Mistral AI udostępnia Large 4: licencja, sprzęt i cena

Mistral AI udostępnił 29 października wagi modelu Mistral Large 4 na licencji, która pozwala firmie używać go wewnętrznie i komercyjnie bez podpisywania umowy. Bank, urząd albo software house może więc uruchomić go na własnym serwerze i nie wysyłać danych do zewnętrznego dostawcy. Umowy z Mistralem wymaga dopiero sprzedaż dostępu do modelu jako usługi. Same wagi ważą 1,06 TB, a przykłady w karcie modelu zakładają serwer z ośmioma kartami graficznymi klasy centrum danych. W niezależnym indeksie Artificial Analysis model ma 26 punktów i 8. miejsce na 19 dużych modeli z otwartymi wagami. Stan na 29 października 2026 roku, godz. 16:30.

Czym jest Mistral AI i co udostępnił 29 października

Mistral AI to europejska firma, która od kwietnia 2023 roku buduje modele językowe. Część z nich udostępnia z otwartymi wagami. Założyli ją Arthur Mensch, Guillaume Lample i Timothée Lacroix. Według strony o firmie pierwszy model, Mistral 7B, wyszedł we wrześniu 2023 roku. Pierwszy Mistral Large pojawił się w lutym 2024 roku. W sierpniu pisaliśmy o wyborze regionu, w którym liczy model Mistrala.

Mistral Large 4 (roboczo “Le Chonk”) działa w podglądzie w API od 6 października. Według komunikatu z 29 października firma od tego czasu dalej go trenowała. Teraz wydała poprawioną wersję razem z wagami na Hugging Face. Otwarte wagi oznaczają gotowy, wytrenowany model do pobrania i uruchomienia u siebie. Danych treningowych w repozytorium nie ma.

Jak jest zbudowany Mistral Large 4

Model ma około biliona parametrów w architekturze mieszanki ekspertów (ang. Mixture of Experts, MoE). Sieć dzieli się na 128 bloków, tzw. ekspertów. Przy każdym tokenie, czyli kawałku słowa, uruchamia cztery z nich plus jeden wspólny. Dlatego na jeden token pracuje 49 mld parametrów, a razem z warstwami wejścia i wyjścia 52 mld. To są parametry aktywne. W praktyce model odpowiada szybciej, niż sugeruje bilion, ale w pamięci serwera muszą leżeć wszystkie wagi.

Karta modelu podaje okno kontekstu 1 mln tokenów. Model przyjmuje tekst i obrazy, a odpowiada tekstem. Ma trzy tryby rozumowania: niski, średni i wysoki (domyślny). Karta deklaruje ponad 160 języków, w tym polski. Według niej model trenowano od zera na 3800 kartach NVIDIA Grace Blackwell w europejskich centrach danych Mistrala.

Licencja Mistral Large 4: co wolno firmie bez umowy z Mistralem

Firma może bez umowy używać Mistral Large 4 wewnętrznie i dostrajać go na własnych danych. Może go też wbudować w produkt końcowy, jeśli model działa tam tylko w ramach konkretnych funkcji. Osobnej licencji komercyjnej wymaga działalność, która spełnia definicję “Model as a Service”. Plik licencji jest krótki. Składa się z podstawowej zgody i trzech warunków.

Co mówi licencja, punkt po punkcie

1. Zgoda. Bezpłatnie wolno model używać, kopiować, modyfikować, publikować, rozpowszechniać i sprzedawać jego kopie. Wolno go też uruchamiać, dalej trenować i tworzyć modele pochodne.

2. Warunek 1. Nota o prawach autorskich i treść licencji muszą trafić do wszystkich kopii modelu.

3. Warunek 2. Licencjobiorca, który sam albo przez podmiot powiązany prowadzi biznes “Model as a Service”, musi zawrzeć z Mistralem osobną licencję komercyjną. Musi to zrobić, zanim użyje modelu lub modelu pochodnego w celu komercyjnym. Wniosek składa się przez formularz kontaktowy Mistrala.

4. Definicja z warunku 2. “Model as a Service” to udostępnianie modelu osobie trzeciej do generowania odpowiedzi albo dalszego trenowania, na przykład przez API. Chodzi o taki dostęp, w którym ta osoba ma “realną kontrolę” nad danymi wejściowymi, parametrami albo danymi treningowymi. Definicja nie obejmuje produktów dla użytkowników końcowych, w których model działa tylko w ramach konkretnych funkcji. Nie obejmuje też zwykłego przekazywania zapytań do modeli hostowanych przez kogoś innego.

5. Warunek 3. Wymogi z warunku 2 nie dotyczą użytku wewnętrznego, czyli takiego, przy którym model nie trafia do osób trzecich. Nie dotyczą też korzystania z modelu przez oficjalne produkty Mistrala.

Model jest dostarczany “tak jak jest”, bez żadnej gwarancji.

Co to znaczy w praktyce

Wewnętrzny asystent dla pracowników przychodni albo działu prawnego mieści się w użytku wewnętrznym. Aplikacja dla klientów z funkcją streszczania dokumentów pasuje do wyjątku dla produktów końcowych. Inaczej jest z software house’em, który postawi model u siebie i sprzeda klientom dostęp przez API. Jeśli klienci piszą tam własne polecenia, firma prowadzi “Model as a Service” i potrzebuje umowy. Licencja nie mówi, gdzie dokładnie zaczyna się “realna kontrola” użytkownika. Przy usłudze dla klientów bezpieczniej zapytać Mistrala na piśmie, zanim projekt ruszy.

Warunek dotyczący usług sprawia, że Mistral Large 4 jest modelem z otwartymi wagami i ograniczeniem licencyjnym. Artificial Analysis oznacza tę licencję jako otwarte wagi z ograniczeniem użytku komercyjnego.

Pierwsza Misja AI · Kodożercy

Używasz AI codziennie, ale czy robisz to dobrze?

Kurs Pierwsza Misja AI pokaże Ci techniki promptowania, które naprawdę działają. Praktyczne ćwiczenia na żywym modelu, gamifikacja i certyfikat.

Sprawdź program kursu →

Na czym uruchomić Mistral Large 4 na własnym serwerze

Mistral Large 4 potrzebuje serwera z kilkoma kartami graficznymi klasy centrum danych, w typowej konfiguracji z ośmioma. Tak wynika z przepisu wdrożeniowego vLLM, czyli projektu, który Mistral poleca do uruchamiania modelu. Przy ośmiu kartach wersja FP8 zajmuje około 128 GiB wag na kartę, a wersja NVFP4 dla kart NVIDIA Blackwell około 76 GiB. Według przepisu model sprawdzono na ośmiu kartach B300 albo B200 i na systemach NVIDIA GB300, gdzie wersji NVFP4 wystarcza jeden moduł z czterema kartami. Na kartach H200 potrzebne były dwa węzły po osiem kart. Karty z 80 GB pamięci nie mieszczą wersji FP8 na ośmiu GPU.

Rozmiar wag policzyliśmy sami, sumując pliki w repozytoriach przez API Hugging Face. Oficjalna wersja FP8 to 54 pliki o łącznej wadze 1,06 TB. Wersja NVFP4 waży 610 GB. Repozytorium nie ma bramki, więc wagi pobiera się bez wypełniania wniosku. Do programu llama.cpp powstały konwersje GGUF. Najmocniej skompresowana z nich waży 298 GB, więc nawet ona wymaga około 300 GB pamięci na same wagi. Domowy komputer ani typowa stacja robocza tego nie pomieszczą. Co daje kompresja, opisujemy w tekście o kwantyzacji Q4 i Q8.

Dla większości polskich firm realną drogą zostaje gotowa usługa. Komunikat wymienia API Mistrala, Mistral Studio, OpenRouter i Microsoft Foundry, a każda z tych dróg oznacza wysyłanie danych do dostawcy. NVIDIA oferuje model w swoich punktach dostępowych i jako kontener NIM do uruchomienia na własnym sprzęcie, więc miejsce przetwarzania zależy tam od wybranego wariantu. Kto musi trzymać dane u siebie i nie ma wielokartowego serwera klasy centrum danych, ma do wyboru mniejsze modele. Opisaliśmy je w przeglądzie modeli otwartych do uruchomienia lokalnie.

Ile kosztuje Mistral Large 4 w API

Mistral Large 4 w API kosztuje 0,70 USD za milion tokenów wejściowych i 2,10 USD za milion tokenów wyjściowych. Wejście z pamięci podręcznej kosztuje 0,07 USD za milion. Te same stawki podaje cennik w dokumentacji. Analiza umowy na 100 tys. tokenów z odpowiedzią na 5 tys. tokenów kosztuje więc około 8 centów. Do tego dochodzą tokeny rozumowania.

Według karty modelu limit długości odpowiedzi obejmuje także tokeny rozumowania. W teście Artificial Analysis model w trybie wysokim wygenerował 110 mln tokenów wobec mediany 100 mln. Serwis ocenia ceny jako nieco wyższe od mediany modeli tej klasy, która wynosi 0,43 USD i 1,50 USD. Przez pierwszy tydzień oficjalne dema na Hugging Face mają mały wspólny budżet na każdego odwiedzającego. Model da się tam sprawdzić bez płacenia.

Mistral Large 4 w niezależnym pomiarze Artificial Analysis

W indeksie Artificial Analysis Intelligence Index v5 Mistral Large 4 w trybie wysokim ma 26 punktów. To 8. miejsce na 19 porównywanych modeli z jego klasy (otwarte wagi, powyżej 150 mld parametrów), przy medianie 23. Prowadzący w całym indeksie Gemini 4 Carbon ma według artykułu serwisu z 28 października 59 punktów. Indeks składa się z dziewięciu testów, między innymi zadań w terminalu, pisania kodu i wiedzy specjalistycznej. Wynik odczytaliśmy 29 października o 16:25. Strona może się jeszcze zmienić po kolejnych pomiarach.

Sam Mistral pisze w karcie modelu, że 26 to najwyższy wynik wśród zachodnich modeli otwartych. Chińskie modele otwarte mają w tym indeksie więcej. Swoją przewagę firma pokazuje w programowaniu i bezpieczeństwie i nazywa Large 4 najlepszym modelem otwartym do kodowania. Na poparcie podaje 48% w Artificial Analysis Coding Agent Index. Według firmy to remis z GLM-5.3 przy 47% mniejszym zużyciu tokenów. W Terminal-Bench 4.0 podaje 41%. W ślepych porównaniach kodu Surge Code oceniający wybierali odpowiedź Mistrala częściej niż GLM-5.3, Kimi K3 i DeepSeek V4.1 Flash. Z Claude Opus 5.5 model przegrał: jego odpowiedź wybrano w 22% porównań.

Polszczyzny nikt jeszcze nie sprawdził niezależnie. Lista języków w karcie to deklaracja producenta. Firma, która szuka modelu do polskich dokumentów, powinna zrobić własny test na kilkudziesięciu prawdziwych przykładach. Punktem odniesienia może być Bielik, polski model językowy.

FAQ

Czy Mistral Large 4 jest darmowy?

Wagi Mistral Large 4 można pobrać bezpłatnie i bez umowy używać ich w firmie, także komercyjnie. Płaci się za sprzęt albo za API: 0,70 USD za milion tokenów wejściowych i 2,10 USD za milion wyjściowych. Osobnej licencji komercyjnej od Mistrala potrzebuje tylko firma, która sprzedaje innym dostęp do modelu jako usługę.

Czy dane wysłane do Mistral Large 4 zostają w Europie?

Na pewno zostają u firmy tylko wtedy, gdy model działa na jej własnym serwerze. Przy API Mistrala o miejscu przetwarzania decydują ustawienia regionu i umowa z dostawcą. Przy Microsoft Foundry, OpenRouterze czy punktach NVIDIA decydują warunki tych usług, a kontener NIM na własnym serwerze działa tak jak każde wdrożenie u siebie. Regiony Mistrala opisaliśmy przy udostępnieniu punktów regionalnych.

{ agenci AI }

Agent AI, który pracuje na danych Twojej firmy

Budujemy agentów, którzy odpowiadają klientom, czytają dokumenty i przygotowują raporty, podłączonych do Waszych systemów. Zaczynamy od jednego procesu i sprawdzamy efekt, zanim pójdziemy dalej.

Sprawdź, jak wdrażamy agentów → Software house, który prowadzi ten blog

Podsumowanie

Mistral AI udostępnił wagi Mistral Large 4 na licencji, która pozwala firmom używać modelu wewnętrznie i w produktach końcowych z konkretnymi funkcjami bez żadnej umowy. Osobnej licencji wymaga dopiero udostępnianie modelu innym jako usługi, z realną kontrolą klienta nad poleceniami. Uruchomienie u siebie wymaga wielokartowego serwera klasy centrum danych, bo same oficjalne wagi ważą ponad terabajt. Większość firm sięgnie więc po API albo po mniejszy model lokalny. W niezależnym indeksie Artificial Analysis Large 4 wypada powyżej mediany swojej klasy, ale daleko za liderem całego zestawienia. Najmocniejsze wyniki w programowaniu podaje sam Mistral. Przed wdrożeniem trzeba przeczytać plik licencji i sprawdzić model na własnych polskich dokumentach.

Mateusz Wojdalski

Specjalista SEO i content marketingu w Devstock. Zajmuję się strategią treści, automatyzacją procesów marketingowych i wdrożeniami AI w codziennej pracy. Badam nowe narzędzia, adaptuję je do realnych zadań i piszę o tym, co faktycznie działa.