[Перевод] Китайские нейросети против французских: Mistral бросает вызов DeepSeek

Mistral выпустила Le Chonk — модель, которую можно скачать и развернуть на собственной инфраструктуре. Французская компания утверждает, что после доработки она сравнялась с ведущими китайскими разработками или превзошла их в программировании и кибербезопасности. Но главный спор вокруг релиза касается контроля: кто должен распоряжаться ИИ, когда от него зависит защита корпоративных систем?

Что представляет собой Le Chonk

Le Chonk — название Mistral Large 4, модели примерно с триллионом параметров. Предварительную версию представили 6 октября, а веса обновлённой модели опубликовали 29 октября 2026 года. Между этими этапами разработчики продолжали обучение с подкреплением, усложняя задания по коду и кибербезопасности.
Le Chonk использует архитектуру Mixture of Experts: для обработки очередного токена выбирается часть специализированных блоков. Согласно карточке модели, активны около 52 миллиардов параметров с учётом входных и выходных слоёв. Поэтому триллион параметров не означает, что все они участвуют в каждом вычислении.

При этом для запуска нужно разместить веса в памяти и обеспечить приемлемую скорость. В официальном примере vLLM модель распределена между восемью GPU. Скачиваемые веса сами по себе не делают такую систему дешёвой в эксплуатации.

На чём основаны заявления о лидерстве

Mistral подкрепляет свои слова результатами нескольких тестов. По данным компании, обновлённая Le Chonk получила 19,7% в FrontierCode 2.0 — закрытом тесте Cognition, который оценивает качество изменений в коде и готовность сопровождающего проекта принять их.

В Artificial Analysis Coding Agent Index компания указывает результат 48%: примерно на уровне GLM-5.3 от Z.ai, но с использованием в среднем на 47% меньшего количества токенов на задачу. Для Terminal-Bench 4.0 заявлены 41% и рост на 13 процентных пунктов относительно предварительной версии. 

Эти результаты характеризуют конкретные сценарии разработки. Место в сравнении зависит от задач, инструментов агента и выделенного бюджета. Оно не гарантирует, что Le Chonk лучше разберётся именно в вашем репозитории.

Экономия токенов полезна, но счёт за инфраструктуру зависит также от оборудования, загрузки серверов и времени выполнения. Процент из теста нельзя напрямую переносить в бюджет проекта.

Почему Mistral делает ставку на открытые веса

В интервьювице-президент Mistral по науке Пьер Сток объясняет позицию компании через зависимость от поставщика. Если ИИ помогает расследовать инциденты, внезапная потеря доступа к нему сама становится риском.

Например, если провайдер ограничит запросы во время расследования атаки, команде придётся срочно искать замену. Самостоятельное размещение позволяет убрать зависимость от внешнего API.

Однако фраза «модель нельзя отключить» требует уточнения. Разработчик не может просто отозвать доступ к уже скачанным весам так же, как к своему облачному сервису. Но организация по-прежнему зависит от серверов, электричества, программного окружения и собственных администраторов. За бесперебойную работу теперь отвечает она сама.

Есть и лицензионная граница. Le Chonk распространяется по Mistral Ecosystem Open-Weight License, модифицированной лицензии MIT. В ней предусмотрены отдельные условия для бизнеса Model-as-a-Service и исключение для внутреннего использования. Поэтому доступные веса не стоит описывать как разрешение на любую коммерческую схему без ограничений.

Где заканчивается независимость и начинается ответственность

Открытые веса доступны и защитникам, и злоумышленникам: сходные возможности помогают искать ошибки в своём ПО и готовить атаки на чужое. Рейф Пиллинг, старший директор Sophos по исследованию угроз, в комментарии WIRED называет это технологией двойного назначения.

Отсюда возникает противоречие в аргументации Mistral. Компания подчёркивает риски китайских моделей и предлагает европейскую альтернативу. Пиллинг обращает внимание на другую сторону вопроса: страна разработки сама по себе не определяет, насколько безопасно будет работать конкретная система.

Доступ к весам не объясняет автоматически каждое решение модели. Нужно видеть, к каким данным обращается агент, какие инструменты вызывает и куда отправляет результаты.

Это соответствует рекомендациям OWASP по безопасности ИИ-агентов: ограничивать полномочия, проверять действия перед исполнением и вести журнал. Перенос модели на свой сервер полезен для контроля инфраструктуры, но не заменяет этих механизмов.

Что проверить перед внедрением?

Начинать разумно с ограниченного пилота. Например, поручить агенту анализ копии репозитория и подготовку исправлений без права самостоятельно отправлять их в рабочую систему.

Сравните Le Chonk с уже используемой моделью на одинаковых задачах. Высокое место в рейтинге не компенсирует дорогую эксплуатацию или неконтролируемый доступ к данным.

Подписывайтесь на блог Спешу АИ: рассказываем о новых моделях и разбираем, что их возможности меняют на практике. В SpeShu.AI можно работать с разными ИИ-моделями в одном сервисе.