मिस्ट्रल ने 6 अक्टूबर को Mistral Large 4 पेश किया और Mistral Studio के जरिए उसका सार्वजनिक प्रीव्यू शुरू किया। डेवलपर के लिए उपलब्धता का फर्क समझना जरूरी है: API के जरिए अभी अनुरोध भेजे जा सकते हैं, लेकिन मॉडल को स्वतंत्र रूप से चलाने के लिए जरूरी वेट्स अक्टूबर के अंत में जारी करने की योजना है। यह रिलीज की योजना है, अभी उपलब्ध डाउनलोड नहीं।
1.05 लाख करोड़ पैरामीटर का मतलब
आधिकारिक दस्तावेज के मुताबिक मॉडल में कुल 1.05 लाख करोड़ पैरामीटर हैं। यह मिश्रण विशेषज्ञ संरचना, यानी MoE, इस्तेमाल करता है। इसमें हर गणना के लिए मॉडल का केवल कुछ हिस्सा सक्रिय होता है। इसलिए कुल आकार और किसी अनुरोध में सक्रिय पैरामीटर की संख्या अलग हैं।
मिस्ट्रल के अनुसार Large 4 एक मल्टीमोडल मॉडल है, जिसमें निर्देशों का पालन, तर्क और AI एजेंट की क्षमताएं शामिल हैं तथा 160 से अधिक भाषाओं का समर्थन है। ये कंपनी की प्रकाशित विशेषताएं हैं। भाषाओं की संख्या मात्र से हिब्रू की गुणवत्ता या किसी खास काम में सफलता साबित नहीं होती। इजराइली संगठन को तकनीकी विवरण देखने के अलावा हिब्रू दस्तावेजों और सवालों पर अलग से परीक्षण करना होगा।
यूरोपीय ढांचा और परीक्षण के नतीजे
कंपनी के मुताबिक मॉडल को यूरोप स्थित उसके डेटा केंद्रों में 3,800 NVIDIA Grace Blackwell GPU पर शुरू से प्रशिक्षित किया गया। प्रीव्यू भी उसी ढांचे पर चलता है। सूचना कहां संसाधित होती है, यह देखने वाले संगठनों के लिए यह उपयोगी जानकारी है। हालांकि इससे प्रस्तावित इस्तेमाल पर लागू सेवा शर्तों और समझौते की समीक्षा की जरूरत खत्म नहीं होती।
मिस्ट्रल ने DeepSWE v1.1 में 61.7%, SWE-Atlas-QnA में 59.4% और Terminal-Bench 4 में 28.3% अंक बताए हैं। ये अलग परीक्षणों के परिणाम हैं, जैसा कंपनी ने प्रस्तुत किया है, कोई समग्र गुणवत्ता स्कोर नहीं। इनसे मूल्यांकन शुरू किया जा सकता है, लेकिन हर विकास या कार्यस्थल परिवेश में श्रेष्ठता साबित नहीं होती।
अभी क्या परख सकते हैं और किसके लिए इंतजार है
API से मौजूदा कामों पर प्रयोग किए जा सकते हैं: दस्तावेज समझना, कोड लिखना और ऐसे कार्यप्रवाह जिनमें एजेंट टूल इस्तेमाल करता है। उपयोगिता का आकलन सटीकता, निरंतरता और कार्यप्रवाह से तालमेल पर भी निर्भर है, केवल बेंचमार्क तालिका के अंक पर नहीं।
स्वतंत्र तैनाती अभी वेट्स और उनकी शर्तें प्रकाशित होने पर निर्भर है। फिलहाल उपलब्ध सेवा का मूल्यांकन और वादे के अनुसार रिलीज के बाद स्वतंत्र संचालन की योजना अलग काम हैं। यह लॉन्च जांचने के लिए एक यूरोपीय विकल्प जोड़ता है, लेकिन संगठन के लिए उसकी उपयुक्तता का फैसला पूरा नहीं करता।