Mistral Buka Bobot Large 4; Model 1 Triliun Parameter Unggul di Coding
Mistral AI merilis bobot terbuka (open weight) Mistral Large 4, model unggulan berjuluk "Le Chonk" dengan 1 triliun parameter. Rilis pada 29 Oktober 2026 itu datang tiga minggu setelah versi pratinjau, dengan skor Terminal-Bench 4.0 naik dari 28 persen menjadi 41 persen. Langkah ini membuat perusahaan bisa menjalankan model setara frontier di server sendiri, tanpa bergantung pada API pihak luar, sekaligus menantang dominasi model terbuka buatan China seperti GLM dan Kimi.
Apa Itu Mistral Large 4 dan Apa yang Berubah?
Mistral Large 4 adalah model bahasa besar multimodal dari Mistral AI dengan 1 triliun parameter, dan 52 miliar di antaranya aktif untuk tiap tugas. Versi yang dirilis 29 Oktober 2026 kini berbobot terbuka, sehingga perusahaan bisa mengunduh, memodifikasi, dan menjalankannya di infrastruktur sendiri.
Model ini pertama kali muncul sebagai pratinjau publik pada awal Oktober 2026. Menurut Mistral, tiga minggu tambahan reinforcement learning yang dipandu masukan pelanggan menghasilkan lonjakan besar di kemampuan coding dan pertahanan siber. Perusahaan asal Paris itu menyebut peningkatan masih terus bertambah tanpa tanda jenuh. Model menerima input teks dan gambar, lalu menghasilkan teks dan kode.
"ML4 OSS menunjukkan kemampuan tim sains kami untuk berinovasi dengan cepat," kata Pierre Stock, Vice President of Science Mistral AI, seperti dikutip SiliconANGLE. Mistral melatih model ini di atas 3.800 GPU Nvidia Grace Blackwell di pusat data Eropa miliknya. Tahap reinforcement learning berjalan di komputasi milik sendiri di Prancis dengan daya sekitar 10 megawatt.
Bobot model tersedia di Hugging Face, sedangkan aksesnya juga dibuka lewat API Mistral, Mistral Studio, OpenRouter, Microsoft Foundry, dan endpoint yang di-hosting Nvidia. Mistral turut menyiapkan versi terkuantisasi yang bisa berjalan di empat GPU Nvidia B200 atau B300. Versi distilasi yang lebih kecil, termasuk satu yang bisa jalan di laptop, dijanjikan menyusul dalam beberapa bulan tanpa tanggal pasti.
Skor Coding dan Efisiensi Token Mistral Large 4
Mistral mengklaim Large 4 sebagai model open-weight terbaik untuk coding saat ini. Di Artificial Analysis Coding Agent Index, model ini mencetak skor 48 persen, setara GLM-5.3 yang sebelumnya memimpin, tetapi memakai rata-rata 47 persen lebih sedikit token per tugas. Penghematan ini penting bagi coding agent yang berjalan berjam-jam.
Di Terminal-Bench 4.0, yang menguji coding agent di lingkungan terminal, skornya naik 13 poin persentase menjadi 41 persen dibanding versi pratinjau, sementara token keluaran turun 30 persen. Pada benchmark privat FrontierCode 2.0 milik Cognition, yang menilai apakah perubahan kode dari agen layak di-merge oleh pengelola repositori, Mistral Large 4 memimpin dengan skor 19,7 persen.
Uji preferensi manusia juga dipakai. Dalam perbandingan buta Surge Code, jawaban Mistral Large 4 lebih disukai dibanding GLM-5.3, Kimi K3, dan DeepSeek V4.1 Flash. Model ini hanya kalah dari Claude Opus 5.5 di antara model yang diuji. Perlu dicatat, seluruh angka benchmark tersebut dilaporkan oleh Mistral sendiri dan belum diverifikasi pihak independen.
Untuk mengatur kompromi antara biaya dan kualitas, Mistral menyediakan tiga mode penalaran, yaitu low untuk tugas sederhana, medium untuk pekerjaan sehari-hari, dan high sebagai bawaan untuk kasus paling sulit. Di luar coding, skor model di FinWorkBench (Finch) untuk alur kerja keuangan mencapai 73,3 persen, dan di BrowseComp untuk penelusuran web mencapai 84,5 persen.
Kemampuan Siber dan Pagar Pengaman Model
Selain coding, Mistral memposisikan Large 4 sebagai model untuk tim pertahanan siber. Model ini mencetak 51 persen di Artificial Analysis Cyber Index, yang mengukur kemampuan menemukan, mereproduksi, memvalidasi, dan menambal kerentanan pada kode tanpa merusak fungsi yang sudah ada. Mistral menyebut model menangani tugas defensif tanpa penolakan yang tidak perlu.
Di sisi keamanan, Mistral melaporkan tingkat penolakan rata-rata 96,6 persen terhadap permintaan siber berbahaya, tertinggi di antara model terbuka yang mereka ukur. Ketahanan model terhadap serangan pada B3 Agent Security Benchmark naik menjadi 97,1 persen dari 93,3 persen di versi pratinjau. Benchmark ini menguji serangan seperti pencurian system prompt dan injeksi kode berbahaya.
Mistral juga mengakui adanya risiko. Dari pemantauan trafik selama masa pratinjau, perusahaan melihat potensi model ikut mempermudah serangan nyata, sehingga pagar pengamannya sedang diperbarui. Varian khusus untuk uji penetrasi dan red-teaming hanya diberikan kepada mitra terseleksi seperti Orange Cyberdefense, dengan kontrak ketat dan pengujian terbatas pada sistem milik sendiri atau yang sudah diizinkan.
Sejumlah vendor keamanan ikut menguji model ini. Brad Medairy, President National Cyber di Booz Allen Hamilton, menyebut model tersebut mampu menyamai tingkat recall deteksi kerentanan model siber frontier lain "dengan kurva biaya yang menarik". Cisco, CrowdStrike, Fortinet, Zscaler, dan badan keamanan siber Uni Eropa ENISA juga tercatat sedang mengevaluasinya.
Dampaknya bagi Perusahaan dan Pengembang di Indonesia
Bagi perusahaan Indonesia, rilis Mistral Large 4 menambah satu pilihan model kelas frontier yang bisa dijalankan sepenuhnya di server sendiri. Data sensitif tidak perlu keluar ke API pihak ketiga, dan perusahaan tetap bisa melakukan fine-tuning dengan data internal untuk kebutuhan spesifik seperti analisis kode atau keamanan siber.
Lisensinya, Mistral Ecosystem Open-Weight License, merupakan modifikasi lisensi MIT yang mengizinkan pemakaian, modifikasi, fine-tuning, dan komersialisasi secara gratis. Pengecualiannya berlaku bagi bisnis yang menjual model ini sebagai layanan (Model-as-a-Service), yang wajib memakai lisensi komersial terpisah. Penyedia cloud dan integrator lokal perlu membaca ketentuan ini sebelum menawarkannya ke pelanggan.
"Open source sangat penting untuk memastikan AI terdepan tidak terkonsentrasi di tangan segelintir pihak," kata Arthur Mensch, salah satu pendiri sekaligus CEO Mistral AI. Ia menambahkan bahwa laboratorium lain mengumpulkan ratusan miliar dolar AS untuk kemampuan setara, sementara Mistral mengumpulkan sekitar 6 miliar dolar AS dalam tiga tahun.
Bagi perusahaan, pengembang, dan instansi pemerintah di Indonesia, opsi self-hosting ini relevan dengan kewajiban menjaga data pribadi menurut Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Meski begitu, kebutuhan perangkat kerasnya tidak kecil. Minimal empat GPU kelas B200 untuk versi terkuantisasi berarti banyak organisasi lokal akan lebih realistis memakai mitra cloud atau menunggu versi distilasi yang lebih ringan.
(Burung Hantu Infratek / Berbagai Sumber)
⚠️ Berita ini seluruhnya diriset, ditulis, dan dikembangkan dengan bantuan AI internal Burung Hantu Infratek.
🦉 Burung Hantu Infratek adalah software house dan system integrator yang sudah berpengalaman lebih dari 5 tahun dalam pengembangan dan implementasi generative AI pada berbagai perusahaan dan institusi.
Berita Terkait Mistral AI
🚀 ASML Jadi Pemegang Saham Terbesar Mistral AI
🧠 Model AI Open-Weight atau Tertutup: Cara Memilih untuk Perusahaan Indonesia
💡 GitHub Rilis Copilot Fusion; Biaya Coding Agent Diklaim Turun Separuh
🛡️ Agen AI Cipher Temukan 4 Celah EPICS dalam 3 Jam 49 Menit
Sumber dan Referensi
[1] Mistral Large 4 (Le Chonk) is now open weight - Mistral AI
[3] Mistral releases open weights for its 1 trillion-parameter Large 4 model - The Next Web
[4] Mistral opens Large 4 weights for coding and security - TestingCatalog
[5] UU No. 27 Tahun 2022 tentang Pelindungan Data Pribadi - JDIH BPK