Mistral تستعرض Large 4: نموذج متعدد الوسائط بوزن مفتوح يصل نهاية الشهر

أتاحت شركة Mistral معاينة عامة لنموذجها الجديد Mistral Large 4، أو ML4، من خلال API على منصة Mistral Studio. وتخطط الشركة لإطلاق أوزان النموذج بنهاية الشهر، ما يعني إتاحة ملفات النموذج اللازمة لتشغيله أو تخصيصه على بنية المستخدم، بدلاً من الاعتماد على خدمة سحابية فقط.

تصف Mistral النموذج بأنه أكبر نماذجها وأكثرها قدرة حتى الآن. وهو نموذج متعدد الوسائط، أي يستطيع التعامل مع النصوص والصور معاً، ويضم تريليون معامل إجمالي، لكن 49 ملياراً منها فقط تكون نشطة عند معالجة كل طلب. هذا التصميم يهدف إلى رفع السعة الكلية للنموذج مع الحد من كلفة التشغيل مقارنة بتفعيل جميع المعاملات في كل مرة.

تركيز على العمل التقني والمهني

تقول الشركة إن ML4 صُمم لأداء مهام البرمجة المعقدة، وفهم مستودعات الشيفرة، واستخدام أدوات الطرفية، إضافة إلى الوكلاء القادرين على جمع المعلومات واستخدام أدوات مثل البريد والجداول وتطبيقات العمل لإنتاج مخرجات نهائية.

وفي تقييماتها المنشورة، ذكرت Mistral أن النموذج سجل 61.7% في DeepSWE v1.1 و59.4% في SWE-Atlas-QnA، وهما اختباران لمهام هندسة البرمجيات. كما حقق 59.9% في AutomationBench، وهو معيار يتضمن 657 سير عمل للأعمال عبر تطبيقات مثل Gmail وGoogle Sheets وSlack وSalesforce.

هذه الأرقام صادرة عن الشركة، وتعرض موقع النموذج ضمن اختبارات محددة، ولا تعني بالضرورة أن الأداء نفسه سيتكرر في كل مشروع أو بيئة عمل.

الأمن السيبراني بين القدرة والتحكم

يبرز الأمن السيبراني كأحد محاور الإعلان. وفقاً لـMistral، حل النموذج في المراكز الخمسة الأولى عالمياً في Artificial Analysis Cyber Index، وهو تقييم لمدى قدرة النماذج على اكتشاف الثغرات البرمجية وإصلاحها. وتقول إنه حقق 82% في اختبار يطلب إعادة إنتاج ثغرة حقيقية في برمجيات مفتوحة المصدر ثم ترقيعها، و93% في مجموعة Cybench.

وتربط الشركة هذه القدرة بإتاحة الأوزان وخيار النشر الذاتي، خصوصاً للجهات التي تحتاج إلى إجراء أبحاث ثغرات أو الاستجابة للحوادث ضمن سياساتها وبنيتها الخاصة. لكنها تؤكد أيضاً أن الأوزان لن تصدر فوراً؛ إذ تخضع حالياً لاختبارات أمان واقعية بالتعاون مع جهات متخصصة وشركاء معتمدين وسلطات حكومية.

وتقول Mistral إن النموذج يقاوم 93.3% من الهجمات في معيار Lakera B3 AI Security Benchmark، كما إن معدل رفضه للطلبات السيبرانية الضارة في مجموعة من الاختبارات أعلى من نماذج الوزن المفتوح الأخرى التي قارنتها به.

فهم الصور والوثائق العلمية

لا يقتصر ML4 على النصوص والشيفرة. تقول Mistral إنه يحسن فهم الصور المعقدة والرسوم البيانية والوثائق الفنية، بما في ذلك الرسومات الهندسية وصور الأقمار الصناعية عالية الدقة. وتصف الشركة قدرة مهمة هنا باسم التموضع البصري: أي ربط الإجابة بجزء أو كائن محدد داخل الصورة، بدلاً من الاكتفاء بوصف عام لها.

وفي اختبار Dense 200 للتموضع البصري، ذكرت الشركة أن ML4 سجل 42% مقابل 41% لـGPT-6-Astra. كما تشير إلى استخدامات علمية تشمل تحليل البيانات والنمذجة والمحاكاة، وتقول إنه حقق أداءً متقدماً بين النماذج ذات الأوزان المفتوحة في SciCode-Verified، وهو معيار لتنفيذ سير عمل علمي معقد بالشيفرة.

بنية أوروبية وخطة للنماذج المتخصصة

دُرب النموذج من الصفر على 3,800 وحدة NVIDIA Grace Blackwell GPU في مراكز بيانات Mistral الأوروبية، بحسب الشركة. وتقول إن بيانات تدريبه تضمنت أكثر من 160 لغة، بما فيها جميع اللغات الرسمية للاتحاد الأوروبي، وإنه سيُتاح في مناطق متعددة مع تشغيل أوروبي مستقل يخضع للقانون الأوروبي.

ولم تكشف Mistral بعد تفاصيل البنية المعمارية الكاملة أو منهجية ما بعد التدريب أو بقية الاختبارات. وتقول إنها ستنشر هذه التفاصيل عند إصدار الأوزان، وإن ML4 سيكون أساساً لنماذج لاحقة متخصصة ومحسنة لقطاعات وحالات استخدام محددة.

في الوقت الحالي، المعاينة متاحة عبر API فقط. أما اختبار النموذج على بنية خاصة أو تخصيصه مباشرة فسيبقى مرتبطاً بموعد نشر الأوزان الموعود بنهاية الشهر.