# Mistral Large 4 уже доступна через API — открытые веса обещаны позже

https://jsonscraper.com/ru/blog/mistral-large-four-api-preview-open-weights

Author: Michael Johnson

Published: 2026-10-07T06:01:22+00:00

Updated: 2026-10-07T06:05:37+00:00

Публичное превью стартовало 6 октября. Разбираем, что можно проверить сейчас и какие характеристики пока расходятся.

6 октября Mistral открыла публичное API-превью Mistral Large 4. Разработчики уже могут тестировать модель через Mistral Studio, а выпуск весов компания запланировала на конец октября. На 7 октября модель можно оценивать через API; скачать её веса пока нельзя. Этот статус важен для выбора между быстрым тестированием в сервисе и самостоятельным развёртыванием.



![A tall building with lots of windows next to a street](https://images.unsplash.com/photo-1721924794441-27cc5fa86c42?ixid=M3wxMDc5MjYxfDB8MXxhbGx8fHx8fHx8fHwxNzkxMzUyODgwfA&ixlib=rb-4.1.0&w=1600&h=900&fit=crop&crop=center&q=80&fm=webp)

[Shabeeba Ameen](https://unsplash.com/@shabiba_amin?utm_source=jsonscraper&utm_medium=referral) · [Unsplash License](https://unsplash.com/license)

 

## Что доступно разработчикам сейчас

 

[Запись в changelog Mistral](https://docs.mistral.ai/resources/changelogs) подтверждает публичное превью и временную скидку 50% на запуске сроком на две недели. В [карточке модели](https://docs.mistral.ai/models/mistral-large) перечислены поддержка мультимодального ввода, вызов функций, структурированный вывод, пакетная обработка и инструменты для агентов. Это даёт разработчикам возможность проверить модель на собственных задачах в API, прежде чем принимать решение о развёртывании.

 

Карточка на момент проверки показывает $0,68 за миллион входных токенов, $0,07 за миллион кешированных входных и $2,09 за миллион выходных. Рядом указаны обычные ставки вдвое выше: скидка связана с запуском и ограничена по времени. Перед расчётом бюджета стоит сверить тарифы непосредственно в документации Mistral.

 

## Спецификации содержат расхождение

 

Mistral описывает Large 4 как мультимодальную архитектуру Mixture of Experts. В документации указаны 1,05 трлн параметров всего и 52 млрд активных; в [анонсе компании](https://mistral.ai/news/mistral-large-4/) — 1 трлн и 49 млрд активных. Источники не объясняют, почему значения различаются. Поэтому точнее передавать обе версии с атрибуцией, чем сводить их к одной цифре.

 

Документация указывает окно контекста в один миллион токенов. Для планирования длинных запросов эту спецификацию полезно подтвердить на используемой версии API: параметры превью могут уточняться по мере обновления документации.



![Any architectural work that does not express serenity is an error](https://images.unsplash.com/photo-1599299031493-88f135ea8313?ixid=M3wxMDc5MjYxfDB8MXxhbGx8fHx8fHx8fHwxNzkxMzUyODgxfA&ixlib=rb-4.1.0&w=1600&h=900&fit=crop&crop=center&q=80&fm=webp)

[Ashish Mehta](https://unsplash.com/@ashish_2931?utm_source=jsonscraper&utm_medium=referral) · [Unsplash License](https://unsplash.com/license)

 

## Бенчмарки описывают отдельные задачи

 

Mistral сообщает о результатах 61,7% на DeepSWE v1.1, 28,3% на Terminal-Bench 4 и 59,9% на AutomationBench. Это результаты, опубликованные самой компанией для конкретных тестов: соответственно, задач разработки с агентным поведением, терминальных рабочих процессов и автоматизации бизнес-процессов. Их полезно рассматривать как ориентиры для выбора проверок, а не как единую меру качества модели.

 

Для практического решения разработчикам стоит повторить несколько репрезентативных задач своего проекта: зафиксировать версию модели, промпты и настройки, проверять результат тестами и учитывать стоимость повторных попыток. Такой тест покажет, насколько опубликованные результаты переносятся на конкретный код, документы или агентный процесс.

 

## Открытые веса остаются следующим этапом

 

Mistral заявила, что планирует выпустить веса к концу октября, после дополнительного red-team-тестирования. Это будущий план компании; на дату публикации подтверждённый способ использования Large 4 — публичное API-превью. Для команд, которым нужны собственная инфраструктура и самостоятельное управление моделью, ключевым событием станет фактическая публикация весов и сопутствующих условий использования.

 

Пока разработчики могут проверять доступность, функции и качество через API, а решение о переносе модели в собственную среду отложить до выпуска весов. На старте наиболее полезны не сравнительные заявления, а результаты воспроизводимого теста на рабочих задачах и актуальные условия тарификации.
