Mistral 釋出 Mistral Large 4(Le Chonk)權重:1 兆參數多模態模型,主打程式代理與資安防禦
改良版在 FrontierCode 與 Terminal-Bench 領先開源模型,Artificial Analysis 資安指數達 51%,並採三段推理模式平衡成本與效能。
Hacker News綜合 4 家一手來源
39 則值得知道的變化
改良版在 FrontierCode 與 Terminal-Bench 領先開源模型,Artificial Analysis 資安指數達 51%,並採三段推理模式平衡成本與效能。
Mistral Large 4 採稀疏 MoE 架構,每個 token 啟用約 52B 參數,支援文字與圖像輸入、160 種以上語言,並以 Mistral 生態系開放權重授權釋出。
Strands Decider 2B 以 20 億參數從預定義選項中作決策並給出置信度;JevBench 公開任務準確率 72.3%,但未證明勝過 TypeSafe AI 的 Jev。
該實驗以 Gated DeltaNet 層作為 RAM,RV32IM 核心可在前向傳播中執行 C 與 MicroPython,據作者宣稱在 DeepMind 的 div_big 測試達 97.5%,高於基礎模型的 72.5%。
以四維時空表徵為原生骨幹,統一預測未來物理幾何狀態與生成動作;實機成績宣稱大幅超越 π0.5,目前僅單一來源。
收購金額未揭露;Daily 累計募資逾 6,200 萬美元,Deepgram 今年以 1.3 億美元 C 輪成為獨角獸,兩家公司曾同屬 2016 年 Y Combinator 同一梯次。
在 τ-Voice 任務成功率 65.51%、平均回應延遲 1.91 秒,對比 GPT Realtime 2.1 的 1.55 秒與 69.82%,同屬開源 2-stage 系統中表現領先。
作者自稱以 RL 與策略蒸餾壓縮推理長度,GLM-5.3-Flash 在 MMLU-PRO 思考 token 減 61.4%,Ornith 9B 減 33.5%,數據尚待獨立驗證。