Indlæser kataloget…
Indlæser kataloget…
Mistral AIs multimodale MoE-frontmodel på 1,05 billioner parametre med 52 milliarder aktive parametre, 512k kontekst og ræsonneringsspor, der kan slås til og fra.
Oversigt. Mistral Large 4 er Mistral AIs multimodale frontmodel, bygget på en finkornet Mixture-of-Experts-arkitektur med i alt 1,05 billioner parametre og en indbygget vision-encoder på 1,6 milliarder. Med 52 milliarder aktive parametre per token understøtter den kombinerede inddata af tekst og billeder i et kontekstvindue på 512k tokens med op til 262k tokens som uddata. Udviklere vælger den, når der kræves analyse på topniveau og billedforståelse uden at gå på kompromis med europæisk datasuverænitet.
Vigtigste styrker. Modellen udviser stærke analytiske egenskaber inden for matematik, forskning og kodegenerering, understøttet af ræsonnering i tankekæde, der kan konfigureres til et højt ræsonneringsniveau. Dens eksekveringsprofil med 52 milliarder aktive parametre og indbygget kontekstcaching sikrer hurtig interaktiv generering, selv ved meget lange prompter. Multimodal billedforståelse gør det muligt for udviklere at analysere detaljerede billeder og tekniske diagrammer direkte i komplekse behandlingskæder.
Anvendelsesområder. Brug Mistral Large 4 til matematiske udledninger med mange trin, omfattende gennemgang af kildekode og dokumentforskning, der kræver kombineret behandling af billeder og tekst. Den passer til interaktive arbejdsflyt med ræsonnering, hvor der er behov for dybe ræsonneringsspor efter behov uden at gøre samtalen langsom. Brug den i Smart Router, når dine opgaver kræver ræsonnering på topniveau under strenge europæiske compliance-standarder.
Begrænsninger. Mistral AI har ikke oplyst, hvor træningsdataene slutter for denne version, og modellen understøtter ikke lyd som inddata eller uddata. Selvom den tekniske dokumentation nævner et loft på 1 million tokens, begrænser de nuværende leverandørendepunkter genereringen til et kontekstvindue på 512k tokens.
Bemærkning om suverænitet. Mistral Large 4 er skabt af Mistral AI, et fransk selskab under EU-jurisdiktion, så modelskaberen er ikke underlagt US CLOUD Act. Om en forespørgsel forbliver suveræn, afhænger af den inferensleverandør og region, der betjener den: Kontrollér leverandørendepunkterne herunder, før du sender følsomme data.
| Inferensleverandør | Suverænitet | Kører i | Ind / ud per 1 mio. | Status | Fastgør |
|---|---|---|---|---|---|
| L1 | 0,70 / 2,10€ | Online |
10 anvendelsesområder klassificeret af redaktøren. Noten forklarer hvorfor.
Indbygget egenskab til værktøjskald sikrer præcis overholdelse af JSON og skemaeksekvering til API-integrationer i drift.
Et kontekstvindue på 512k håndterer hele bøger, årsrapporter og transskriptioner direkte uden behov for behandlingskæder til opdeling.
Et kontekstvindue på 512k tokens muliggør spørgsmål og svar i én enkelt prompt på tværs af omfattende dokumentarkiver uden tab af præcision.
En kontekstkapacitet på 512k kombineret med flagskibsegenskaber inden for instruktionsfølgning sikrer præcis og velunderbygget generering på tværs af store datasæt.
Et massivt kontekstvindue på 512k gør det muligt at indlæse snesevis af komplette akademiske artikler samtidigt til helhedsorienteret syntese.
Et kontekstvindue på 512k rummer lange forordninger og regelsæt i én forespørgsel. Mistral AI er et fransk selskab, så modelskaberen er ikke underlagt US CLOUD Act; om en forespørgsel forbliver suveræn, afhænger af den inferensleverandør og region, der betjener den.
Et kontekstvindue på 512k gør det muligt at indlæse hele repositories eller omfattende pull requests i hukommelsen til kontekstuel kodegennemgang.
Læser billeder via sin indbyggede 1,6 milliarder vision-encoder (Mistral AI's dokumentation; vision_input er bekræftet af modelskaberen). Der findes endnu ingen billed-benchmark i kataloget, så egnetheden vurderes som acceptabel frem for stærk.
Egenskaber til værktøjskald og stærk instruktionsfølgning letter forudsigelig skemaekstraktion fra lange tekster som inddata.
Tal fra eksterne kilder, ikke vores egne vurderinger. Percentiler er målt mod hele Stav-kataloget.
Beregnet ud fra aa-intelligence-index, gpqa-diamond, aa-engineering-index, aa-coding-index, livecodebench, terminal-bench-v4, aa-lcr.
curl https://api.stav.ai/v1/chat/completions \
-H "Authorization: Bearer $STAV_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "mistral-ai/mistral-large-4",
"messages": [{"role": "user", "content": "Hello!"}]
}'→ X-Stav-Request-Id · X-Stav-Model · X-Stav-Provider → X-Stav-Sovereignty-Level — det niveau, forespørgslen blev betjent på