Французька компанія Mistral оприлюднила вагові коефіцієнти своєї нової моделі штучного інтелекту Mistral Large 4, яка має трильйон параметрів і в неофіційному вжитку називається Le Chonk. Тепер державні установи та корпоративні клієнти можуть самостійно завантажити систему і розгорнути її на власних обчислювальних потужностях, не звертаючись до сторонніх хмарних сервісів.
Компанія пояснює це рішення необхідністю технологічного суверенітету. У сфері кібербезпеки контроль над конфіденційними даними та інфраструктурою залишається пріоритетом для будь-якої організації, і локальне розгортання дає змогу не передавати чутливу інформацію на зовнішні сервери. Розробники стверджують, що модель досягає результатів, порівнюваних із найкращими закритими системами, водночас потребуючи значно менше обчислювальних ресурсів.
За технічними даними, Mistral Large 4 використовує на 47 відсотків менше токенів для виконання стандартних завдань порівняно з китайською відкритою моделлю GLM-5.3, яка раніше вважалася лідером у галузі кіберзахисту. Окрім економічної ефективності, модель демонструє високі показники в агентних завданнях з програмування за рейтингом спеціалізованого ресурсу Artificial Analysis, що дає змогу використовувати її для виявлення вразливостей у програмному коді. Ці показники стосуються саме агентних сценаріїв, коли система самостійно виконує послідовність дій, а не відповідає на окремі запити.
Щоб впровадити модель в ІТ-інфраструктуру організації, спершу потрібно отримати доступ до її ваг через платформу Hugging Face або офіційний API компанії Mistral. Після завантаження файлів слід підготувати локальний серверний кластер, який відповідає вимогам до обчислювальної потужності для роботи з моделлю такого обсягу. Після розгортання в екосистемі установи модель налаштовують на моніторинг трафіку та аналіз журналів подій для виявлення інцидентів безпеки в режимі реального часу.
Ключова перевага відкритої моделі полягає в тому, що організація не залежить від постачальника штучного інтелекту: доступ до її можливостей не може бути припинений централізовано. Представники компанії зазначають, що такий підхід дає організаціям стабільність під час реагування на масштабні кібератаки, коли доступ до інструментів має залишатися безперервним.
Попри побоювання щодо можливого зловживання автономними агентами, розробники вважають ризики керованими. Вони наголошують, що посилення загального захисного середовища через надання інструментів кожному користувачеві є, на їхню думку, єдиним дієвим методом протидії сучасним загрозам у цифровому просторі. Саме тому компанія відкриває ваги, а не обмежується закритим доступом через власні сервіси.
За результатами тестів, розгортання Mistral Large 4 дає змогу автоматизувати пошук помилок і реагування на кіберінциденти, що скорочує час до виявлення активних загроз. Оскільки модель працює безпосередньо в середовищі замовника, ризик витоку інтелектуальної власності через передачу даних на зовнішні сервери мінімізується. Це робить систему привабливою для секторів із найжорсткішими вимогами до конфіденційності, зокрема для державного управління, фінансового сектору та критичної інфраструктури, де навіть затримки в обробці сигналів безпеки можуть мати наслідки.
Варто зважати, що всі наведені переваги, зокрема економія токенів і результати в рейтингу, поки що подано виробником та описано в одному джерелі. Незалежної перевірки продуктивності в цьому матеріалі немає, тож реальну ефективність у конкретній інфраструктурі кожна організація має оцінювати самостійно під час пілотного впровадження.
3
