Mistral Large 4 চালু আছে

Mistral Large 4 হলো ফ্রান্সের Mistral AI-এর তৈরি ফ্ল্যাগশিপ মডেল, যার ডাকনাম «Le Chonk মোটা বিড়াল»। Mistral Large 4 সূক্ষ্ম-গ্র্যানুলার MoE আর্কিটেকচার ব্যবহার করে; এতে মোট 1.05T প্যারামিটার রয়েছে, প্রতিবার মাত্র প্রায় 49B সক্রিয় হয়, এতে 1.6B ভিশন এনকোডার রয়েছে, এটি নেটিভ মাল্টিমোডাল এবং এর কনটেক্সট 1M। Mistral Large 4 ইতিমধ্যে Mistral API-তে চালু হয়েছে। বেঞ্চমার্কে সফটওয়্যার ইঞ্জিনিয়ারিং, আর্থিক প্রক্রিয়া এবং রিমোট সেন্সিং ছবিতে অবজেক্ট লোকেট করার ক্ষেত্রে এটি এগিয়ে। এর মূল লক্ষ্য স্থানীয়ভাবে স্থাপনযোগ্য নেটওয়ার্ক প্রতিরক্ষা ও এন্টারপ্রাইজ সার্বভৌমত্বের ব্যবহারক্ষেত্র।

নেটিভ মাল্টিমোডাল বোঝাপড়া: একইসঙ্গে লেখা ও ছবি পড়ে লেখা আউটপুট দিতে পারে; কনটেক্সট উইন্ডো 1M token পর্যন্ত।
দীর্ঘ-ধাপের সফটওয়্যার ইঞ্জিনিয়ারিং: DeepSWE v1.1-এর বাস্তব ইঞ্জিনিয়ারিং টাস্কে 62% অর্জন করেছে; কোড লেখা ও বহু-ধাপের ডেভেলপমেন্ট করতে পারে।
এন্টারপ্রাইজ আর্থিক বিশ্লেষণ: Finch আর্থিক প্রক্রিয়া বেঞ্চমার্কে 67% পেয়েছে; বিশৃঙ্খল স্প্রেডশিট থেকে তথ্য খোঁজা, মডেল তৈরি ও প্রতিবেদন প্রস্তুতিতে দক্ষ।
ভিশন-ভিত্তিক লোকেশন: রিমোট সেন্সিংয়ের আকাশচিত্রের মতো জটিল ছবিতে লক্ষ্যবস্তুর চারপাশে বাক্স আঁকতে পারে; DIOR-RSVG-তে 73% অর্জন করেছে এবং দুর্যোগের ক্ষয়ক্ষতি মূল্যায়ন ও বিদ্যুৎ সঞ্চালন লাইন পরিদর্শনে ব্যবহার করা যায়।
নকশা থেকে CAD: প্রযুক্তিগত নকশাকে CAD মডেলে রূপান্তর করতে পারে; Mistral-এর দাবি, সেমিকন্ডাক্টর-সম্পর্কিত পরীক্ষায় এর ফলাফল শীর্ষস্থানীয়।
নেটওয়ার্ক প্রতিরক্ষা: প্রিভিউ সংস্করণে কম বিধিনিষেধ ও শক্তিশালী সাইবারসিকিউরিটি সুবিধা রয়েছে, যা দুর্বলতা স্ক্যানিংয়ের মতো প্রতিরক্ষামূলক কাজে ব্যবহৃত হয়।
বহুভাষা ও সার্বভৌম স্থাপন: 160টিরও বেশি ভাষায় প্রশিক্ষিত; নিজস্ব সার্ভার বা ইউরোপীয় ইউনিয়নের আইনি সুরক্ষিত অঞ্চলের API-তে স্থাপন করা যায়।

WeChat-এ ফলো করে “开源” লিখে উত্তর দিন, AI ওপেন-সোর্স প্রকল্পের গ্রুপে যোগ দিন
সূক্ষ্ম-গ্র্যানুলার মিশ্র বিশেষজ্ঞ (MoE) আর্কিটেকচার: মডেলটির মোট 1.05T প্যারামিটারকে বিপুল সংখ্যক «বিশেষজ্ঞ» সাব-নেটওয়ার্কে ভাগ করা হয়েছে। প্রতিটি টোকেন প্রক্রিয়াকরণের সময় এর সামান্য অংশই সক্রিয় হয় এবং ছবির ইনপুট প্রক্রিয়াকরণের জন্য একটি 1.6B ভিশন এনকোডার যুক্ত আছে। নীতিটি হলো স্পার্স অ্যাক্টিভেশনের মাধ্যমে বড় মডেলের সক্ষমতা ও ছোট মডেলের ইনফারেন্স খরচের সমন্বয় করা; প্রতিটি টোকেনের গণনামূলক খরচ প্রায় একটি 49B ঘন মডেলের সমান।
শূন্য থেকে প্রশিক্ষণ ও নিজস্ব কম্পিউটিং: মডেলটি সম্পূর্ণভাবে শূন্য থেকে প্রশিক্ষিত হয়েছে। এতে দুই মাস সময় লেগেছে এবং প্রায় 4000টি NVIDIA Grace Blackwell ব্যবহার করা হয়েছে; পুরো প্রক্রিয়া Mistral-এর নিজস্ব ইউরোপীয় ডেটা সেন্টারে সম্পন্ন হয়েছে। এতে প্রশিক্ষণ প্রক্রিয়া নিয়ন্ত্রণযোগ্য ও ডেটা অনুসরণযোগ্য হয়েছে, যা তাদের সার্বভৌম AI ধারণাকে সমর্থন করে। গ্রাহকেরা এমন মডেল পেতে পারেন, যা বিদেশি সরকারের সরবরাহ বন্ধের ঝুঁকিতে পড়বে না।
ক্রমাগত রিইনফোর্সমেন্ট লার্নিং-ভিত্তিক পোস্ট-ট্রেনিং: প্রকাশিত সংস্করণটি প্রিভিউ; ওজন প্রকাশের আগে ফলাফল পরিবর্তিত হতে পারে। পরিকল্পনা হলো RL ব্যবহার করে ইনফারেন্স, কোড এবং আর্থিক প্রক্রিয়ার মতো কাজে মডেলের দীর্ঘ-ধাপের সক্ষমতা ক্রমাগত বাড়ানো।
ভিশন লোকেশন (Grounding): মাল্টিমোডাল সক্ষমতার ভিত্তিতে মডেলটি ছবিতে লক্ষ্যবস্তুর নির্দিষ্ট অবস্থান-সমন্বয় আউটপুট দিতে পারে। ভিশন এনকোডার ছবির বৈশিষ্ট্য বের করে ভাষার নির্দেশনার সঙ্গে ক্রস-মোডালভাবে সামঞ্জস্য করে, ফলে রিমোট সেন্সিং ও নকশার মতো ক্ষেত্রে পিক্সেল-স্তরে লক্ষ্য শনাক্ত করা সম্ভব হয়।

অ্যাকাউন্ট নিবন্ধন: Mistral Studio-এর অফিসিয়াল ওয়েবসাইটে গিয়ে নিবন্ধন ও লগইন করুন।
API Key তৈরি: কনসোলে একটি API কী তৈরি করুন, যা অনুমোদিত কলের জন্য ব্যবহার হবে।
মডেল ID নিশ্চিত করুন: mistral-large-4 মডেলটি নির্বাচন করুন।
সংযোগের পদ্ধতি নির্বাচন: সরাসরি API কল করা যায় https://api.mistral.ai।
রিকোয়েস্ট লিখুন: রিকোয়েস্ট পাঠানোর সময় API Key, মডেলের নাম এবং ইনপুট কনটেন্ট যুক্ত করুন।

স্পার্স MoE আর্কিটেকচার: মোট 1.05T প্যারামিটারের মধ্যে প্রতিবার মাত্র 49B সক্রিয় হয়, ফলে অতি-বৃহৎ মডেলের সক্ষমতা ও ছোট মডেলের কাছাকাছি ইনফারেন্স খরচ একসঙ্গে পাওয়া যায়।
কোম্পানির দাবি, এটি ইউরোপ ও আমেরিকার সবচেয়ে শক্তিশালী ওপেন-ওয়েট মডেল এবং 3 বিলিয়ন ইউরো সিরিজ D অর্থায়নের পর এটি প্রথম ফ্ল্যাগশিপ।
সার্বভৌমত্ব ও নিরাপত্তা নিয়ন্ত্রণ: সম্পূর্ণ ইউরোপের নিজস্ব ডেটা সেন্টারে প্রশিক্ষিত; ওজন ডাউনলোড করে নিজস্ব স্থাপনা করা যায় এবং বিদেশি সরকারের সরবরাহ বন্ধের প্রভাবে পড়ে না।
নেটিভ মাল্টিমোডাল + উন্নত ভিশন লোকেশন: 1M কনটেক্সট এবং ছবিতে লক্ষ্য শনাক্ত ও বাক্স আঁকার ক্ষমতা বন্ধ-উৎসের শীর্ষস্থানীয় মডেলগুলোর চেয়ে এগিয়ে।
প্রিভিউ বেঞ্চমার্কে শক্তিশালী ফল: DeepSWE সফটওয়্যার ইঞ্জিনিয়ারিংয়ে 62% এবং Finch আর্থিক কাজে 67%, উভয় ক্ষেত্রেই একই প্রতিযোগিতার মডেলগুলোর চেয়ে এগিয়ে।

দীর্ঘ-ধাপের সফটওয়্যার ইঞ্জিনিয়ারিং: প্রয়োজন বিশ্লেষণ, কোডিং ও ডিবাগিংসহ সম্পূর্ণ ডেভেলপমেন্ট টাস্ক স্বয়ংক্রিয়ভাবে সম্পন্ন করা।
এন্টারপ্রাইজ আর্থিক বিশ্লেষণ: বিশৃঙ্খল স্প্রেডশিট ও নথি থেকে তথ্য খোঁজা, মডেল তৈরি এবং প্রতিবেদন প্রস্তুত করা; হিসাব মিলানো ও অডিটের জন্য উপযোগী।
রিমোট সেন্সিং ছবি মূল্যায়ন: বীমা কোম্পানি আকাশচিত্র দেখে ঝড়ের ক্ষয়ক্ষতি মূল্যায়ন করতে পারে, বিদ্যুৎ কোম্পানি সঞ্চালন লাইন পরিদর্শন করতে পারে এবং কৃষিখামার ফসলের বৃদ্ধি পর্যবেক্ষণ করতে পারে।
নেটওয়ার্ক প্রতিরক্ষা: দুর্বলতা স্ক্যানিং ও আক্রমণ-প্রতিরক্ষা মহড়া; ওজন স্থানীয়ভাবে ডাউনলোড করার পর বন্ধ-উৎস মডেলের নিরাপত্তা-নিয়ন্ত্রণে বাধা পড়ে না।
আইন ও চুক্তি পর্যালোচনা: সম্পূর্ণ আইনি কাজের প্রবাহ সম্পন্ন করতে সহায়তা করে। Harvey-এর পাসের হার 15%; বর্তমানে পুরো প্রতিযোগিতায় কেউ পাস করেনি, তাই এটি প্রাথমিক পর্যায়ের সক্ষমতা।