در حالی که رقابت هوش مصنوعی بیشتر بین آمریکا و چین دیده میشود، شرکت فرانسوی Mistral در ۶ اکتبر ۲۰۲۶ (۱۴ مهر ۱۴۰۵) بزرگترین مدل خود را با نام میسترال لارج ۴ (Mistral Large 4) بهصورت پیشنمایش عمومی عرضه کرد. Mistral با شوخی آن را «le Chonk» (چاقالو) نامیده و وعده داده وزنهایش تا پایان اکتبر منتشر شود. در این مقاله بررسی میکنیم میسترال لارج ۴ چیست، چه ادعاهایی درباره آن شده، «حاکمیت هوش مصنوعی» اروپایی چه معنایی دارد و این مدل برای کاربر فارسیزبان چه جایگاهی دارد.
میسترال لارج ۴ در یک نگاه
| ویژگی |
مقدار (طبق Mistral) |
| تاریخ |
۶ اکتبر ۲۰۲۶، پیشنمایش عمومی |
| پارامترها |
۱.۰۵ تریلیون کل، ۵۲ میلیارد فعال |
| معماری |
ترکیب متخصصان (MoE) دانهریز، چندرسانهای بومی |
| رمزگذار تصویر |
۱.۶ میلیارد پارامتر |
| پنجره زمینه |
یک میلیون توکن |
| شناسه API |
mistral-large-4 |
| دسترسی |
API پیشنمایش در Mistral Studio |
| وزنها |
وعده انتشار تا پایان اکتبر ۲۰۲۶ |
| تخفیف معرفی |
۵۰ درصد به مدت دو هفته از تاریخ عرضه |
Mistral در صفحه مستندات، قیمت را به دلار و یورو نشان میدهد. چون قیمت پیشنمایش و تخفیف معرفی ممکن است تغییر کند، عدد فعلی را مستقیماً از صفحه رسمی مدل بخوانید.
Mistral چه ادعاهایی دارد؟
Mistral میگوید ML4 بزرگترین و توانمندترین مدلش تاکنون است و در کدنویسی، گردشکارهای ایجنتی و درک چندرسانهای عملکرد استثنایی دارد. ادعاهای اصلی:
- عملکرد رقابتی با قویترین مدلهای متنباز جهان، و برتری قابلتوجه بر هر مدل اپنویت ساخت آمریکا یا اروپا.
- در کارهای سازمانی حساس مثل امنیت سایبری، مالی و حقوق، بهترین در میان مدلهای باز.
- در برخی حوزهها مثل مکانیابی بصری اشیا (visual grounding)، حتی فراتر از مدلهای بسته مرزی.
- در شاخص Artificial Analysis Cyber Index جزو پنج مدل برتر جهان.
مثل همیشه، اینها ادعاهای خود سازنده است. جزئیات معماری، بنچمارکهای بیشتر و روش پسآموزش قرار است همراه انتشار وزنها منتشر شود.
ساخت اروپا؛ حاکمیت هوش مصنوعی
پیام اصلی Mistral فقط عملکرد نیست؛ «حاکمیت» است. طبق اطلاعیه رسمی:
- ML4 از صفر روی ۳۸۰۰ پردازنده NVIDIA Grace Blackwell در دیتاسنترهای خود Mistral در اروپا آموزش دیده است.
- پیشنمایش عمومی هم روی همان زیرساخت سرویس میشود.
- مدل در چند منطقه جهان در دسترس خواهد بود، از جمله استقراری اروپایی که Mistral کاملاً مستقل از دیگر ارائهدهندگان خدمات دیجیتال و تحت قانون اروپا اداره میکند.
- بخش قابلتوجهی از داده آموزشی چندزبانه بوده و بیش از ۱۶۰ زبان، از جمله همه زبانهای رسمی اتحادیه اروپا، را پوشش میدهد.
Mistral بهخصوص روی امنیت سایبری تأکید دارد: میگوید امتناعهای سطح ارائهدهنده میتواند جلوی تحقیقات مشروع آسیبپذیری را بگیرد و از دست دادن دسترسی به یک قابلیت در وسط یک حادثه امنیتی خودش یک ریسک جدی است. ترکیب مدل باز و استقرار مستقل به سازمانها اجازه میدهد کار امنیتی را تحت سیاستهای خودشان انجام دهند. تا زمان انتشار وزنها، Mistral مدل را با رهبران امنیت سایبری، شرکای تأییدشده و نهادهای دولتی در شرایط واقعی تست تیم قرمز میکند.
چرا میسترال لارج ۴ برای کاربران ایرانی جالب است؟
استدلال Mistral درباره «خطر از دست دادن دسترسی» برای کاربران ایرانی کاملاً آشناست. بعد از اختلال دسترسی ایرانیان به چتباتهای آمریکایی در اکتبر ۲۰۲۶، مدلهایی که وزنهایشان منتشر میشود جذابتر شدهاند. اگر Mistral به وعده انتشار وزنها عمل کند، ML4 یکی از بزرگترین مدلهای باز خواهد بود که سازمانها میتوانند روی زیرساخت خودشان اجرا کنند.
دو نکته واقعبینانه: اول، مدل یک تریلیون پارامتری سختافزار بسیار سنگینی میخواهد و برای اغلب کاربران فقط از طریق API یا سرویسدهندههای واسط قابل استفاده است. دوم، پیش از استفاده باید مجوز انتشار وزنها را خواند؛ هنوز جزئیات آن اعلام نشده است. همچنین شرایط استفاده API خود Mistral را برای کشورهای پشتیبانیشده بررسی کنید.
فارسی در میسترال لارج ۴
Mistral میگوید داده آموزشی بیش از ۱۶۰ زبان را پوشش میدهد، اما فهرست کامل زبانها یا کیفیت هر زبان را در اطلاعیه منتشر نکرده است. پس کیفیت فارسی را باید خودتان تست کنید. یک تست سریع:
این متن را به فارسی رسمی و روان بازنویسی کن، اصطلاحات تخصصی را حفظ کن و در پایان سه نکته کلیدی را فهرست کن:
[متن انگلیسی یک مقاله فنی کوتاه]
یک ایمیل اداری فارسی بنویس برای درخواست تمدید مهلت تحویل پروژه به مدت یک هفته. لحن مؤدبانه، حداکثر ۱۲۰ کلمه، با موضوع ایمیل.
خروجی را از نظر دستور زبان، نیمفاصله، اصطلاحات و طبیعی بودن لحن ارزیابی کنید و با مدلهای دیگری که استفاده میکنید مقایسه کنید.
مقایسه با دیگر مدلهای اکتبر ۲۰۲۶
| مدل |
سازنده |
وضعیت وزنها |
پنجره زمینه |
| Mistral Large 4 |
Mistral (فرانسه) |
وعده تا پایان اکتبر |
یک میلیون |
| Muse Spark Open |
Meta (آمریکا) |
منتشرشده ۱۵ اکتبر |
یک میلیون |
| DeepSeek-V4.1-Flash-1017 |
DeepSeek (چین) |
منتشرشده ۱۷ اکتبر |
— |
| Gemini 4 Argon |
Google |
بسته |
یک میلیون (ورودی و خروجی یکپارچه) |
جزئیات هر کدام را در مقاله متا میوز اسپارک، دیپ سیک V4.1 و مقایسه جمنای ۴ آرگون بخوانید.
قابلیتهای API میسترال لارج ۴
طبق صفحه مستندات، mistral-large-4 از این قابلیتها پشتیبانی میکند:
- خروجی ساختاریافته (Structured Outputs)
- فراخوانی تابع (Function Calling)
- پرسشوپاسخ روی سند (Document QnA)
- Chat Completions و پردازش دستهای (Batching)
- Agents و Conversations با ابزارهای داخلی
نکتههای پرامپتنویسی
- برای خروجی دقیق، از Structured Outputs استفاده کنید و ساختار JSON مورد انتظار را صریح تعریف کنید.
- برای تحلیل اسناد طولانی، از پنجره یک میلیون توکنی استفاده کنید، اما سؤال را دقیق و بخشبندیشده بپرسید.
- چون مدل چندرسانهای است، برای سؤال درباره نمودار یا تصویر، خود تصویر را بفرستید نه توصیفش را.
- اصول پایه را در مهندسی پرامپت چیست مرور کنید؛ این اصول برای همه مدلها مشترک است.
اگر نمیخواهید برای هر مدل جدید از صفر پرامپت بنویسید، مرجع پرامپت دکترپرامپت مجموعهای از پرامپتهای تستشده دارد که با جایگزین کردن جزئیات کار شما، روی Mistral و مدلهای دیگر قابل استفادهاند.
جمعبندی
میسترال لارج ۴ تلاش اروپا برای داشتن یک مدل مرزی باز و مستقل است: حدود یک تریلیون پارامتر، چندرسانهای، یک میلیون توکن زمینه و آموزشدیده در دیتاسنترهای اروپایی. ارزش واقعی آن برای جامعه وقتی مشخص میشود که وزنها منتشر شوند. تا آن زمان میتوانید پیشنمایش API را در Mistral Studio امتحان کنید.
منابع: Mistral: Introducing Mistral Large 4 · Mistral docs: model card · Mistral changelog
سؤالات متداول
میسترال لارج ۴ چه زمانی عرضه شد؟
Mistral در ۶ اکتبر ۲۰۲۶ پیشنمایش عمومی Mistral Large 4 را عرضه کرد.
میسترال لارج ۴ چند پارامتر دارد؟
طبق مستندات رسمی، ۱.۰۵ تریلیون پارامتر کل و ۵۲ میلیارد پارامتر فعال، بههمراه رمزگذار تصویر ۱.۶ میلیارد پارامتری.
آیا وزنهای میسترال لارج ۴ منتشر شده است؟
Mistral وعده داده وزنها را تا پایان اکتبر ۲۰۲۶ منتشر کند. تا آن زمان مدل از طریق API پیشنمایش در Mistral Studio در دسترس است.
پنجره زمینه میسترال لارج ۴ چقدر است؟
یک میلیون توکن.
آیا میسترال لارج ۴ فارسی بلد است؟
Mistral میگوید داده آموزشی بیش از ۱۶۰ زبان را پوشش میدهد، اما کیفیت فارسی را جداگانه اعلام نکرده است؛ بهتر است خودتان تست کنید.
چرا میسترال روی حاکمیت هوش مصنوعی تأکید دارد؟
چون مدل در دیتاسنترهای اروپایی خود Mistral آموزش دیده، استقرار اروپایی مستقل دارد و با وزنهای باز به سازمانها اجازه میدهد بدون وابستگی به ارائهدهنده و تحت سیاستهای خودشان از آن استفاده کنند.