Mistral AI đã ra mắt Mistral Medium 3.5 vào ngày 29 tháng 4. Phòng thí nghiệm có trụ sở tại Paris đã công bố một mô hình dày đặc 128 tỷ tham số, một bộ các tính năng tác tử—và ngay lập tức vấp phải vô số phản ứng thờ ơ trên mạng.

Bản phát hành này gồm ba phần. Thứ nhất, bản thân mô hình. Thứ hai, các tác tử lập trình từ xa thông qua Mistral Vibe CLI—các phiên lập trình dựa trên đám mây có thể đẩy các yêu cầu pull lên GitHub và chạy song song mà không cần bạn ngồi trước terminal. Thứ ba, Chế độ làm việc trong Le Chat, giao diện người dùng kiểu ChatGPT của Mistral, hiện xử lý các tác vụ tự động đa bước như sắp xếp email, tổng hợp nghiên cứu và quy trình làm việc đa công cụ.

Tham vọng lớn, nhưng thực tế benchmark lại hỗn độn.

Medium 3.5 đạt 77,6% trên SWE-Bench Verified—một benchmark lập trình kiểm tra khả năng mô hình sửa các vấn đề thực tế trên GitHub bằng cách tạo ra các bản vá hoạt động. Nó cũng đạt 91,4% trên τ³-Telecom, đo lường việc sử dụng công cụ tác tử trong các môi trường chuyên biệt. Mistral cũng đã hợp nhất ba mô hình riêng biệt trước đây (Medium 3.1, Magistral và Devstral 2) thành một bộ trọng số với nỗ lực suy luận có thể cấu hình cho mỗi yêu cầu.

Mô hình hợp nhất thay thế ba mô hình là một thành công kỹ thuật thực sự. Vấn đề là chi phí và đối thủ cạnh tranh của nó.

Mistral tính phí 1,50 USD cho mỗi triệu token đầu vào và 7,50 USD cho mỗi triệu token đầu ra. Qwen 3.6 của Alibaba với 27 tỷ tham số—chưa bằng một phần tư số lượng tham số của Medium 3.5—đạt 72,4% trên cùng benchmark SWE-Bench Verified và phát hành theo giấy phép Apache 2.0, nghĩa là bạn có thể tải xuống và chạy miễn phí.

Cuộn qua các bảng xếp hạng mã nguồn mở và bức tranh hiện ra thật rõ ràng. Các vị trí hàng đầu thuộc về Qwen của Alibaba, GLM từ Zhipu AI của Trung Quốc và MiMo-V2 từ Xiaomi, tất cả đều rẻ hơn, mạnh hơn và cạnh tranh hơn bản phát hành mới của Mistral. Medium 3.5 thậm chí còn chưa xếp hạng trên các bảng xếp hạng độc lập lớn—các đánh giá từ bên thứ ba vẫn đang chờ xử lý.

Tuy nhiên, điều tốt duy nhất, như một số người lập luận, là Mistral, tại thời điểm này, là mô hình phi Trung Quốc đơn độc có sự hiện diện đáng kể trong cộng đồng mã nguồn mở.

Cộng đồng mạng phản ứng

Pedro Domingos, giáo sư máy học tại Đại học Washington, đã không hề nhẹ nhàng:

"Các công ty AI thông thường khoe khoang về việc mô hình của họ tốt hơn trên các benchmark như thế nào. Chỉ có Mistral khoe về việc mô hình của họ tệ hơn như thế nào."

Ông tiếp tục với một câu hỏi gay gắt hơn: "Tôi không biết điều gì tệ hơn, việc Châu Âu không tham gia cuộc đua AI hay việc nó được đại diện bởi một trò cười như Mistral."

Youssof Altoukhi, người sáng lập Yoyo Studios, đã tính toán: Qwen 3.6, với 27 tỷ tham số, nhỏ hơn 4,7 lần so với Medium 3.5 và đạt điểm tương đương về lập trình. Giá đầu ra của Medium 3.5 đặt nó ngang hàng với các mô hình đóng có điểm số cao hơn đáng kể trên mọi benchmark lớn.

“Nếu không nhờ kỹ năng chính trị, họ đã phá sản từ lâu rồi,” ông nói.

Không phải ai cũng hoàn toàn bác bỏ. Nhà phát triển AI Michal Langmajer đã thể hiện sự mâu thuẫn:

"Tôi thực sự vui mừng vì vẫn còn một phòng thí nghiệm không thuộc Mỹ, không thuộc Trung Quốc đang cố gắng xây dựng các LLM tiên tiến nhưng chúng ta thực sự phải nâng tầm cuộc chơi ở Châu Âu. Mô hình chủ lực mới của họ về cơ bản là 'không tốt nhất' trên bất kỳ benchmark nào, nhưng lại có giá cao gấp nhiều lần so với hầu hết các đối thủ cạnh tranh."

Một số nhà phát triển lập luận rằng các trọng số mở là một chiến lược bền vững, không phải chiến lược dẫn đầu bảng xếp hạng. Một mô hình mà bất kỳ ai cũng có thể tải xuống, tinh chỉnh và tự lưu trữ không cần phải thắng các bảng xếp hạng hôm nay để duy trì sự phù hợp. Những người khác chỉ ra các triển khai thực tế của Mistral trong doanh nghiệp trên khắp Châu Âu như bằng chứng cho thấy rào cản không chỉ hoàn toàn về mặt kỹ thuật.

Mạng lưới an toàn địa chính trị

Đây là nơi thể hiện lập luận thực sự của Mistral.

Các doanh nghiệp Châu Âu theo GDPR, các ngân hàng xử lý dữ liệu khách hàng nhạy cảm và các chính phủ không muốn định tuyến các khối lượng công việc AI qua cơ sở hạ tầng của Trung Quốc có rất ít lựa chọn. Như Decrypt đã đưa tin vào tháng 12 năm ngoái, HSBC đã ký một thỏa thuận nhiều năm với Mistral đặc biệt để tự lưu trữ các mô hình trên cơ sở hạ tầng của riêng mình. Sức hấp dẫn của một phòng thí nghiệm trọng số mở có trụ sở tại EU với định giá 14 tỷ USD không xuất hiện trong các bảng benchmark—nhưng nó lại xuất hiện trong các quyết định mua sắm.

Không phải tốt nhất về lập trình, và không phải rẻ nhất. Nhưng nó là: không phải của Mỹ, không phải của Trung Quốc, có thể kiểm toán, có thể tự lưu trữ, và an toàn về mặt pháp lý cho các doanh nghiệp Châu Âu.