Ngày 29/10/2026, Mistral AI công bố trọng số mở của Large 4, model của hãng Pháp với biệt danh Le Chonk. Đây là bản cải tiến của bản xem trước ra mắt ngày 6/10, sau ba tuần học tăng cường thêm. Tin đáng chú ý nằm ở chỗ một hãng châu Âu chọn phát hành để doanh nghiệp tải về tự vận hành, thay vì chỉ dùng qua API của hãng.
Điểm nóng của bản phát hành này nằm ở hai mặt đối lập. Một mặt, Large 4 rẻ hơn rõ rệt so với bản xem trước và ít bịa đặt hơn theo đo lường độc lập. Mặt khác, giấy phép “mở” đi kèm một điều kiện thương mại, và số đo độc lập kể câu chuyện khiêm tốn hơn bảng điểm của hãng.
Bản phát hành lần này khác bản xem trước ra sao
Large 4 là model mixture-of-experts với tổng cộng khoảng 1,05 nghìn tỷ tham số, trong đó khoảng 49 tỷ tham số hoạt động cho mỗi token. Con số 52 tỷ mà hãng nhắc tới bao gồm thêm phần embedding và lớp đầu ra, tức chỉ khác cách đếm. Model có 128 chuyên gia, mỗi token đi qua 4 chuyên gia cộng một chuyên gia dùng chung.
Model nhận văn bản và ảnh, xuất văn bản, với cửa sổ ngữ cảnh 1 triệu token. Ba chế độ suy luận Low, Medium và High cho phép nhà phát triển cân nhắc giữa chi phí và độ khó của nhiệm vụ, trong đó High là chế độ mặc định cho các yêu cầu khó nhất. Mistral cho biết quá trình huấn luyện dùng 3.800 GPU Grace Blackwell tại trung tâm dữ liệu của hãng ở châu Âu, và trọng số tải về có thể chạy bằng vLLM hoặc SGLang, hoặc qua Mistral Studio, API của hãng, OpenRouter, Microsoft Foundry và container NIM của NVIDIA.
Điểm số đáng chú ý, và chỗ cần đọc kỹ
Theo công bố của Mistral, Large 4 đạt 48 điểm trên Coding Agent Index của Artificial Analysis, dùng trung bình 8,5 triệu token cho mỗi nhiệm vụ, ít hơn khoảng 47% so với 15,9 triệu token của GLM-5.3. Trên Terminal-Bench 4.0, hãng báo cáo 41%, tăng từ 28% của bản xem trước, và 19,7% trên FrontierCode 2.0.
Đo lường độc lập của Artificial Analysis ngày 29/10 kể câu chuyện khác ở vài điểm. Trên cùng Terminal-Bench 4.0, đơn vị này đo được 25% trong bối cảnh đánh giá của họ, và 15% trên FrontierCode 2.0. Điểm Intelligence Index v5 của bản phát hành là 26, chỉ hơn 25 của bản xem trước, và vẫn đứng sau DeepSeek V4.1 Flash cùng GLM-5.3 với 32 điểm. Khoảng chênh lệch này cho thấy kết quả phụ thuộc mạnh vào phần mềm agent, cấu hình và bộ test đi kèm, vì vậy đọc số benchmark mà không đọc bối cảnh đo rất dễ rút ra kết luận quá đà.
Phần cải tiến thuyết phục nhất lại nằm ở hiệu quả. Chi phí cho mỗi nhiệm vụ Intelligence Index theo Artificial Analysis giảm từ 5,54 USD của bản xem trước xuống 2,06 USD, tức giảm 63%. Tỉ lệ bịa đặt trên bài kiểm tra AA-Omniscience giảm từ 41% xuống 28%, dù độ chính xác tổng thể vẫn chỉ 26%. Giá API của hãng cũng giảm gần một nửa so với bản xem trước, còn 0,70 USD cho mỗi triệu token đầu vào, 0,07 USD cho token đầu vào đã cache và 2,10 USD cho mỗi triệu token đầu ra.
An ninh mạng, giấy phép và ai nên quan tâm
Mistral định vị Large 4 cho lập trình và an ninh mạng. Trên Cyber Index của Artificial Analysis, model đạt 51 điểm, đứng thứ ba trong nhóm model mở, sau DeepSeek V4.1 Flash với 57 điểm và MiMo-V2.6-Pro với 56 điểm. Đi sâu vào từng thành phần, Large 4 đạt 79% trên CyberGym, ngang MiMo và hơn DeepSeek, nhưng tụt lại trên DeepsecBench và CWE-Bench. Hãng cũng báo cáo tỉ lệ từ chối yêu cầu độc hại đạt 96,6% và khả năng kháng tấn công B3 đạt 97,1%. Đáng ghi nhận là chính hãng thừa nhận đã thấy nguy cơ model hỗ trợ tấn công thật trong giai đoạn xem trước, và đang siết lại hàng rào an toàn. Biến thể chuyên cho kiểm thử xâm nhập chỉ dành cho đối tác đã kiểm chứng, như Orange Cyberdefense, với hợp đồng riêng.
Giấy phép là điểm cần đọc trước khi tải về. Large 4 dùng giấy phép Ecosystem Open-Weight, một biến thể của MIT: dùng, sửa, tinh chỉnh và thương mại hóa sản phẩm xây trên model đều được phép. Điều kiện duy nhất nằm ở hoạt động vận hành dịch vụ Model-as-a-Service, tức bán quyền truy cập suy luận hoặc huấn luyện thêm cho bên thứ ba: doanh nghiệp thuộc diện này phải có giấy phép thương mại riêng của Mistral trước khi dùng cho mục đích thương mại. Dùng nội bộ và sản phẩm có model nhúng trong tính năng cụ thể được miễn điều kiện đó, và giấy phép không đặt ngưỡng doanh thu.
Nhóm hưởng lợi rõ nhất là doanh nghiệp muốn tự chủ model vì liên tục kinh doanh, dữ liệu nhạy cảm hoặc tùy biến sâu, cùng các đội an ninh muốn thử nghiệm khả năng phòng thủ trên hệ thống của họ. Nhóm nên chờ là những ai cần báo cáo kỹ thuật đầy đủ, hãng cho biết sẽ công bố sau, hoặc cần số đo trên dữ liệu nội bộ thay vì bảng điểm công khai. Nguồn đã đọc không nêu mức hỗ trợ tiếng Việt cụ thể của Large 4, nên đội ngũ làm sản phẩm cho người dùng Việt Nam cần tự kiểm chứng trước khi kết luận. Tin này cũng đặt cạnh bản cập nhật về Gemini 4 Carbon ngày 29/10, khi một model an ninh khác chọn cách phát hành nhỏ giọt cho chuyên gia trước, còn Mistral chọn mở trọng số cho tất cả.
Checklist áp dụng nhanh
- Trước khi tải trọng số, kiểm tra xem doanh nghiệp có thuộc diện vận hành dịch vụ Model-as-a-Service không, vì diện này cần giấy phép thương mại riêng.
- Chạy thử model trên dữ liệu nội bộ ở chế độ High và Low, rồi so chi phí cho mỗi nhiệm vụ hoàn thành đạt chuẩn thay vì chỉ nhìn giá token.
- Với tác vụ an ninh, chỉ thử nghiệm trên hệ thống thuộc sở hữu hoặc được ủy quyền rõ ràng, và tách model khỏi quyền truy cập hệ thống sản xuất.
Câu hỏi thường gặp
Tải trọng số về có phải trả tiền bản quyền cho Mistral không?
Không, với mục đích dùng nội bộ, sửa đổi và xây sản phẩm nhúng model. Khoản phải trả thêm chỉ phát sinh khi doanh nghiệp vận hành dịch vụ Model-as-a-Service cho bên thứ ba mà chưa có giấy phép thương mại riêng, hoặc khi dùng API và hạ tầng đám mây của hãng và đối tác.
Vì sao số Terminal-Bench của hãng và của Artificial Analysis chênh nhau tới 16 điểm?
Hai bên đo trong bối cảnh khác nhau, từ phần mềm agent đến cách chấm và phiên bản bộ test. Khi so sánh model, nên đặt các con số cùng một bối cảnh đo cạnh nhau.
Model mở trọng số có tự động an toàn hơn model đóng không?
Không. Trọng số mở giúp đội ngũ tự kiểm tra và tùy biến hàng rào an toàn, nhưng hãng gốc cũng không thể thu hồi model sau khi phát hành. An toàn thực tế phụ thuộc vào cách đội ngũ kiểm tra hành vi, giới hạn quyền và giám sát model trong môi trường của chính họ, tương tự cách mã OTP chỉ an toàn khi đi kèm quy trình xác thực đúng.
Bài viết tổng hợp từ công bố của Mistral và đánh giá độc lập của Artificial Analysis ngày 29/10/2026; các con số benchmark chỉ có giá trị trong bối cảnh đo của từng bên.
Không chỉ mô hình ngôn ngữ mới có những thử nghiệm gây tranh cãi, mảng hệ điều hành di động cũng từng xuất hiện một dự án tương tự. Bài HackiOS: iOS 16.5 chạy trên điện thoại Xiaomi, thật đến đâu bóc tách một tuyên bố nghe rất khó tin bằng các bằng chứng kỹ thuật cụ thể.
