Mistral lanserar AI-modell med öppna vikter och en biljon parametrar för förbättrad cybersäkerhetskontroll

Bild: TechCrunch · Källa

Mistral har släppt vikterna för sin AI-modell med en biljon parametrar, Mistral Large 4, vilket möjliggör för organisationer att använda avancerad cybersäkerhets-AI med bättre kontroll och effektivitet.

Det franska artificiella intelligensföretaget Mistral har offentligt släppt vikterna för sin öppna källkodsmodell med en biljon parametrar, Mistral Large 4 (ML4), även kallad "Le Chonk." Denna lansering gör det möjligt för regeringar och företag att själva ladda ner och implementera modellen, vilket ger dem större suveränitet över sina cybersäkerhetsförsvar. Vikterna, som utgör kärnan i AI:ns inlärda parametrar, är tillgängliga via Hugging Face och Mistrals API.

Detta drag intensifierar konkurrensen mellan utvecklare av öppna vikter som Mistral och proprietära leverantörer som OpenAI och Anthropic. Mistrals verkställande direktör, Arthur Mensch, betonar att AI bör vara ett verktyg för befogenhet snarare än dominans. Genom att tillhandahålla en modell med öppna vikter syftar Mistral på att göra det möjligt för organisationer att behålla kontroll över sin data och AI-säkerhetskapacitet utan externa beroenden.

ML4 uppnår enligt rapporter toppmoderna prestationsmått samtidigt som den kräver betydligt mindre datorkraft och kapitalinvesteringar jämfört med modeller utvecklade i slutna laboratorier. Jämfört med GLM-5.3, ett avancerat kinesiskt AI-system med öppna vikter känt för cybersäkerhetsapplikationer, använder ML4 47 % färre tokens per uppgift, vilket markerar en betydande effektivitetsförbättring.

Dessutom rankas ML4 före alla andra öppna modeller i agentbaserade kodningsuppgifter enligt Artificial Analysis’ Coding Agent Index, en erkänd AI-jämförelseplattform.

Pierre Stock, Mistrals vetenskapliga vice vd, förklarade att genom att släppa modellens vikter ger man organisationer möjlighet att tillgå avancerad intelligens för att försvara sig mot cyberattacker utan risk för tjänsteavbrott, vilket kan ske med slutna modeller. Den öppna viktnaturen möjliggör också implementation direkt i organisationens egen IT-miljö för att identifiera, koordinera och svara på säkerhetsincidenter i realtid.

Stock betonar vikten av att demokratisera denna teknik och möjliggöra bred adoption för att stärka globala cybersäkerhets-ekosystem i takt med ökande cyberhot och risken att motståndare missbrukar AI. Han erkänner utmaningarna med illvilliga AI-agenter men rekommenderar ett balanserat förhållningssätt, där säker AI-implementering ses som ett möjligt men komplext problem.

Sammanfattningsvis representerar Mistral Large 4 ett betydande steg mot öppna, effektiva och kontrollerbara AI-driven cybersäkerhetslösningar för såväl offentlig som privat sektor över hela världen.