejném FrontierCode 2.0 od Cognition. Ve slepých srovnáních kódu od Surge mu hodnotitelé dali přednost před GLM-5.3, Kimi K3 a DeepSeek V4.1 Flash a zařadili ho jen za Claude Opus 5.5, jak uvádí oznámení vah.

Čísla z preview přišla dřív. V den vydání Mistral hlásil 61,7 % v DeepSWE v1.1, 59,4 % v SWE-Atlas-QnA a 28,3 % v Terminal-Bench 4.0, celkem tedy 49,8 % v Coding Agent Indexu, ve svém oznámení. VentureBeat porovnal tento graf programování s živým žebříčkem DeepSWE, který tehdy řadil GLM-5.3 i Kimi K3 kolem 69 % a GPT-6 Astra, Gemini 3.8 Flash a Claude Opus 5 kolem 74 %.

Těch 61,7 % tedy bylo konkurenceschopných, ne vedoucích.

Ostatní tvrzení z prvního dne pocházejí všechna od Mistralu. Preview dosáhlo 59,9 % v AutomationBench, sadě 657 firemních pracovních postupů napříč Gmailem, Google Sheets, Slackem a Salesforce, a 1 393 Elo v AA-Briefcase pro dlouhodobou znalostní práci. V testu vizuálního ukotvení Dense 200 mělo 42 % proti 41 % u GPT-6 Astra, na čemž stojí věta, že „surpasses closed frontier models on visual grounding“. Ve slepém testu kvality kódu se Surge AI ho hodnotitelé ohodnotili 3,74 z 5, jako druhý z pěti modelů, hned za Claude Opus 5 se 4,22. U finálního modelu Mistral přidává 84,5 % v BrowseComp a 73,3 % ve finančním benchmarku Finch, druhé místo mezi open modely za Kimi K3.

Co naměřili nezávislí hodnotitelé

Artificial Analysis dává finálnímu Mistral Large 4 (high) skóre 26,1 ve svém Intelligence Indexu v5.0.1, souhrnu devíti testů. Verze 5 používá těžší testy než index v4.3.2, který preview v den vydání ohodnotil na 38, takže obě čísla nelze srovnávat. Ve v5.0.1 je stále nejlepším open modelem z USA nebo Evropy, před Muse Spark Open od Mety, a stále za nejlepšími čínskými open modely.

Preview mělo na stránce AA jednu jasnou slabinu: bylo velmi upovídané a při běhu indexu v4.3.2 vyprodukovalo 200 milionů tokenů, zatímco medián byl 81 milionů, což náklady na jednu úlohu indexu vytlačilo na $1,13 navzdory skromné ceníkové ceně. Mistral uvádí, že finální model to z velké části napravuje a v Terminal-Bench 4.0 má o 30 % méně výstupních tokenů. Náš průvodce AI benchmarky vysvětluje, co index měří a proč jedno číslo srovnání nikdy nerozhodne.

Vals.ai, druhý nezávislý hodnotitel, dal preview 48,05 % ve Vals Indexu, 32. místo ze 44 modelů celkově a deváté mezi open-weight modely. Nejlepším výsledkem byl Harvey's Legal Agent Benchmark, kde preview mělo 15,83 % a bylo šesté ze 75, první mezi open modely. Vals toto pořadí zveřejnil během pár minut po vydání.

Mistral Large 4 is now the #1 open-weight model on HLAB and #9 among open-weight models on the Vals Index.

— Vals AI (@ValsAI) October 6, 2026

Poctivé shrnutí: tvrzení, že ML4 je nejlepší open model z USA nebo Evropy, na Artificial Analysis stále platí. Tvrzení, že drží krok s nejsilnějšími open modely na světě, je u obecné inteligence přehnané, kde ho GLM 5.3 předstihuje zhruba o šest bodů a Kimi K3.1 o dvacet. Programování je oblast, kde finální model rozdíl dotáhl, pokud se potvrdí 48 % v Coding Agent Indexu od AA, které uvádí Mistral.

Skutečná přednost je kybernetická bezpečnost

Nejsilnějším argumentem pro Mistral Large 4 je kybernetická bezpečnost, ne obecná inteligence. U finálního modelu Mistral hlásí 51 % v Artificial Analysis Cyber Indexu, který testuje, zda model dokáže najít zranitelnosti v kódu, reprodukovat je a opravit, aniž by cokoli rozbil. Při vydání preview Mistral uvedl, že v jednom z testů indexu, reprodukci skutečné zranitelnosti a její opravě, má ML4 82 %, nejvíc ze všech modelů, a že vyřeší 93 % ze 40 úloh v Cybench.

Zajímavé je, proč v tomto testu vyhrává.

Podle Mistralu měly Claude Opus 5.5 a GPT-6 Astra ve stejné úloze při vydání téměř nulu, protože ji odmítají provést. Mistral argumentuje, že obránci často musí dokázat, že chyba je skutečná, než ji opraví. Bezpečnostní filtr poskytovatele může zablokovat přesně tuhle práci uprostřed incidentu. Open-weight model běžící na vašich vlastních serverech nemůže vypnout změna pravidel.

Jak Mistral svou sázku jistí

Mistral tuto sázku zároveň jistí. Uvádí, že finální model odmítá 96,6 % škodlivých kybernetických požadavků, nejvíc ze všech open modelů, které měřil. Přiznává ale i riziko: sledování živého provozu od vydání preview ukázalo „a potential for uplift to conduct real attacks“ a Mistral v příštích měsících zpřísňuje své ochrany. Specializovaná varianta pro penetrační testy a red-teaming je v preview jen pro prověřené partnery, jako je Orange Cyberdefense, na základě smlouvy a jen na systémech, které vlastní nebo smějí testovat. Lample v den vydání popsal cíl tak, aby se firmy a vlády mohly „defend themselves against threat actors that are jailbreaking closed models to perform cyber attacks“, jak ho citovala CNBC.

Z.ai řešila stejné dilema v srpnu. GLM 5.3 vydala bez vah a na X uvedla, že vyjdou „in stages following rigorous safety evaluations“. Mistral dal pevnější slib a dodržel ho, dva dny po 27. říjnu, který uvedl novinářům.

Je Mistral Large 4 open source?

Mistral Large 4 je open-weight model, ne open source v přísném smyslu. Mistral zveřejnil váhy na Hugging Face 29. října spolu s kvantizovaným checkpointem NVFP4 pro GPU NVIDIA Blackwell, technickou zprávou a návody pro nasazení ve vLLM a SGLang. Váhy patří vylepšenému finálnímu modelu, ne preview.

Lampleovo vlákno z vydání vysvětlovalo, proč váhy přišly tři týdny po preview. Běh reinforcement learningu za preview stále probíhal a Mistral chtěl spolu s vahami vydat finální verzi.

Today, we are launching a preview of our new model, Mistral Large 4 (ML4), aka le Chonk 🐈.
ML4 is a 1T-parameter model with 49B active parameters, trained natively with multimodal capabilities.

It is at the frontier of open models, and by far the strongest open-weight model from the US or Europe.
The RL run behind this preview is still in flight and shows no sign of saturation -- we will release a final version before the end of the month along with the weights of the model.
🧵
1/n

— Guillaume Lample (@GuillaumeLample) October 6, 2026

Licencí je Mistral Ecosystem Open-Weight license, upravená licence MIT. Mistral uvádí, že model lze zdarma používat, upravovat, dolaďovat i komerčně využívat s jedinou podmínkou: firma, která provozuje službu typu Model-as-a-Service, musí před komerčním použitím získat samostatnou komerční licenci. Je tedy méně volná než Large 3, který vychází pod Apache 2.0, a nabídka Mistralu není jednotná: Mistral Medium 3.5 má vlastní upravenou licenci MIT. Než na něm postavíte hostovaný produkt, přečtěte si podmínky.

Artificial Analysis teď vede Mistral Large 4 jako open weights pod komerční licencí. Pokud ho srovnáváte s dalšími modely, které si dnes můžete stáhnout, přehled nejlepších open source AI modelů pokrývá celé pole.

Cena Mistral Large 4

Mistral Large 4 stojí $0,70 za milion vstupních tokenů a $2,10 za milion výstupních tokenů, cachovaný vstup $0,07. Tuto cenu Mistral stanovil 29. října spolu s finálním modelem a uvádí ji ceník API i karta modelu v dokumentaci.

Preview mělo cenu jinou. Ceníková cena byla $1,36 za vstup, $0,14 za cachovaný vstup a $4,18 za výstup, a během prvních dvou týdnů preview je karta v dokumentaci Mistralu ukazovala přeškrtnuté a snížené na polovinu, $0,68, $0,07 a $2,09, bez vysvětlení. Finální cena vychází téměř přesně na tuto dřívější poloviční cenu.

Mistral Large 4 nahrazuje dva starší modely. Mistral 31. října ukončil podporu Large 3 i Medium 3.5, u obou uvádí jako náhradu Large 4 a 30. dubna 2027 je vyřadí. Náš přehled cen Mistral AI popisuje předplatné Vibe i zbytek nabídky API. Mistral se srovnává s DeepSeekem častěji než s jakoukoli jinou laboratoří a náš rozbor DeepSeek V4 tohoto rivala popisuje.

Jak Mistral Large 4 vyzkoušet

Mistral Large 4 je dostupný na více místech než preview. Vývojáři ho mohou volat přes Mistral API v Mistral Studiu, na OpenRouteru, přes hostované endpointy NVIDIE nebo v Microsoft Foundry, který byl podle Mistralu prvním cloudovým poskytovatelem s tímto modelem. Karta v dokumentaci uvádí podporu strukturovaných výstupů, volání funkcí, otázek nad dokumenty, dávkového zpracování a vestavěných agentních nástrojů Mistralu.

Pro programování Mistral odkazuje na Vibe Code, programovací režim Vibe, asistenta dříve nazývaného Le Chat, kde si Large 4 vyberete a zadáte mu funkci k vytvoření nebo chybu k opravě. Pokud ho chcete provozovat sami, stáhněte si váhy z Hugging Face a nasaďte je ve vLLM nebo SGLang. Pokud chcete hlavně porovnávat odpovědi několika špičkových modelů bez správy API klíčů a GPU, Fello AI nabízí Mistral vedle Claude, GPT a Gemini v jedné aplikaci pro Mac.

Vyplatí se přejít na Mistral Large 4?

Přejděte, pokud hledáte kvůli evropskému hostingu, kybernetické bezpečnosti nebo vlastnímu provozu. Pro tým, který potřebuje zpracovávat AI v EU podle evropského práva, je Mistral Large 4 nejsilnější model, jaký Mistral provozuje na vlastní evropské infrastruktuře, a díky vahám ho můžete místo toho spustit na vlastních serverech. Pro bezpečnostní týmy, které už nebaví odmítání při legitimní práci se zranitelnostmi, je to nejjasnější otevřená možnost k vyzkoušení. A pokud používáte Large 3 nebo Medium 3.5, na přechod máte čas do 30. dubna 2027.

Všem ostatním doporučujeme nejdřív testovat.

Na Artificial Analysis mají GLM-5.3 a Kimi K3.1 Pro v obecné inteligenci stále vyšší skóre a oba si také můžete stáhnout. Podmínka pro Model-as-a-Service je důležitá, pokud chcete přístup přeprodávat. Těžko se mu dá konkurovat cenou za model této velikosti: $0,70 za milion vstupních tokenů za model s bilionem parametrů, který můžete navíc vlastnit.

Časté dotazy

Úvodní obrázek k tomuto článku vznikl s pomocí AI.