Mistral लार्ज 4 यूरोप को एक नया ओपन-वेट AI विकल्प प्रदान करता है
Mistral ने यूरोपीय टीमों के लिए एक कोडिंग AI की स्वयं-मेजबानी करने के लिए बड़े 4 वजन खोले। बेंचमार्क दक्षता दिखाते हैं, लेकिन कार्य फिट, लाइसेंस और लागत परीक्षण की आवश्यकता होती है।
मुख्य जानकारी
- मिस्ट्रल ने 29 अक्टूबर को Mistral Large 4 (Le Chonk) के लिए खुले वजन जारी किए, जिससे डेवलपर्स और संगठनों को एक European AI मॉडल दिया जा सकता है जिसे वे अपने स्वयं के बुनियादी ढांचे पर डाउनलोड, अनुकूलित और चला सकते हैं।
- मॉडल को कोडिंग और साइबर सुरक्षा कार्यों के लिए एक मजबूत विकल्प के रूप में तैनात किया गया है, जिसमें बेहतर तर्क दक्षता और कई परिनियोजन पथ हैंः API, मेजबानी की गई तैनाती, या Mistral लाइसेंस के तहत स्व-मेजबान भार।
- बेंचमार्क तुलनाओं से पता चलता है Le Chonk प्रमुख चीनी ओपन-वेट मॉडल जैसे कि जीएलएम - 5.3, Kimi K3 और DeepSeek V4 के साथ प्रतिस्पर्धा करना।1 फ्लैश, जबकि अभी भी उद्धृत मानव वरीयता मूल्यांकन में नीचे रैंकिंग Claude Opus 5.5 ।
- Le Chonk लगभग एक ट्रिलियन कुल मापदंडों और टोकन प्रति मोटे तौर पर 52 बिलियन सक्रिय के साथ विशेषज्ञों के मिश्रण वास्तुकला का उपयोग करता है, जो उच्च अंत GPU सर्वर से लेकर मशीनों Apple Silicon पर क्वांटिज्ड रन तक तैनाती सेटअप की एक विस्तृत श्रृंखला को सक्षम बनाता है।
- रिलीज़ एक सार्थक यूरोपीय ओपन-वेट विकल्प जोड़ता है, लेकिन टीमों को अभी भी केवल बेंचमार्कों पर भरोसा करने के बजाय अपने स्वयं के कार्यों, लाइसेंस शर्तों, परिचालन लागत और शासन आवश्यकताओं पर प्रदर्शन का मूल्यांकन करना होगा।
मेटा विवरणः मिस्ट्रल ने 29 अक्टूबर को Mistral Large 4, तथाकथित Le Chonk वजन खोला, जिससे डेवलपर्स और संगठनों को एक European AI मॉडल चलाने, अनुकूलन करने और तुलना करने की अनुमति मिली।
टैगः Mistral Large 4, Le Chonk, ओपन-वेट AI, AI कोडिंग एजेंट
विशेष रुप से प्रदर्शित छवि: (अंग्रेज़ी में) ">"</string> सर्वर और लैपटॉप पर तैनात किए जा रहे एक बड़े ओपन-वेट AI मॉडल का अमूर्त मैत्रीपूर्ण चित्रण, शील्ड और कोड आइकन के साथ, कोई लोग, लोगो या पाठ नहीं।
Mistral Large 4 ओपन वेट्स अब डेवलपर्स और संगठनों के लिए उपलब्ध हैं। 29 अक्टूबर को, French AI कंपनी ने अपने सबसे बड़े मॉडल, Mistral Large 4, जिसे Le Chonk भी कहा जाता है, का वजन जारी किया। 6 अक्टूबर को पेश किए गए API पूर्वावलोकन से अगले हफ्तों में इसे प्रशिक्षित करना जारी रखने के बाद। कंपनी का कहना है कि बेहतर संस्करण ने कोडिंग और साइबर सुरक्षा प्रदर्शन को मजबूत किया और तर्क अधिक कुशल बना दिया। उन टीमों के लिये जिन्हें अपने बुनियादी ढांचे पर एक AI मॉडल चलाने की आवश्यकता होती है, रिलीज एक नया विकल्प प्रदान करता हैः मॉडल डाउनलोड करें, उसे अनुकूलित करें और तय करें कि यह कहाँ संचालित होता है।
रिलीज़ टीमों को क्या देता है
मिस्ट्रल का मॉडल अब एक के माध्यम से इस्तेमाल किया जा सकता है API, होस्ट किए गए परिनियोजन, या भार को डाउनलोड करके और उन्हें मिस्ट्रल लाइसेंस के तहत चलाकर। उदाहरण के लिए, एक यूरोपीय संगठन जो कोडिंग सहायक बनाता है, वह चुन सकता है कि वह कितना नियंत्रण चाहता है जहां कोड संसाधित होता है और कौन मॉडल चलाता है। मिस्ट्राल इसे अपनी संप्रभु AI रणनीति के हिस्से के रूप में प्रस्तुत करता है, जिससे संगठनों को उन मॉडलों और बुनियादी ढांचे पर अधिक नियंत्रण मिलता है जिन पर वे निर्भर हैं। यह संवेदनशील डेटा, प्रदाता विकल्पों या प्रणालियों के शासनAI की आवश्यकताओं वाली टीमों के लिए सबसे ज्यादा मायने रखता है। यूरोपीय विकास स्वचालित रूप से हर कंपनी नियम को संतुष्ट नहीं करते हैं, और स्व-मेजबानी हार्डवेयर और संचालन लागत जोड़ती है। फिर भी, रिलीज़ में एक यूरोपीय विकसित मॉडल शामिल है जिसे संगठन अपने स्वयं के सिस्टम के भीतर परीक्षण कर सकते हैं।
जहां Le Chonk बेंचमार्क प्रतियोगिता में फिट बैठता है
मिस्ट्रल ने एक भीड़ भरे क्षेत्र की ओर इशारा किया। इसकी कोडिंग तुलना में जीएलएम- Mistral Large से जेड.एआई, Le Chonk से Moonshot AI और DeepSeek V4 शामिल हैं।1 फ्लैश, सभी चीनी ओपन-वेट मॉडल। मिस्ट्राल रिपोर्ट करता है कि Le Chonk इंडेक्स पर 48% स्कोर किया गया था, कंपनी की तुलना में GLM- 5.3 के करीब, और प्रति कार्य औसतन कम टोकन का उपयोग किया जाता था। European AI कम टोकন उपयोग उन एजेंटों के लिए मायने रख सकता है जो कई कदम उठाते हैं, लेकिन यह अंतिम लागत या किसी विशिष्ट परियोजना के लिए आउटपुट स्वीकार्य है या नहीं, प्रकट नहीं करता है।
मिस्ट्रल का यह भी कहना है कि उन्नत मॉडल टर्मिनल-बेंच पर 41% तक पहुंच गया, जो टर्मीनल वातावरण में एजेंटों का परीक्षण करता है,4.0 पूर्वावलोकन के लिए रिपोर्ट किए गए 28.3% से ऊपर, कंपनी के आंकड़ों में लगभग 13 प्रतिशत अंक की वृद्धि। घोषणाएं नहीं दिखाती हैं कि प्रत्येक परीक्षण स्थिति समान थी, और एक एकल बेंचमार्क किसी विशेष रिपॉजिटरी में उसी परिणाम की गारंटी नहीं दे सकता है। एजेंट बेंच मार्क्स एक सेटअप को मापते हैं, जिसमें मॉडल, उपकरण और एजेंट कैसे चलाया जाता है; उस सेटिंग को बदलना परिणाम को बदल सकता है.
तुलनाओं में एक अमेरिकी मॉडल भी शामिल है। मिस्ट्रल द्वारा उद्धृत Surge Code अंधा मूल्यांकन में, मानव ग्रेडरों ने जीएलएम, किमी और डीपसेक से उन लोगों पर Le Chonk के उत्तर को प्राथमिकता दी, जबकि Claude Opus 5.5 का मूल्यांकन किए गए मॉडलों के बीच आगे रखा गया था। 47% टोकन आंकड़ा GLM- 5.3, क्लाउड नहीं की तुलना करता है। इन नंबरों का मतलब यह नहीं है कि मिस्ट्राल ने स्वीकार किया है कि वह अमेरिकी प्रयोगशालाओं को पकड़ नहीं सकता है, और वे हर कार्य में स्थायी अंतर स्थापित नहीं करते हैं। वे एक यूरोपीय मॉडल को स्थापित खुले वजन वाले प्रतिद्वंद्वियों के साथ गंभीर बातचीत में प्रवेश करते हुए दिखाते हैं, जिसमें एक टीम के लिए विचार करने के लिए एक से अधिक मानदंड होते हैं।
कुछ यूरोपीय संगठनों के लिए, यूरोप में विकसित एक मॉडल उस पसंद का एक सार्थक हिस्सा हो सकता है, लेकिन अनुपालन वास्तविक तैनाती और समझौतों पर निर्भर करता है। ओपन-वेट प्रतिद्वंद्वियों पर ध्यान केंद्रित करना यह भी दर्शाता है कि मिस्ट्रल आज सबसे प्रभावी रूप से प्रतिस्पर्धा कर सकते हैं।
गति, आकार और नियंत्रण की लागत
एक कोडिंग मॉडल का उपयोग तब भी किया जाना चाहिए जब कोई व्यक्ति प्रतीक्षा कर रहा हो। एक Hugging Face परिनियोजन उदाहरण में, टीम ने आठ NVIDIA H200 GPUs और FP8 भारों का उपयोग करके एंडपॉइंट पर एकल अनुरोध के लिए प्रति सेकंड लगभग 65 उत्पन्न टोकन की सूचना दी। यह संख्या एक सेटअप का वर्णन करती है, हर तैनाती नहीं, और तेजी से टोकन पीढ़ी का मतलब यह नहीं है कि पूर्ण कोडिंग कार्य जल्दी समाप्त होता है। पूरे कार्य में तर्क, उपकरण कॉल करना, परीक्षण चलाना और गलतियों को सुधारना शामिल हो सकता है।
मॉडल का उपनाम इसके आकार को दर्शाता है। Le Chonk इसमें कुल मिलाकर लगभग एक ट्रिलियन पैरामीटर हैं, जिसमें प्रत्येक टोकन के लिए लगभग 52 बिलियन सक्रिय हैं। यह मिश्रण-विशेषज्ञ वास्तुकला का उपयोग करता है, जो किसी दिए गए टोकन में केवल मॉडल के हिस्से को सक्रिय करता है। इससे प्रत्येक चरण में किए जाने वाले कार्य को कम किया जाता है, लेकिन पूर्ण मॉडल अभी भी इसे चलाने वाली प्रणाली के लिए उपलब्ध होना चाहिए। मिस्ट्रल के मॉडल कार्ड तकनीकी विवरण और तैनाती उदाहरण देते हैं।
Hugging Face की तैनाती गाइड भी एक निचले-अंत पथ दिखाता हैः 2-बिट वेरिएंट एकीकृत मेमोरी के 512 GB के साथ एक कंप्यूटर पर चलते हैं। टीम Q2_K संस्करण के लिए प्रति सेकंड लगभग 15 उत्पन्न टोकन रिपोर्ट करती है M3 Ultra. क्वांटिज़ेशन मॉडल को संपीड़ित करता है, और यह कॉन्फ़िगरेशन एक सार्वभौमिक न्यूनतम या वादा नहीं है कि गुणवत्ता अपरिवर्तित रहती है। वही गाइड आठ के साथ अंत बिंदु का वर्णन करता है H200 GPUs
वजन को स्वयं चलाने का अर्थ है उपयुक्त हार्डवेयर के लिए भुगतान करना, सेवा संचालित करना और पहुंच और अद्यतनों का प्रबंधन करना। वेट मिस्ट्रल के ओपन-वेट लाइसेंस के तहत जारी किए जाते हैं, हर उपयोग के लिए एक अप्रतिबंधित वादा नहीं किया जाता है। मिस्ट्राल कहते हैं कि मॉडल की पेशकश करने वाले व्यवसायों को एक अलग वाणिज्यिक लाइसेंस की आवश्यकता होती है, इसलिए टीमों को उनके उपयोग मामले के लिए वास्तविक शर्तों की जांच करनी चाहिए। मिस्टरल यह भी कहता है Le Chonk में अंतर्निहित गार्डरेल्स और रक्षात्मक सुरक्षा कार्यों पर प्रदर्शन रिपोर्ट और चयनित दुर्भावनापूर्ण अनुरोधों पर अस्वीकृति शामिल है। उदाहरण के लिए, एक सुरक्षा टीम जो किसी असिस्टेंट से अपरिचित भेद्यता की जांच करना चाहती है उसे एक्सेस कंट्रोल, समीक्षा प्रक्रियाओं और नीतियों को परिभाषित करने की आवश्यकता हो सकती है। भार डाउनलोड करने से संगठन को मॉडल के आसपास तैनाती पर अधिक नियंत्रण मिलता है, लेकिन मॉडल के व्यवहार को बदलने के लिए अतिरिक्त काम की आवश्यकता पड़ सकती है और इसमें सीमाएं हो सकती हैं।
कैसे एक टीम चुनाव का परीक्षण कर सकती है
कोडिंग सहायक का चयन करने वाली एक कंपनी गैर-व्यापार योग्य आवश्यकताओं की सूची के साथ शुरू कर सकती हैः जहां उसका कोड संसाधित किया जा सकता है, कौन से प्रदाता इसका उपयोग कर सकते हैं और किसके पास पहुंच नियंत्रण होना चाहिए। ये आवश्यकताएं तय करती हैं कि क्या होस्ट API एक विकल्प है और कौन सी तैनाती करीब से समीक्षा के लायक है।
इसके बाद, टीम मौजूदा बग को ठीक करने और परीक्षण जोड़ने जैसे प्रतिनिधि कार्यों का एक छोटा सेट चला सकती है Le Chonk और किसी अन्य मॉडल के खिलाफ इसका उपयोग करने की अनुमति दी जाती है। एजेंट टूल और मूल्यांकन मानदंडों को व्यावहारिक रूप से सुसंगत रखना, मॉडल संस्करणों और सेटिंग्स को रिकॉर्ड करना, और भिन्नता देखने के लिए पर्याप्त रन दोहराना तुलना को अधिक उपयोगी बना सकता है। टीम को स्वीकार किए गए परिणाम, एंड-टू-एंड समय, टोकन और बुनियादी ढांचे की लागत और परिवर्तन पर भरोसा करने के लिए आवश्यक मानव समीक्षा की तुलना करनी चाहिए। यह एक प्रस्तावित मूल्यांकन पथ है, न कि पहले से चल रहे परीक्षण।
यदि एक होस्ट किया गया एंडपॉइंट आवश्यकताओं को पूरा करता है, तो यह शुरू करने के लिए सबसे सरल जगह हो सकती है। अगर ऐसा नहीं होता है, स्व-होस्ट किए गए संस्करण टीम को एक और रास्ता देता है, हार्डवेयर और परिचालन लागतों के साथ जो तुलना में आते हैं।
रिलीज़ उल्लेखनीय है क्योंकि मिस्ट्रल को हर टीम के लिए सबसे मजबूत बंद अमेरिकी मॉडल पर उसी कारण से चुनने की आवश्यकता नहीं है। कुछ टीमें अपनी क्षमताओं या सुविधा के लिए एक होस्ट किए गए मॉडल को पसंद करेंगी। दूसरों को एक मजबूत मॉडल की आवश्यकता होती है जिसे वे अपनी आवश्यकताओं के तहत तैनात और अनुकूलित कर सकते हैं। यही वह जगह है जहां Le Chonk का अवसर निहित है। मिस्ट्रल गंभीर चीनी ओपन-वेट मॉडलों के साथ प्रतिस्पर्धा कर रहा है, जबकि संगठनों को एक अन्य यूरोपीय विकसित विकल्प दे रहा है। बेंचमार्क सुझाव देते हैं कि यह उस बातचीत में शामिल है, लेकिन वे तय नहीं करते हैं कि कौन सा मॉडल प्रत्येक टीम के लिये सबसे अच्छा काम करेगा।
उन कंपनियों के लिए जिन्हें अपने AI पर अधिक नियंत्रण की आवश्यकता है, मूल्यांकन करने के लिए एक और सक्षम विकल्प होना पहले से ही सार्थक है। अगला निर्णय यह है कि क्या वह नियंत्रण इसके साथ आने वाले बुनियादी ढांचे और जिम्मेदारी के लायक है या नहीं।
मूल खाता Towards AI में मीडियम पर प्रकाशित किया गया था, जहां पाठक कहानी को उजागर और प्रतिक्रिया देकर बातचीत जारी रख रहे हैं।

Comments (0)