Mistral Large 4 نموذج خبراء مُجزَّأ (MoE) طرحته شركة ميسترال الفرنسية في معاينة برمجية يوم السادس من أكتوبر 2026، بتريليون معامل إجمالي تنشّط منه 49 مليار معامل فقط عند كل استدلال.
النموذج يقرأ النص والصور معًا، وتدريبه شمل أكثر من 160 لغة من بينها كل لغات الاتحاد الأوروبي الرسمية.
تجربته الآن تمر فقط عبر واجهة Mistral Studio البرمجية، بسعر 1.36 دولار لكل مليون توكن إدخال و4.18 دولار لكل مليون توكن إخراج.
أوزان النموذج نفسها، الملفات التي تُحمَّل وتُشغَّل على خادمك الخاص، لم تُنشر بعد؛ الشركة تقول إنها ستنشرها قبل نهاية أكتوبر لا في يوم الإعلان.
ما الجديد في Mistral Large 4؟
ميسترال تسمي النموذج داخليًا ML4، وتصفه في تدوينة الإطلاق بأنه “نموذج خبراء مُجزَّأ مفتوح الوزن يجمع بين وضع التوجيه المباشر ووضع الاستدلال، ويقبل إدخالًا متعدد الوسائط”. بالعربية هذا يعني ثلاثة أشياء مجتمعة في نموذج واحد بدل نموذجين منفصلين كما اعتادت شركات أخرى: نسخة تجيب مباشرة على الطلب، ونسخة تفكر خطوة بخطوة قبل أن تجيب، وقدرة على قراءة الصور إلى جانب النص من البداية.
الرقمان اللذان يحددان حجم النموذج هما 1 تريليون معامل إجمالي، و49 مليار معامل نشط فقط في كل استدلال واحد. هذا هو جوهر معمارية “خبراء مُجزَّأ” (Mixture of Experts): النموذج يحمل معرفة ضخمة مقسّمة على خبراء متعددين، لكنه لا يستدعي كل الخبراء في كل مرة، بل يختار جزءًا صغيرًا منهم بحسب طبيعة الطلب. النتيجة نموذج يحمل سعة معرفة تريليون معامل، بتكلفة حسابية أقرب إلى نموذج أصغر بكثير.
الدمج بين وضع التوجيه المباشر ووضع الاستدلال في نموذج واحد له فائدة عملية مباشرة: من يبني تطبيقًا لا يحتاج أن يستدعي نموذجين مختلفين، واحدًا للردود السريعة وآخر للمهام التي تحتاج تفكيرًا متسلسلًا، بل يطلب من ML4 نفسه أن يفكر خطوة بخطوة حين تستدعي المهمة ذلك، ويرد مباشرة حين لا تستدعيه. ميسترال تكتب في مقدمة التدوينة نفسها “اليوم نطلق معاينة عامة لـ Mistral Large 4” (public preview)، لا إصدارًا نهائيًا مستقرًا، وهذا الوصف نفسه يفسّر لماذا تبقى بعض التفاصيل، مثل حجم نافذة السياق الدقيق، غير مذكورة في تدوينة الإطلاق. وتتداول تغطيات أخرى أرقامًا لحجم نافذة السياق، من 256 ألف توكن إلى مليون توكن، لكني لم أتحقق منها بنفسي في المصدر الرسمي فتركتها خارج المقال.
جانب أقل حديثًا عنه لكنه مذكور صراحة في التدوينة هو اللغة: حصة كبيرة من بيانات تدريب ML4 كانت متعددة اللغات، وتغطي أكثر من 160 لغة، من بينها كل لغة رسمية في الاتحاد الأوروبي. هذا ليس تفصيلًا عرضيًا، بل جزء من موقع ميسترال التسويقي الذي يتكرر في التدوينة نفسها تحت عنوان “صُنع في أوروبا، مبني من أجل السيادة الرقمية”.
لماذا تقول ميسترال إن النموذج مفتوح الوزن، ولا يمكن تحميله الآن؟
هنا الفارق الذي يسهل تفويته لمن يقرأ عنوان الخبر فقط دون أن يفتح التدوينة نفسها. ميسترال تصف ML4 بأنه “مفتوح الوزن”، لكن ما هو متاح فعليًا اليوم مجرد معاينة عبر واجهتها البرمجية، لا الأوزان نفسها. التدوينة تقول حرفيًا في قسم “جرّبه اليوم”: سننشر الأوزان قبل نهاية الشهر. يعني هذا أن من يريد تشغيل النموذج على خادمه الخاص، أو تعديله، أو تدقيق محتواه، لا يستطيع ذلك قبل نهاية أكتوبر 2026 على أقل تقدير، ولا يوجد تاريخ أدق من هذا في الإعلان نفسه.
النموذج تدرّب من الصفر على 3800 معالج NVIDIA Grace Blackwell، داخل مراكز بيانات ميسترال نفسها في أوروبا، لا على سحابة طرف ثالث. وتضيف التدوينة أن النموذج سيكون متاحًا عبر مناطق متعددة حول العالم، من بينها نشر أوروبي تديره ميسترال بنفسها من البداية إلى النهاية، بمعزل عن مزودي الخدمات الرقمية الآخرين، وخاضع للقانون الأوروبي. هذه الجملة تحديدًا موجهة إلى جهة بعينها: مؤسسات ووزارات أوروبية تريد نموذجًا قويًا دون أن تضع بياناتها عند شركة أمريكية أو صينية، وهي نفس الحجة التي ترفعها ميسترال منذ شراكتها مع موزيلا وافتتاحها مكتبًا في ميونخ الشهر الماضي.
عمليًا، هذا يضع من يفكر في استعمال ML4 اليوم أمام خيار واحد فقط لا ثلاثة: واجهة ميسترال البرمجية بسعرها المعلن، لا تحميل محلي، ولا استضافة ذاتية، ولا تعديل على الأوزان، إلى أن تنشرها الشركة فعليًا.
نفس تدوينة الإطلاق تذكر أن هذا ليس أول خطوة لميسترال في اتجاه السيادة الرقمية الأوروبية هذا الشهر: ضمن قائمة إعلاناتها الأخيرة على موقعها الرسمي يظهر افتتاح مكتب جديد في ميونخ بألمانيا في الثامن والعشرين من سبتمبر، وشراكة مع موزيلا في السادس عشر من سبتمبر لدمج ذكاء اصطناعي مفتوح وخاص ومتعدد اللغات داخل متصفح Firefox. قراءة ML4 في سياق هذه الإعلانات المتتالية توضح أن الطرح ليس مجرد منافسة على الأداء الخام، بل محاولة لبناء بديل أوروبي كامل، من المعالج إلى مركز البيانات إلى المتصفح الذي يستعمله المستخدم النهائي.
وتفاصيل رخصة الأوزان، نوعها وبنودها وما تسمح به وما تمنعه، لم تُنشر بعد لأن الأوزان نفسها لم تُنشر. ومتطلبات التشغيل محليًا، الذاكرة وعدد المعالجات اللازمة فعليًا، غير معروفة حتى تصدر الأوزان وتُجرَّب على أجهزة حقيقية خارج ميسترال.
كيف قاست ميسترال أداءه في الأمان السيبراني والبرمجة؟
التدوينة تخصص قسمًا كاملًا للأمان السيبراني، وتعرض فيه ML4 كأفضل نموذج مفتوح الوزن طُوّر خارج الصين في هذا المجال، لا كأفضل نموذج في العالم مطلقًا: في مؤشر AA Cyber Index يأتي ML4 بين أفضل خمسة نماذج عالميًا، ويتقدّم بفارق واسع على النماذج المفتوحة التي طُوّرت خارج الصين تحديدًا، وهذا يعني ضمنًا أن نماذج صينية مفتوحة الوزن ما زالت تسبقه في المؤشر نفسه.
| الاختبار | نتيجة ML4 | ملاحظة |
|---|---|---|
| Cybench | 93% | من 40 تحديًا مأخوذًا من مسابقات أمن سيبراني حقيقية |
| اختبار إعادة إنتاج ثغرة (AA Cyber Index) | 82% | الأعلى بين كل النماذج التي قاستها ميسترال |
| DeepSWE v1.1 (برمجة وكيلية) | 61.7% | |
| Terminal-Bench 4 (برمجة وكيلية) | 28.3% |
وأرقام الاختبارات هنا كلها من قياس ميسترال نفسها على نماذجها واختباراتها، ولا توجد بعد نتائج مستقلة منشورة تقارن ML4 بمنافسيه خارج ما نشرته الشركة صاحبته.
النقطة التي تستحق قراءة متأنية هي اختبار إعادة إنتاج الثغرة: ميسترال تكتب أن نماذج مغلقة بارزة، من بينها Claude Opus 5.5 وGPT-6 Astra، سجّلت نتيجة قريبة من الصفر في الاختبار نفسه. السبب الذي تذكره ميسترال هو أن هذين النموذجين يرفضان تنفيذ المهمة أصلًا، لا أنهما حاولا وفشلا فيها. هذا فرق جوهري: الرقم لا يقيس من هو “أقدر على الاختراق”، بل يقيس أي النماذج يوافق على تنفيذ مهمة تكرار ثغرة أمنية معروفة حين يُطلب منه ذلك مباشرة، وهو سلوك متعمد من الشركات المالكة لتلك النماذج، لا ضعفًا تقنيًا فيها.
هل نتيجة ML4 العالية في اختبار الأمان السيبراني تعني أنه أقدر على الاختراق من كلود أو ChatGPT؟
لا بالضرورة. ميسترال نفسها كتبت أن Claude Opus 5.5 وGPT-6 Astra سجّلا نتيجة قريبة من الصفر في ذلك الاختبار تحديدًا لأنهما يرفضان تنفيذ المهمة أصلًا، لا لأنهما حاولا وفشلا فيها.
كيف صنّفه التقييم البشري والبصري مقابل نماذج أخرى؟
ميسترال استعانت بشركة Surge AI لتقييم بشري مقارن بين خمسة نماذج، وجاء ML4 في المرتبة الثانية بتقييم 3.74 من 5، خلف Claude Opus 5 فقط (4.22)، ومتقدمًا على Kimi K3 (3.59) وGLM-5.3 (3.60) وGLM-5.2 (3.40). ترتيب كهذا يضع ML4 في مقارنة مباشرة مع أحدث النماذج الصينية المفتوحة، لا مع نماذج أقدم أو أصغر.
في الفهم البصري، تذكر التدوينة أن ML4 تفوّق على GPT-6 Astra في اختبار Dense 200 الخاص بالتثبيت البصري الدقيق (42% مقابل 41%)، وهو فارق ضئيل يستحق أن يُقرأ كتعادل عملي لا كتفوّق واضح. على محور السلامة، يقاوم النموذج 93.3% من محاولات الهجوم في اختبار B3، وتكتب ميسترال أنها لا ترى نتيجة أعلى بين منافسيه. في اختبار KORA العام للسلامة، يسجّل ML4 1.691 من حد أقصى قدره 2، وهو الأعلى بين النماذج مفتوحة الوزن بحسب قياس ميسترال نفسها.
هل يستحق الاعتماد عليه في مشروع الآن؟
قبل أن تضع ML4 في مسار إنتاج حقيقي، يستحق أن تعرف أن ميسترال لم تطلقه بمعزل عن قطاعات محددة: التدوينة تذكر أن جزءًا من تدريبه جرى بالتعاون مع مؤسسات كبرى في المالية والتصنيع واللوجستيات والأدوية والعلوم والشحن والقطاع العام، وأن اختبار مقاومته لمحاولات الاختراق جرى بمشاركة جهات متخصصة في الأمن السيبراني وشركاء تم التحقق منهم وجهات حكومية، إلى جانب تقييم مستقل عبر منصتي vals.ai وHarvey AI.
من ناحيتي، أرى أن الوقت الحالي مناسب لتجربة ML4 عبر الواجهة البرمجية على مهمة محدودة، لا لبناء منتج كامل عليه. السبب بسيط: أي قرار استضافة ذاتية أو تشغيل محلي لا معنى له قبل أن تصدر الأوزان فعليًا، وسعر الواجهة البرمجية المعلن الآن قد لا يبقى كما هو بعد أن يصير النموذج متاحًا للتحميل. من يحتاج قرارًا فوريًا على مشروع إنتاجي، الأحكم أن ينتظر أسبوعين إلى ثلاثة حتى تتضح صورة الأوزان والترخيص المرفق بها، لا أن يبني على وعد لم يتحقق بعد.
الفرق بين سعر الإدخال والإخراج يستحق أن يدخل في أي حساب تكلفة مبكر: 1.36 دولار لكل مليون توكن إدخال مقابل 4.18 دولار لكل مليون توكن إخراج يعني أن تكلفة النموذج الفعلية ترتفع بوضوح مع المهام التي تولّد نصًا طويلًا، مثل كتابة تقرير كامل أو شرح مطوّل لخطوات الاستدلال، لا مع المهام التي تقرأ نصًا طويلًا وتردّ بإجابة قصيرة. من يخطط لاستعمال وضع الاستدلال في ML4 تحديدًا، حيث يكتب النموذج خطوات تفكيره قبل الإجابة النهائية، يحسب هذا الفارق في تكلفة كل طلب من البداية، لا بعد أن تصله أول فاتورة أعلى مما توقّع.
سؤالان عن سعر Mistral Large 4 وإصداره السابق
هل Mistral Large 4 مجاني؟
الوصول عبر الواجهة البرمجية مدفوع بحسب الاستهلاك: 1.36 دولار لكل مليون توكن إدخال، و4.18 دولار لكل مليون توكن إخراج. متى صدرت الأوزان، يصير تشغيله على خادمك الخاص خيارًا بلا هذه التكلفة لكل طلب، على حساب تكلفة الخادم نفسه.
ما الفرق بينه وبين الإصدار السابق؟
تدوينة الإطلاق لم تنشر مقارنة رقمية مباشرة بين ML4 والإصدار السابق من Mistral Large؛ كل المقارنات فيها مع نماذج شركات أخرى، مثل Claude Opus وGPT-6 Astra ونماذج صينية، فأي فرق محدد بين الإصدارين خارج نطاق ما نشرته ميسترال هنا.
