شرکت فرانسوی هوش مصنوعی میگوید مدل «Large 4» آن قابلیتهای پیشرفته برنامهنویسی و دفاع سایبری دارد و میتواند روی رایانهها و سرورهای اختصاصی همان سازمان اجرا شود.
شرکت میسترال وزنهای جدیدترین مدل بزرگ پرچمدار هوشمصنوعی خود را منتشر کرده است (منبع به زبان انگلیسی)، یعنی میسترال لارج 4 (ML4) با نام مستعار «Le Chonk»، و میگوید این مدل در زمینه کدنویسی و دفاع سایبری بهبود یافته است، در حالی که اروپا به دنبال ساخت جایگزینهایی برای فناوریهای آمریکا و چین است.
این شرکت فرانسوی میگوید این مدل «بهترین مدل باز کدنویسی عاملمحور در جهان» است و به شرکتها و دولتها «قابلیتهای دفاع سایبری هوشمصنوعی در مرز دانش را میدهد که میتوانند به طور کامل مالک و کنترل آنها باشند» از جمله توانایی «شناسایی، تحلیل و پاسخ به تهدیدهای سایبری در کد و زیرساخت فناوری اطلاعات».
این انتشار پس از ارایه پیشنمایش ML4 در 6 اکتبر انجام شد. از آن زمان، میسترال سه هفته گذشته را صرف تقویت یادگیری این مدل و آزمایش آن با مشتریان و شرکا در شرایط دنیای واقعی کرده است.
پیر استاک معاون بخش علم در میسترال گفت: «ML4 OSS توانایی تیم علمی ما برای نوآوری با سرعت بالا را نشان میدهد. بر پایه پیشنمایش ML4، نسخه دارای وزنهای باز به آموزش با یادگیری تقویتی ادامه میدهد و بدون نشانهای از اشباع، دستاوردهای قابل توجهی ارایه میکند».
او افزود: «در کمتر از سه هفته و در همان اجرای یادگیری تقویتی، ما با افزودن دو حالت استدلال اضافی بازخورد مشتریان را وارد کردیم، و در عین حال ML4 را کاراتر و قابلسفارشیسازیتر کردیم».
میسترال میگوید آخرین نسخه ML4 با دیگر مدلهای باز پیشرو برای کدنویسی رقابت میکند، در حالی که به طور میانگین در هر وظیفه 47 درصد توکن کمتر از مدل چینی GLM-5.3 استفاده میکند. امتیاز این مدل در آزمون Terminal-Bench 4.0 که توانایی عاملهای هوشمصنوعی برای انجام وظایف کدنویسی در یک ترمینال را میسنجد، پس از آموزش بیشتر از 28 درصد به 41 درصد افزایش یافته است.
این انتشار در حالی انجام میشود که اروپا با تهدیدهای فزاینده در حوزه امنیت سایبری روبهرو است، از جمله نقص امنیتی برنامهنویسی PHP که اخیرا با استفاده از هوشمصنوعی کشف شد، و همچنین حملات سایبری اخیر علیه دولتهای بلژیک و نروژ.
کنترل بیشتر بر هوشمصنوعی
در دسترس قرار دادن وزنهای این مدل به سازمانها امکان میدهد آن را روی زیرساخت خود دانلود و اجرا کنند، به جای آنکه فقط به خدمات میزبانی یک ارایهدهنده خارجی متکی باشند.
این موضوع میتواند به ویژه برای شرکتهایی که با اطلاعات حساس، مانند کد نرمافزار مالکیتی، سروکار دارند و نمیخواهند آن را با یک خدمت هوشمصنوعی خارجی به اشتراک بگذارند، مفید باشد.
سازمانها در چنین حالتی کنترل بیشتری بر محل اجرای مدل و نحوه ادغام آن در سامانههای خود خواهند داشت، هرچند همچنان به سختافزار و تخصص مناسب برای بهرهبرداری امن از آن نیاز دارند.
میسترال میگوید سازمانهایی که ML4 را روی زیرساخت خود اجرا میکنند با خطر محدود شدن دسترسی یا غیرفعال شدن مدل از سوی یک ارایهدهنده شخص ثالث روبهرو نخواهند بود.
این اقدام در حالی انجام میشود که نگرانیها درباره وابستگی اروپا به ارایهدهندگان هوشمصنوعی آمریکایی افزایش یافته است. در ژوئن، دولت ترامپ به شرکت Anthropic دستور داد دسترسی به مدلهای Fable 5 و Mythos 5 را برای اتباع خارجی تعلیق کند.
این محدودیتها بعدا برای Fable 5 برداشته شد، در حالی که دسترسی به Mythos 5 همچنان برای سازمانهای منتخب محدود ماند. این رخداد برجسته کرد که چگونه تصمیمهایی که خارج از اروپا گرفته میشود میتواند بر دسترسی به خدمات پیشرفته هوشمصنوعی تاثیر بگذارد.
جاهطلبیهای هوشمصنوعی اروپا
اروپا در توسعه مدلهای بزرگ هوشمصنوعی و فراهم کردن منابع مورد نیاز برای ساخت آنها همچنان از آمریکا و چین عقب مانده است.
میسترال یکی از توسعهدهندگان پیشرو هوشمصنوعی در اروپا است، اما طبق گزارشها ارزشگذاری آن حدود 24 میلیارد دلار (20.9 میلیارد یورو) است که بسیار کمتر از رقبای آمریکایی آن، OpenAI و Anthropic، است.
میسترال استدلال میکند که با وجود نابرابری در منابع، «ML4 اکنون بهترین مدل باز ساخته شده در غرب است».
این مدل روی 3 هزار و 800 پردازنده گرافیکی Grace Blackwell شرکت آمریکایی Nvidia در مراکز داده اروپایی میسترال آموزش داده شده است. این شرکت میگوید ML4 «عملکرد در سطح روز» به دست میآورد، در حالی که «فقط بخشی از توان پردازشی و سرمایه» استفاده شده در آزمایشگاههای بسته مانند OpenAI و Anthropic را به کار میگیرد.
زیرساخت اروپایی این مدل میتواند کنترل عملیاتی بیشتری به مشتریان بدهد، اما اتکای آن به تراشههای Nvidia نشان میدهد اروپا همچنان برای بخشهای کلیدی زنجیره تامین هوشمصنوعی به تامینکنندگان خارجی وابسته است.
آرتور منش مدیرعامل و همبنیانگذار میسترال گفت: «متنباز بودن برای اطمینان از این که هوشمصنوعی در سطح روز در نهایت در دست چند بازیگر محدود متمرکز نشود، ضروری است».
او گفت: «آزمایشگاههای دیگر برای توسعه تواناییهای معادل، صدها میلیارد دلار جذب کردهاند؛ در حالی که میسترال در سه سال حدود 6 میلیارد دلار جذب کرده است».
او افزود: «ما در کارایی محاسباتی در سطح جهان پیشگام شدهایم و فاصله بین میسترال و دیگر آزمایشگاهها را در این حوزه افزایش دادهایم. رویکرد ما ارایه علم باکیفیت و قرار دادن نتایج در اختیار همه است».
مدلی در سطح روز
به گفته میسترال، ML4 در مجموع 1.05 تریلیون پارامتر دارد، اما حدود 52 میلیارد پارامتر را فعال میکند. این به آن معنا است که مدل برای هر وظیفه از همه پارامترهای خود استفاده نمیکند و همین به آن کمک میکند درخواستها را کاراتر پردازش کند.
این مدل همچنین سه حالت استدلال، کم، متوسط و زیاد، ارایه میکند که به کاربران اجازه میدهد عمق استدلال را متناسب با وظیفه تنظیم کنند، از درخواستهای روزمره تا مسایل پیچیدهتر.
میسترال میگوید ML4 میتواند نقشههای دوبعدی را با استفاده از نرمافزار طراحی به کمک رایانه (CAD) به مدلهای سهبعدی قابل استفاده تبدیل کند، حجمهای بزرگ داده را برای پشتیبانی از تصمیمگیری مالی تحلیل کند و از تصاویر ماهوارهای و هوایی برای شناسایی آتشسوزیهای جنگلی، پایش سلامت محصولات کشاورزی و نظارت بر خطرات برای خطوط انتقال برق استفاده کند.
این شرکت فرانسوی میگوید انتشار ML4 بخشی از نسل جدیدی از مدلها است که همه قالبها را پوشش میدهند و آنها قصد دارند در ماههای آینده مدلهای بیشتری از این نسل را منتشر کنند.
این مدل اکنون از طریق API میسترال در دسترس است و وزنهای آن را میتوان از پلتفرم Hugging Face دانلود کرد.