Przejdź do treści

Mistral Large 4 z otwartymi wagami: 1 TB do pobrania i ceny przecięte na pół

Adam Marzec
Karta wydania wag Mistral Large 4: trzy białe karty z 1060 GB wag w FP8, cenami 0,70 i 2,10 USD za milion tokenów oraz licencją zmodyfikowane MIT; pieczątka WAGI WYDANE; nagłówek MISTRAL LARGE 4 MA OTWARTE WAGI; odczyty 29.10.2026

Francuski Mistral wywiązał się z obietnicy dokładnie w ostatnim możliwym dniu. We wtorek 6 października wystartował Mistral Large 4 pod nazwą roboczą „Le Chonk”, wtedy tylko jako podgląd w API, a wagi obiecano do końca października. Dziś, 29 października, okazało się, że dzisiejsza data to nie przypadek: wagi trafiły na Hugging Face, a wątek na Hacker News otwarty przez użytkownika kuberwastaken o 14:13 UTC dobił do prawie 900 punktów w kilka godzin. Zamiast nagłówka „wagi są już u nas” dostajemy trzy konkretne rzeczy: pełne wagi modelu, nowy cennik API o połowę niższy i licencję z haczykiem, który odróżnia ją od Apache 2.0 znanego z modeli DeepSeek czy Qwen.

Najważniejsze informacje

CoSzczegóły
Data wydania wag29 października 2026, ostatni dzień obietnicy „do końca października” z premiery 6.10
Repozytoriummistralai/Mistral-Large-4-1T-A52B na Hugging Face, bez bramki rejestracji (gated: false), odczyt 29.10
Rozmiar wag54 pliki safetensors łącznie ok. 1060 GB w FP8; osobne repozytorium w kwantyzacji NVFP4
LicencjaMistral Ecosystem Open-Weight License: zmodyfikowane MIT; biznes typu Model-as-a-Service wymaga osobnej umowy
Ceny API0,70 USD za milion tokenów wejścia, 2,10 USD za wyjście, 0,07 USD cache (cennik, odczyt 29.10); podgląd kosztował 1,36/4,18 USD
BenchmarkiFrontierCode 2.0: 19,7% (1. miejsce wśród otwartych); Terminal-Bench 4.0: 41% (+13 p.p. względem podglądu)
JęzykiPolski na liście 40 języków w repozytorium Hugging Face

Co dokładnie się wydarzyło

Podgląd z 6 października był modelem o 1,05 biliona parametrów, z czego około 49 miliardów pracowało przy jednym zapytaniu. Repozytorium wydane dziś nosi nazwę Mistral-Large-4-1T-A52B, więc końcówka A52B mówi o 52 miliardach aktywnych. To nie literówka: ogłoszenie wprost opisuje dzisiejsze wagi jako ulepszoną wersję, a nie kopię podglądu. Między premierą a wydaniem wag model dostał trzy dodatkowe tygodnie uczenia ze wzmocnieniem, co w tabelach widać gołym okiem, np. Terminal-Bench 4.0 podskoczył z 28 do 41 procent.

W karcie modelu na Hugging Face siedzi lista 40 języków, w tym polski, obok tagów obsługujących vLLM, SGLang, Transformers i llama.cpp. Repozytorium powstało 30 września, ale pliki wag mają datę dzisiejszą, a przed południem UTC modelu nie było w ogóle do pobrania. Konstrukcja pozostaje taka sama jak w podglądzie: mieszanina ekspertów przyjmująca tekst razem z obrazem, z osobnym koderem wizualnym i deklarowanym kontekstem milion tokenów, którego realny rozmiar nasz wcześniejszy test mierzył na poziomie około pół miliona.

Ile to waży i dlaczego nie pobierzesz tego na laptopa

Policzyłem pliki repozytorium bezpośrednio przez API Hugging Face: 54 szardy safetensors po około 20 GB każda, łącznie 1060,6 GB w precyzji FP8. To odpowiedź na pytanie „czy uruchomię to w domu”, i brzmi ona: nie. Stanowisko z czterema kartami H200, czyli 540 GB pamięci razem, nie mieści pełnych wag, co w wątku HN opisuje użytkownik z dostępem do takiej maszyny; jego zdaniem pozostaje kwantyzacja do 4 albo 3 bitów, a wtedy z „frontier model” robi się zupełnie inna rozmowa o jakości.

Skala mówi o logice naszej niszy lokalnej więcej niż jakikolwiek benchmark: „otwarte wagi” i „uruchomisz u siebie” to coraz dalej od siebie odległe pojęcia, a nawet deklarowane 2,8 biliona parametrów Kimi K3.1 Pro z tej ligi na domowym sprzęcie nigdy nie odpaliło. Kimi K3.1 Pro z zapowiedzią wag na 4 listopada prawdopodobnie będzie podobnej klasy. Zestawienie realnych rozmiarów modeli, które faktycznie mieszczą się na domowym sprzęcie, trzymamy w hubie lokalne-ai, a filozofię licencji otwartych modeli rozkładamy w tekście otwarte modele AI. Kto chce porównać, co dziś odpala się na zwykłym komputerze, niech zajrzy do poradnika o wyborze modelu w Ollamie.

Licencja: zmodyfikowane MIT z dopiskiem o usługach

Plik LICENSE to Mistral Ecosystem Open-Weight License, czyli zmodyfikowana wersja MIT. Pierwsze akapity brzmią znajomo: wolno kopiować, modyfikować, rozprowadzać i sprzedawać pochodne. Haczyk siedzi w warunku drugim i dotyczy tylko jednego scenariusza: prowadzenia Model-as-a-Service, czyli serwowania modelu osobom trzecim przez API lub hosted endpointy. Taki biznes „musi zawrzeć oddzielną licencję komercyjną z Mistral przed jakimkolwiek użyciem komercyjnym”, cytuję dosłownie. Definicja w dokumencie wyłącza z tego produkty końcowe z modelem wbudowanym w konkretne funkcje oraz zwykłe przekazywanie żądań do cudzych modeli, a użytek wewnętrzny firmy jest zawsze wolny.

W praktyce: badacz, hobbysta i firma wbudowująca model w swój produkt mogą iść dalej bez rozmów z Mistralem. Dostawca API, który chciałby serwować Large 4 klientom, musi podpisać umowę. To coś pomiędzy Apache 2.0 DeepSeeka a rygorystyczniejszymi licencjami Llamy, i dokładnie tę granicę komentarze pod wątkiem spierały po południu: jeden z nich zaznaczył wprost, że to „weights available”, nie „open weight” w rozumieniu OSI.

Benchmarki i ceny: co mówi ogłoszenie, a co da się sprawdzić

Cztery liczby z ogłoszenia rysują pozycję modelu. Na FrontierCode 2.0, prywatnym benchmarku Cognition sprawdzającym, czy opiekun repozytorium przyjąłby zmiany od agenta, Large 4 prowadzi wśród otwartych modeli z 19,7 procent, tuż przed DeepSeek V4.1 Flash z 19,3. W indeksie agenta kodującego Artificial Analysis model dostaje 48 procent, remisując z GLM-5.3, ale zużywając o 47 procent mniej tokenów na zadanie, co przy cenach liczonych za tokeny ma bezpośredni przełożony na rachunek. W Surge Code, ślepej ocenie parowej przez ludzi, Large 4 wygrywa z GLM-5.3 i Kimi K3 po 64 do 36, z DeepSeek V4.1 Flash 56 do 44, a przegrywa 22 do 78 wyłącznie z Claude Opus 5.5. Do tego dochodzi indeks cybernetyczny AA: 51 procent, ze średnim poziomem odmowy 96,6 procent na złośliwych zapytaniach, co ogłoszenie nazywa najwyższym wynikiem wśród zmierzonych otwartych modeli. To wszystko deklaracje i pomiary samego producenta albo jego partnerów, więc traktujmy je jako materiał producenta, tak jak przy podglądzie w październiku, kiedy część niezależnych pomiarów wypadała poniżej tabelki.

Ceny da się sprawdzić samodzielnie i to jest najmocniejszy, twardy punkt dzisiejszego wydania. Cennik API z 29 października pokazuje 0,70 USD za milion tokenów wejścia i 2,10 USD za milion wyjścia, z cache po 0,07 USD. Podgląd z 6 października kosztował 1,36 i 4,18 USD, więc rozmowa idzie o przecięcie stawek na pół, przy modelu, który jest szybszy w benchmarkach. Z kartą modelu do kompletu dochodzi jeszcze wybór trybu rozumowania: low, medium albo high, z high jako domyślnym, czyli deweloper sam decyduje, gdzie na krzywej ceny i jakości siedzi.

Co z tego dla Polski

Firmy szukające europejskiego fundamentu pod AI mają od dziś otwarte wagi wytrenowane na europejskiej infrastrukturze, co w argumentacji o suwerenności danych robi różnicę względem modeli chińskich, i jednocześnie wolny użytek wewnętrzny na warunkach licencji. Dla polskiego użytkownika domowego dzisiejsze wydanie zmienia mniej: ceny API są niskie, ale to nadal rachunek w dolarach za użycie, a lokalna próba skończy się na pobieraniu terabajta. Data 4 listopada jest zresztą tuż za rogiem: wtedy wychodzi Kimi K3.1 Pro z zapowiedzią wag i rynek otwartych modeli dostaje drugą taką falę w tydzień. O samym modelu jako usłudze pisaliśmy szerzej 6 października w tekście Mistral Large 4 startuje, a dzisiejsze liczby dopiero z nim porównasz.

Najczęstsze pytania

Czy Mistral Large 4 jest open source?

Nie w sensie OSI. Wagi są publicznie dostępne na licencji Mistral Ecosystem Open-Weight License, czyli zmodyfikowanym MIT, która wymusza osobną umowę komercyjną przy serwowaniu modelu jako usługi API osobom trzecim. Użytek własny, badania i produkty z modelem wbudowanym w funkcje pozostają wolne.

Ile waży Mistral Large 4?

Pełne wagi w FP8 zajmują ok. 1060 GB w 54 plikach (odczyt repozytorium Hugging Face z 29.10.2026). Jest też wersja w kwantyzacji NVFP4, która zmniejsza wymagania pamięciowe kosztem precyzji.

Czy Mistral Large 4 uruchomię na własnym komputerze?

Nie, jeśli przez „własny komputer” rozumiesz PC czy laptopa. Pełne wagi nie mieszczą się nawet na czterech kartach H200 (540 GB), więc realne ścieżki to API Mistrala albo dostawcy, którzy mają odpowiednią infrastrukturę.

Ile kosztuje Mistral Large 4 w API?

Od 29 października 0,70 USD za milion tokenów wejścia i 2,10 USD za milion wyjścia, z cache po 0,07 USD (cennik Mistral, odczyt 29.10.2026). W podglądzie stawki wynosiły 1,36 i 4,18 USD.

Źródła

Powiązane artykuły