Mistral Large 4 Inafanya kazi

Mistral Large 4 ni modeli kuu iliyotengenezwa na Mistral AI ya Ufaransa, yenye jina la utani «Le Chonk Paka Mnene». Mistral Large 4 hutumia usanifu wa MoE wenye chembechembe ndogo, ikiwa na jumla ya vigezo 1.05T na kuamilisha takriban 49B pekee kila wakati, pamoja na kisimbaji cha kuona cha 1.6B, uwezo asilia wa aina nyingi za data na muktadha wa 1M. Mistral Large 4 tayari inapatikana kwenye Mistral API; katika vipimo, inaongoza katika uhandisi wa programu, michakato ya kifedha na uainishaji wa picha za kutambua kwa mbali. Inalenga zaidi ulinzi wa mtandao unaoweza kusakinishwa ndani ya kampuni na matumizi ya enzi kuu ya biashara.

Uelewa asilia wa aina nyingi za data: Inaweza kusoma maandishi na picha kwa wakati mmoja na kutoa maandishi, ikiwa na dirisha la muktadha la hadi tokeni 1M.
Uhandisi wa programu wa mnyororo mrefu: Ilipata 62% katika kazi halisi za uhandisi za DeepSWE v1.1, na inaweza kuandika msimbo na kutekeleza maendeleo ya hatua nyingi.
Uchambuzi wa fedha za biashara: Ilipata 67% katika kipimo cha michakato ya kifedha cha Finch, ikiwa bora katika kutafuta data kwenye lahajedwali zilizochanganyika, kuunda miundo na kutengeneza ripoti.
Uainishaji wa kuona: Inaweza kuzungushia malengo kwenye picha tata kama picha za angani za kutambua kwa mbali. Ilipata 73% katika DIOR-RSVG, na inaweza kutathmini uharibifu wa majanga na kukagua nyaya za kusafirisha umeme.
Michoro kuwa CAD: Inaweza kubadilisha michoro ya kiufundi kuwa miundo ya CAD; rasmi imetajwa kuwa ilifanya vizuri katika majaribio yanayohusiana na semikondakta.
Ulinzi wa mtandao: Toleo la onyesho linatoa toleo lenye vikwazo vichache na vipengele imara zaidi vya usalama wa mtandao kwa kazi za ulinzi kama uchanganuzi wa udhaifu.
Lugha nyingi na usakinishaji huru: Imefunzwa kwa zaidi ya lugha 160, na inaweza kusakinishwa kwenye seva binafsi au API iliyo katika eneo linalolindwa na sheria za Umoja wa Ulaya.

Fuata akaunti ya WeChat na ujibu “开源” ili ujiunge na kikundi cha kubadilishana miradi ya AI ya chanzo huria
Usanifu wa wataalamu mchanganyiko wenye chembechembe ndogo (MoE): Jumla ya vigezo vya modeli ni 1.05T, vilivyogawanywa katika mitandao mingi midogo ya «wataalamu». Kila tokeni huamilisha sehemu ndogo tu, pamoja na kisimbaji cha kuona cha 1.6B kinachoshughulikia ingizo la picha. Kanuni yake ni kutumia uamilishaji adimu kupata uwezo wa modeli kubwa huku gharama ya ukokotoaji ikikaribia ya modeli mnene ya 49B.
Mafunzo kutoka sifuri na kompyuta zinazomilikiwa: Modeli ilifunzwa kabisa kutoka sifuri kwa muda wa miezi miwili, kwa kutumia takriban kadi 4000 za NVIDIA Grace Blackwell, na yote iliendeshwa katika vituo vya data vya Ulaya vinavyomilikiwa na Mistral. Hii huhakikisha mchakato wa mafunzo unadhibitika na data inaweza kufuatiliwa, ikiunga mkono simulizi lake la AI huru; wateja wanaweza kupata modeli isiyoweza kuzuiwa na serikali za kigeni.
Mafunzo endelevu ya kuimarisha baada ya mafunzo: Kilichotolewa ni toleo la onyesho, hivyo matokeo yanaweza kubadilika kabla uzani kutolewa. Mkakati ni kutumia RL kuendelea kuboresha utendaji wa mnyororo mrefu katika kazi za kufikiri, msimbo na michakato ya kifedha.
Uainishaji wa kuona (Grounding): Kwa msingi wa uwezo wa aina nyingi za data, modeli inaweza kutoa viwianishi halisi vya eneo la lengo kwenye picha. Kisimbaji cha kuona hutoa sifa za picha, kisha huzilinganisha na maagizo ya lugha katika hali nyingi za data ili kutambua pikseli husika katika matukio kama kutambua kwa mbali na michoro ya kiufundi.

Sajili akaunti: Tembelea tovuti rasmi ya Mistral Studio, jisajili na uingie.
Unda API Key: Tengeneza ufunguo wa API katika dashibodi kwa ajili ya uthibitishaji wa simu.
Thibitisha kitambulisho cha modeli: Chagua modeli mistral-large-4.
Chagua njia ya kuunganisha: Unaweza kuita API moja kwa moja APIhttps://api.mistral.ai.
Andaa ombi: Unapotuma ombi, jumuisha API Key, jina la modeli na maudhui ya ingizo.

Usanifu wa MoE adimu: Kati ya jumla ya vigezo 1.05T, ni 49B pekee huamilishwa kila wakati, hivyo kuchanganya uwezo wa modeli kubwa sana na gharama ya ukokotoaji inayokaribia ya modeli ndogo.
Kulingana na tangazo rasmi, ni modeli yenye uzani wa chanzo huria yenye nguvu zaidi Ulaya na Marekani, na ndiyo modeli kuu ya kwanza tangu ufadhili wa raundi D wa euro bilioni 3.Uwezo asilia wa aina nyingi za data na uainishaji bora wa kuona: Muktadha wa 1M na uwezo wa kutambua na kuzungushia malengo kwenye picha unazidi modeli za kisasa zilizofungwa.
Matokeo bora katika toleo la onyesho: 62% katika uhandisi wa programu wa DeepSWE na 67% katika fedha za Finch, zote zikiwa mbele ya washindani wa aina hiyo.

Uhandisi wa programu wa mnyororo mrefu: Kukamilisha kwa kujitegemea kazi nzima ya maendeleo, kuanzia kuchanganua mahitaji hadi kuandika msimbo na kutatua hitilafu.
Uchambuzi wa fedha za biashara: Kutafuta data, kuunda miundo na kutengeneza ripoti kutoka kwenye lahajedwali na hati zilizochanganyika, unaofaa kwa upatanisho wa hesabu na ukaguzi.
Tathmini ya picha za kutambua kwa mbali: Kampuni za bima zinaweza kutathmini uharibifu wa dhoruba kutoka kwenye picha za angani, kampuni za umeme kukagua nyaya za kusafirisha umeme, na mashamba kufuatilia ukuaji wa mazao.
Ulinzi wa mtandao: Kuchanganua udhaifu na kufanya mazoezi ya mashambulizi na ulinzi; baada ya kupakua uzani na kuusakinisha ndani ya kampuni, hauzuiwi na vizuizi vya modeli zilizofungwa.
Ukaguzi wa sheria na mikataba: Kusaidia kukamilisha mchakato mzima wa kazi za kisheria. Kiwango cha kufaulu cha Harvey ni 15%; kwa sasa hakuna mshiriki aliyefikisha kiwango cha kufaulu, hivyo uwezo huu bado uko katika hatua za awali.