Mistral, 1 Trilyon Parametreli 'Le Chonk' Modelini Tanıttı: Açık Ağırlıklar 27 Ekim'de Yayınlanacak

Paris merkezli yapay zeka şirketi Mistral, Mistral Large 4 (ML4) adını verdiği ve şirket içinde "Le Chonk" olarak bilinen yeni modelini kamuoyuna duyurdu. Toplam 1 trilyon parametreye sahip olan model, çok modlu girdi desteği sunuyor ancak yalnızca metin çıktısı üretiyor. Şirket, modeli özellikle kodlama, siber güvenlik, finans, üretim ve görsel zemin belirleme alanlarında konumlandırıyor.

Seyrek Mimari: 1 Trilyon Parametre, Ama Yalnızca 49 Milyarı Aktif

ML4, seyrek bir mimari üzerine inşa edilmiş. Modelin toplam 1 trilyon parametresi bulunsa da çıkarım sırasında yalnızca 49 milyar parametre aktif hale geliyor. Bu tasarım, çok büyük açık modellerde toplam model kapasitesini artırırken ağın yalnızca küçük bir bölümünü aynı anda çalıştırma yönündeki genel eğilimi sürdürüyor. Karşılaştırma yapmak gerekirse Mistral'in önceki Large 3 modeli, 675 milyar parametreli bir karışık uzman modeliydi ve 41 milyar aktif parametreyle 3.000 adet Nvidia H200 GPU üzerinde eğitilmişti.

ML4 ise yaklaşık iki ay boyunca Mistral'in kendi Avrupa veri merkezlerindeki 4.000 adet Nvidia Grace Blackwell GPU üzerinde sıfırdan eğitildi. Şirket, bu GPU sayısının mutlak anlamda önemli bir kaynak gerektirdiğini kabul ederken büyük ABD laboratuvarlarının kullandığı kaynaklara kıyasla mütevazı kaldığını savunuyor. Ancak rakipler eğitim hesaplama verilerini standart bir biçimde kamuoyuyla paylaşmadığından bu karşılaştırmanın doğrulanması güç.

Model, 160'tan fazla dilde, Avrupa Birliği'nin tüm resmi dilleri dahil olmak üzere eğitildi. Mistral'in kurucu ortağı ve baş bilim insanı Guillaume Lample, VentureBeat'e verdiği röportajda "ML4, açık ağırlıklı modellerin ön saflarındadır" dedi ve pekiştirmeli öğrenme tamamlandıkça ve şirket eğitim kapasitesini genişlettikçe modelin yeteneklerinin artmasını beklediklerini belirtti. Lample ayrıca bilim ekibini üç araştırmacıdan yaklaşık 300 kişiye çıkardığını da açıkladı.

'Le Chaton Fat' Meminden Gerçek Bir Modele

ML4'ün hikayesi, internet kültürüyle alışılmadık bir biçimde iç içe geçiyor. Haziran ayında X ve Reddit'te "Le Chaton Fat" adlı kurgusal bir Mistral modeli viral oldu. Sahte kıyaslama grafikleri ve abartılı teknik özelliklerle donatılan bu model, Amerikalı ve Çinli rakipleri geride bırakacak devasa bir Fransız yapay zeka modeli olarak sunuluyordu. Business Insider'ın haberine göre bazı versiyonlar modelin 30 trilyon parametreden fazlasına sahip olduğunu iddia ederken bazıları "saniyede 1.000 miyav" gibi saçma yetenekler listeliyordu. Mistral CEO'su Arthur Mensch de bu şakaya X üzerinden katılarak "Aslında le gros chaton" yazdı.

Temmuz ayına gelindiğinde TechCrunch, büyük bir açık ağırlıklı Mistral modelinin beklentisine ilişkin haberler yaptı ve hem Mensch'in hem de Mistral yatırımcısı Marc Andreessen'ın Le Chaton Fat şakalarını yaydığını aktardı. Şimdi Mistral gerçekten bir trilyon parametreli modele sahip; şirket de bu şakayı boşa harcamamaya karar vermiş görünüyor. ML4'ün şirket içindeki lakabı "Le Chonk", büyük bir kedi anlamına gelen internet argosuyla oynayan bir ifade. Lample, ML4'ün Le Chaton Fat meminin öngördüğü model olup olmadığı sorusuna Mistral'in bu memden keyif aldığını ve ML4'ün bu fikrin ilk versiyonu olarak değerlendirilebileceğini, daha büyük modellerin yolda olduğunu söyledi.

Aşamalı Yayın: 27 Ekim'de Açık Ağırlıklar

Mistral, modeli önce API üzerinden erişime açmayı, ardından yaklaşık üç haftalık bir test sürecinin ardından 27 Ekim'de model ağırlıklarını yayınlamayı planlıyor. Ağırlıkların özel bir Mistral lisansı kapsamında sunulması bekleniyor; şirket API fiyatlandırması konusunda herhangi bir bilgi vermedi.

Bu aşamalı yayın stratejisi, Mistral'in konumlandırma anlayışının özünü oluşturuyor. Şirket ML4'ü yalnızca genel amaçlı bir model olarak değil, işletmelerin ve hükümetlerin kendi altyapılarında çalıştırıp özelleştirebileceği bir temel olarak sunuyor. Egemen altyapı ve sıfır veri saklama seçenekleri de bu konumlandırmanın parçası. Önizleme süreci aynı zamanda Mistral'e pekiştirmeli öğrenmeyi sürdürme ve ağırlıklar yayınlanmadan önce son kontrol noktasını ince ayar yapma fırsatı tanıyacak.

Kıyaslama Sonuçları Güçlü Ama Nüanslı

Mistral, ML4 için çeşitli kıyaslama testlerinde ön sonuçlar paylaştı. Uzun vadeli yazılım mühendisliği kıyaslaması DeepSWE v1.1'de model yüzde 62 puan aldı. Mistral'in tablosunda Reflection AI'ın Beam modeli yüzde 44, Qwen 3.8 Max yüzde 51, DeepSeek V4 Pro 0813 yüzde 57 ve GLM-5.3 yüzde 61 olarak yer alıyor. Ancak canlı DeepSWE sıralaması her model için en iyi yayınlanmış konfigürasyonu seçtiğinde farklı bir tablo ortaya çıkıyor: GLM-5.3 ve Kimi K3 yaklaşık yüzde 69'da, GPT-6 Astra, Gemini 3.8 Flash ve Claude Opus 5 ise yaklaşık yüzde 74 civarında yer alıyor. Dolayısıyla ML4'ün yüzde 62'lik önizleme sonucu, özellikle Beam gibi Batılı açık ağırlıklı modellere kıyasla rekabetçi görünse de tüm model ve ajan konfigürasyonlarında mutlak bir kodlama üstünlüğü sağlamıyor.

Hukuki kıyaslamada daha net bir tablo var. Mistral'in tablosu ML4'e Harvey'nin Hukuki Ajan Kıyaslamasında yüzde 15 görev başarı oranı veriyor. Vals.ai'nin kamuya açık sıralamasında Kimi K3 yüzde 12,92, MiMo V2.6 Pro yüzde 10,83 ve GLM-5.3 yüzde 8,33 olarak görünüyor; bu rakamlar Mistral'in karşılaştırmasındaki yuvarlak rakamlarla örtüşüyor. Aynı metodoloji kullanıldıysa ML4, bu açık ağırlıklı rakiplerin önüne geçiyor; ancak Vals sıralamasında bu puanın üzerinde birkaç tescilli model bulunuyor.

Finans ve muhasebe iş akışı kıyaslaması Finch'te ise ML4 yüzde 67 puan alarak DeepSeek V4 Pro 0813 ile aynı seviyede ve GLM-5.3'ün (yüzde 65) önünde yer alıyor. Finch, ACL 2026'ya kabul edilmiş kamuya açık bir kıyaslama; 384 görevi dağınık kurumsal verilerden alınan uzun soluklu elektronik tablo, belge, arama, modelleme ve raporlama iş akışlarını kapsıyor. Ancak VentureBeat, Mistral'in tablosunda gösterilen yeni model puanları için bağımsız kaynaklarda yayınlanmış Finch sonuçlarına ulaşamadı.

Görsel zemin belirleme iddialarında da benzer bir çekince var. Mistral'in materyalleri ML4'ün Dense200'de yüzde 42 ve DIOR-RSVG'de yüzde 73 puan aldığını gösteriyor; bu sonuçlar karşılaştırmadaki genel amaçlı modellerin çoğunun önünde. Ancak Mistral'in slaytlarındaki GPT-6 Astra, Kimi K3 ve DeepSeek sonuçları, VentureBeat'in incelediği kamuya açık kıyaslama kaynaklarında yer almıyor. Yayın anı itibarıyla ML4, Artificial Analysis'in kamuya açık değerlendirmelerinde veya DeepSWE sıralamasında henüz görünmüyor; bu nedenle Mistral'in sıralama iddiası, bağımsız değerlendiriciler nihai modeli ve yayınlanan ağırlıkları test edene kadar geçici niteliğini koruyor.

Egemen Altyapı ve Kurumsal Strateji

ML4, Mistral için kritik bir dönemde geliyor. Şirket, eski DeepMind araştırmacısı Arthur Mensch ile eski Meta araştırmacıları Guillaume Lample ve Timothée Lacroix tarafından 2023'te kuruldu ve kısa sürede Avrupa'nın ABD ile Çinli temel model laboratuvarlarına en önemli rakiplerinden biri haline geldi. İlk Mistral 7B modeli Eylül 2023'te piyasaya çıktı, ardından aynı yıl seyrek yapılı Mixtral 8x7B geldi; bu iki model şirketin verimli ve açıkça erişilebilir model ağırlıkları etrafında şekillenen stratejisini belirledi.

Şirket o günden bu yana model ağırlıklarının çok ötesine geçti. Mevcut ürün yelpazesi geliştirici ve kurumsal ürünler, özelleştirme hizmetleri, çıkarım altyapısı ve Mistral Compute'u kapsıyor. Eylül ayında Mistral, 21 milyar euro'nun üzerinde işlem sonrası değerlemeyle 3 milyar euro'luk Seri D finansman turunu kapattığını duyurdu; şirket bu turu Avrupa'nın bir teknoloji şirketi tarafından tamamlanan en büyük özsermaye finansmanı olarak nitelendirdi. Reuters değerlemeyi yaklaşık 24 milyar dolar olarak aktardı. Mistral şu an Airbus, ASML ve HSBC dahil 125'ten fazla küresel işletmeye hizmet verdiğini belirtiyor.

Lample, müşterilerin giderek artan biçimde model erişiminin ötesinde şeylere ihtiyaç duyduğunu belirterek dağıtım, altyapı, özelleştirme ve mühendislik desteğinin işin ayrılmaz parçaları haline geldiğini vurguladı. Mistral, model ağırlıklarının giderek daha fazla bir emtia haline geleceğine ve yüksek değerli kurumsal işin bunların etrafında inşa edilen sistemlere kayacağına bahse giriyor. İşletmeler açısından asıl soru, ML4'ün nihai kontrol noktasının bağımsız değerlendiricilerin testlerinde ne kadar güçlü çıkacağı ve Mistral'in egemenlik vaadini maliyet, kontrol ve özelleştirme alanlarında ölçülebilir avantajlara dönüştürüp dönüştüremeyeceği.

Sıkça Sorulan Sorular

Mistral Large 4'ün toplam ve aktif parametre sayısı nedir?

Mistral Large 4, toplam 1 trilyon parametreye sahip seyrek bir mimariyle tasarlandı. Ancak çıkarım sırasında bu parametrelerin yalnızca 49 milyarı aktif hale geliyor.

ML4 ne zaman ve nasıl kamuoyuna açılacak?

Model önce Mistral'in API'si üzerinden önizleme olarak erişime açıldı. Şirket, yaklaşık üç haftalık bir test sürecinin ardından model ağırlıklarını 27 Ekim'de yayınlamayı planlıyor. Ağırlıkların özel bir Mistral lisansı kapsamında sunulması bekleniyor.

ML4 hangi alanlara odaklanıyor ve siber güvenlik için neden önemli?

Mistral, ML4'ü yazılım mühendisliği, siber savunma, finansal analiz, uydu ve hava görüntüleme, teknik çizimler ve çip tasarımı gibi kullanım alanları için konumlandırıyor. Siber güvenlik özelinde şirket, kapalı sağlayıcıların güvenlik sistemlerinin meşru savunma amaçlı talepleri reddedebileceğini, açık ağırlıklı bir modelin ise güvenlik ekiplerine değişen moderasyon politikalarına bağlı kalmadan daha fazla kontrol sağladığını savunuyor.

'Le Chaton Fat' meminin ML4 ile ilişkisi nedir?

Haziran ayında sosyal medyada kurgusal bir Mistral modeli olan "Le Chaton Fat" viral oldu; sahte kıyaslama grafikleri ve abartılı özellikler içeren bu şakaya CEO Arthur Mensch de katıldı. ML4'ün şirket içi lakabı "Le Chonk" da büyük kedi anlamına gelen internet argosuna bir gönderme. Lample, ML4'ün bu fikrin ilk versiyonu olarak değerlendirilebileceğini ve daha büyük modellerin gelebileceğini belirtti.

Mistral'in kıyaslama sonuçları bağımsız kaynaklarca doğrulandı mı?

Hayır, henüz tam anlamıyla doğrulanmadı. Yayın anı itibarıyla ML4, Artificial Analysis'in kamuya açık değerlendirmelerinde veya DeepSWE sıralamasında yer almıyor. VentureBeat, Finch kıyaslamasındaki bazı rakip model puanları ile görsel zemin belirleme sonuçları için de bağımsız kamuya açık kaynaklara ulaşamadı. Bu nedenle Mistral'in sıralama iddiaları, bağımsız değerlendiriciler nihai modeli test edene kadar geçici niteliğini koruyor.