Mistral выпустила Le Chonk: конкурент китайским ИИ-моделям с возможностью запуска на своём сервере

Le Chonk — другое название Mistral Large 4, модели примерно с триллионом параметров. Первую версию представили 6 октября, а 29 октября 2026 года Mistral опубликовала обновлённые веса. За три недели разработчики дополнительно обучили модель на усложнённых задачах программирования и кибербезопасности, используя обучение с подкреплением.

Несмотря на триллион параметров, модель не задействует их все одновременно. Она построена по архитектуре Mixture of Experts («смесь экспертов»): для каждой операции система выбирает только нужные специализированные блоки. В результате при обработке очередного фрагмента текста работают около 52 млрд параметров, включая входные и выходные слои. Это снижает вычислительную нагрузку, но не делает запуск дешёвым. В официальном примере с использованием vLLM модель распределена между восемью графическими процессорами.

Насколько хорошо Le Chonk справляется с программированием? Mistral приводит результаты нескольких испытаний. В FrontierCode 2.0, закрытом тесте компании Cognition, модель получила 19,7%. Этот тест оценивает не просто способность написать код, а качество исправлений и их пригодность для включения в существующий проект.

В Artificial Analysis Coding Agent Index результат достиг 48% — примерно столько же, сколько у китайской GLM-5.3 от Z.ai. При этом, по данным Mistral, Le Chonk расходует в среднем на 47% меньше токенов на задачу. В Terminal-Bench 4.0 модель набрала 41%, улучшив результат предварительной версии на 13 процентных пунктов.

Однако победа в тесте ещё не означает, что модель лучше справится с задачами конкретной компании. Результат зависит от сложности заданий, доступных агенту инструментов и выделенных ресурсов. Даже экономия токенов не гарантирует снижения расходов: при самостоятельном запуске приходится оплачивать оборудование, учитывать загрузку серверов и время выполнения задач.

Для Mistral открытые веса — прежде всего вопрос независимости. Вице-президент компании по науке Пьер Сток обращает внимание на риск зависимости от внешнего поставщика. Представьте, что служба безопасности расследует кибератаку с помощью ИИ. Если провайдер в этот момент ограничит число запросов или отключит доступ, расследование может остановиться. С моделью на собственных серверах такого ограничения со стороны поставщика API нет.

Но независимость не означает полной автономности. Разработчик не может просто отозвать уже скачанные веса, как доступ к облачному сервису. Зато теперь сама компания должна следить за серверами, программным обеспечением и бесперебойной работой системы. К тому же открытые веса не дают неограниченных коммерческих прав. Le Chonk распространяется по Mistral Ecosystem Open-Weight License — модифицированной лицензии MIT, которая отдельно регулирует предоставление моделей как сервиса и предусматривает исключение для внутреннего использования.

Есть и более серьёзный вопрос: кто отвечает за безопасность такой системы? Старший директор Sophos по исследованию угроз Рейф Пиллинг в комментарии WIRED называет открытые ИИ-модели технологиями двойного назначения. Те же возможности, которые помогают специалистам находить уязвимости в собственном коде, могут пригодиться злоумышленникам для подготовки атак.

Mistral представляет свою разработку как европейскую альтернативу китайским моделям, подчёркивая риски зависимости от зарубежных технологий. Но, как отмечает Пиллинг, страна происхождения сама по себе ничего не гарантирует. Безопасность зависит от того, как именно компания использует модель и какие ограничения устанавливает.

Даже полный доступ к весам не позволяет автоматически понять, почему ИИ-агент принял то или иное решение. Важно контролировать, какие файлы и данные он читает, какие инструменты запускает и куда отправляет результаты. Рекомендации OWASP по безопасности ИИ-агентов предполагают ограничение прав доступа, проверку опасных операций перед выполнением и подробные журналы действий.

Поэтому внедрение Le Chonk лучше начинать с небольшого испытания. Например, дать агенту копию программного проекта и поручить исправить ошибку, не разрешая обращаться к секретам компании или самостоятельно отправлять изменения в рабочую систему. Затем проверить, действительно ли ошибка устранена, проходят ли тесты и можно ли восстановить последовательность действий агента.

Наконец, стоит посчитать стоимость принятого исправления — с учётом неудачных попыток, повторных запусков и времени инженера на проверку. И сравнить Le Chonk с уже используемой моделью на одинаковых задачах. Высокое место в рейтинге имеет смысл только тогда, когда модель приносит пользу в реальной работе, а расходы и риски остаются под контролем.