میسترال ای‌آی در ۲۹ آوریل میسترال مدیوم 3.5 را منتشر کرد. این آزمایشگاه مستقر در پاریس یک مدل متراکم ۱۲۸ میلیارد پارامتری و مجموعه‌ای از ویژگی‌های عامل‌محور را معرفی کرد — و بلافاصله با موجی از واکنش‌های "بی‌تفاوت" آنلاین مواجه شد.

این انتشار در سه بخش ارائه شد. اول، خود مدل. دوم، عوامل کدنویسی از راه دور از طریق Mistral Vibe CLI—جلسات کدنویسی مبتنی بر ابر که می‌توانند درخواست‌های pull را به گیت‌هاب ارسال کرده و به صورت موازی اجرا شوند بدون اینکه شما پشت ترمینال نشسته باشید. سوم، حالت کاری (Work Mode) در Le Chat، رابط کاربری مصرف‌کننده میسترال به سبک ChatGPT، که اکنون وظایف مستقل چندمرحله‌ای مانند دسته‌بندی ایمیل، ترکیب تحقیقات، و جریان‌های کاری بین ابزارها را مدیریت می‌کند.

جاه‌طلبی‌های بزرگ، اما واقعیت معیاری نامنظم.

مدیوم 3.5 در SWE-Bench Verified — یک معیار کدنویسی که توانایی مدل را در رفع مسائل واقعی گیت‌هاب با تولید پچ‌های کارآمد آزمایش می‌کند — امتیاز 77.6% را کسب کرده است. همچنین در τ³-Telecom که کاربرد ابزارهای عامل‌محور را در محیط‌های تخصصی اندازه‌گیری می‌کند، به 91.4% می‌رسد. میسترال همچنین سه مدل جداگانه قبلی (Medium 3.1, Magistral, و Devstral 2) را در یک مجموعه وزن واحد با تلاش استدلالی قابل تنظیم برای هر درخواست ادغام کرده است.

مدل یکپارچه که جایگزین سه مدل قبلی شده، یک پیروزی مهندسی واقعی است. مشکل اینجاست که چه هزینه‌ای دارد و با چه کسانی رقابت می‌کند.

میسترال برای هر میلیون توکن ورودی ۱.۵۰ دلار و برای هر میلیون توکن خروجی ۷.۵۰ دلار هزینه دریافت می‌کند. Qwen 3.6 آلی‌بابا با ۲۷ میلیارد پارامتر — کمتر از یک چهارم تعداد پارامترهای مدیوم 3.5 — در همان معیار SWE-Bench Verified امتیاز ۷۲.۴% را کسب می‌کند و تحت لایسنس Apache 2.0 ارائه می‌شود، به این معنی که می‌توانید آن را به صورت رایگان دانلود و اجرا کنید.

در جدول رده‌بندی‌های متن‌باز جستجو کنید تا تصویر واضحی ببینید. جایگاه‌های برتر به Qwen آلی‌بابا، GLM از Zhipu AI چین، و MiMo-V2 از شیائومی تعلق دارد، که همگی ارزان‌تر، قدرتمندتر و رقابتی‌تر از نسخه جدید میسترال هستند. مدیوم 3.5 حتی هنوز در جدول رده‌بندی‌های مستقل اصلی نیز قرار نگرفته است—ارزیابی‌های شخص ثالث هنوز در حال بررسی هستند.

با این حال، تنها نکته مثبت، همانطور که برخی استدلال می‌کنند، این است که میسترال در حال حاضر تنها مدل غیرچینی با حضور جدی در گفتگوهای متن‌باز است.

واکنش اینترنت

پدرو دومینگوس، استاد یادگیری ماشینی در دانشگاه واشینگتن، ملایم نبود:

"شرکت‌های هوش مصنوعی عادی به این افتخار می‌کنند که مدلشان در معیارهای بنچمارک چقدر بهتر است. تنها میسترال به این افتخار می‌کند که مدلش چقدر بدتر است."

او با یک سوال تندتر ادامه داد: "نمی‌دانم چه چیزی بدتر است، اینکه اروپا در رقابت هوش مصنوعی نباشد یا اینکه توسط چیزی مضحک مانند میسترال نمایندگی شود."

یوسف آلتوخی، بنیانگذار Yoyo Studios، محاسبات را انجام داد: Qwen 3.6 با ۲۷ میلیارد پارامتر، ۴.۷ برابر کوچکتر از مدیوم 3.5 است و امتیاز مشابهی در کدنویسی کسب می‌کند. قیمت‌گذاری خروجی مدیوم 3.5 آن را در کنار مدل‌های بسته‌ای قرار می‌دهد که در هر معیار اصلی امتیازات به مراتب بالاتری دارند.

او گفت: "اگر مهارت سیاسی آنها نبود، تاکنون ورشکست شده بودند."

همه کاملاً منکر آن نبودند. مایکل لنگ‌مایر، توسعه‌دهنده هوش مصنوعی، دوگانگی را اینگونه به تصویر کشید:

"من واقعاً خوشحالم که هنوز یک آزمایشگاه غیر آمریکایی و غیر چینی در تلاش است تا مدل‌های زبانی بزرگ (LLM) پیشرو بسازد، اما وای بر ما که باید در اروپا سطح بازی را بالا ببریم. مدل پرچمدار جدید آنها اساساً در هیچ معیاری 'بهترین' نیست، با این حال چندین برابر گران‌تر از اکثر رقبا است."

برخی از توسعه‌دهندگان استدلال کردند که وزن‌های باز (open weights) یک بازی پایداری هستند، نه یک بازی برای صدرنشینی در جدول رده‌بندی. مدلی که هر کسی می‌تواند آن را دانلود، بهینه‌سازی و به صورت خودمیزبان اجرا کند، نیازی ندارد که امروز رتبه‌ها را فتح کند تا مرتبط باقی بماند. دیگران به استقرار واقعی سازمانی میسترال در سراسر اروپا اشاره کردند به عنوان شواهدی که برتری این شرکت صرفاً فنی نیست.

شبکه ایمنی ژئوپلیتیک

اینجاست که پیشنهاد واقعی میسترال معنا پیدا می‌کند.

شرکت‌های اروپایی تحت GDPR، بانک‌هایی که داده‌های حساس مشتریان را مدیریت می‌کنند، و دولت‌هایی که حجم کاری هوش مصنوعی را از طریق زیرساخت‌های چینی هدایت نمی‌کنند، گزینه‌های محدودی دارند. همانطور که Decrypt در دسامبر گذشته گزارش داد، HSBC یک قرارداد چند ساله با میسترال امضا کرد تا مدل‌ها را به طور خاص روی زیرساخت خود میزبانی کند. جذابیت یک آزمایشگاه وزن باز مستقر در اتحادیه اروپا با ارزش ۱۴ میلیارد دلاری در جداول بنچمارک ظاهر نمی‌شود — اما در تصمیمات خرید خود را نشان می‌دهد.

نه بهترین در کدنویسی، و نه ارزان‌ترین. اما این مدل: نه آمریکایی است، نه چینی، قابل حسابرسی است، قابل میزبانی شخصی است و از نظر قانونی برای شرکت‌های اروپایی ایمن است.