أطلقت شركة ميسترال (Mistral AI) نموذج ميسترال لارج 4 (Mistral Large 4)، ويُعرف باسم Le Chonk، على منصة هاجينج فيس (Hugging Face) بأوزان مفتوحة. يستقبل النموذج النصوص والصور ويولّد نصًا، ويمكن للمطورين تجربته عبر Transformers، vLLM، llama.cpp.
ما هو Mistral Large 4؟
هو نموذج متعدد الوسائط ومتعدد اللغات من نوع مزيج الخبراء (Mixture-of-Experts)، أي أنه يشغّل عددًا صغيرًا فقط من مجموعات الخبراء لكل جزء من النص. يبلغ إجمالي معاملاته (Parameters) نحو 1T، منها 49B نشطة، ونافذة السياق فيه 1M توكن، وهي حجم النص الذي يقرؤه دفعة واحدة.
صدر النموذج بنسختين رسميتين، وتوجد أيضًا نسخ مضغوطة بصيغة GGUF أعدّتها Unsloth وفريق llama.cpp. ويأتي بترخيص Mistral Ecosystem Open-Weight License، وهو مشتق من ترخيص MIT ويضع قيودًا على تقديم النموذج كخدمة للآخرين.
كيف يعمل من الداخل؟
يضم مفكّك النص 72 طبقة، وبُعده المخفي 6,144، وعدد رؤوس الانتباه فيه 64. تستخدم الطبقة الأولى شبكة كثيفة، وفي بقية الطبقات يختار موجّه (Router) أربعة خبراء من أصل 128 لكل توكن، ويعمل معهم خبير مشترك دائمًا، فيصبح المجموع 5 خبراء نشطين. ويجمع الانتباه بين تقنية MLA التي تحتفظ بتمثيل مضغوط للذاكرة المؤقتة، ومفهرس DSA الذي يختار حتى 2,048 موضعًا لكل استعلام. أما الرؤية فيتولاها مشفّر Pixtral بحجم 1.6B.
ما أداؤه في الأمن السيبراني؟
حقق النموذج 82% في اختبار إعادة إنتاج ثغرة حقيقية في برمجية مفتوحة المصدر ثم ترقيعها ضمن Artificial Analysis Cyber Index، وهي أعلى نتيجة مسجلة في هذا الاختبار داخل المؤشر. وتقول Mistral إن عدة نماذج مغلقة متقدمة تسجل قرابة الصفر في الاختبار نفسه لأنها ترفض تنفيذ المهمة. كما حل 93% من اختبار Cybench الذي يضم 40 تحديًا من مسابقات أمنية، وسجل 93.3% في مقاومة حقن الأوامر على اختبار B3 من Lakera. وأظهرت اختبارات داخلية نتائج جيدة في تحليل البرمجيات الخبيثة وكتابة قواعد الكشف.
وتضع ميسترال النموذج للعمل الدفاعي أساسًا، لأن أبحاث الثغرات والاستجابة للحوادث تبدو كهجمات في المدخلات فتحجبها مرشحات النماذج المغلقة. ومع ذلك يرفض النموذج الطلبات الضارة، ومتوسط رفضه في مطالبات سيبرانية من JailbreakBench، StrongREJECT، AgentHarm أعلى من أي نموذج مفتوح الأوزان آخر.
ما أداؤه في البرمجة؟
سجل النموذج 61.7% على DeepSWE v1.1، وحقق 59.4% على SWE-Atlas-QnA، وبلغت نتيجته 28.3% على Terminal-Bench 4. ويضعه مؤشر وكلاء البرمجة بنتيجة 49.8% متقدمًا على DeepSeek V4 Pro 0813 ونموذج Qwen3.8 Max. وفي مهام العمل المعرفي سجل 59.9% على AutomationBench، ونتيجة 1,393 Elo على AA-Briefcase. وهو في المركز الخامس بين النماذج مفتوحة الأوزان على مؤشر Artificial Analysis Intelligence حتى 29 أكتوبر 2026.
كيف تشغّله؟
يأتي النموذج بدعم فوري لـ Transformers، vLLM، llama.cpp، مع نشر عن بُعد عبر Inference Endpoints واستدلال دون خادم عبر Inference Providers. ويقبل مستويات جهد استدلال هي low، medium، high، والافتراضي high، ولا يمكن إيقاف الاستدلال. أما نسخة NVFP4 في vLLM فذاكرتها أقل وتتطلب وحدات NVIDIA Blackwell.
ماذا يعني لك؟
الأوزان متاحة على Hugging Face. إن كنت مطورًا أو فريق أمن ولا تملك عتادًا قويًا، فجرّب الاستدلال عبر Inference Providers، وانتبه إلى أن الترخيص يقيّد تقديم النموذج كخدمة. ولمتابعة نماذج أخرى للأمن السيبراني اطلع على تغطيتنا لـ Gemini 4 Carbon، وراجع تغطيتنا لموقف Claude Opus من الهندسة العكسية لمعرفة كيف تتعامل النماذج المغلقة مع الطلبات الحساسة، وتجد المزيد في قسم نماذج AI.
