Mistral Large 4 önizlemede: Trilyon parametreli açık ağırlıklı model geliştiriciye ne vaat ediyor?

Fransız yapay zeka şirketi Mistral, 6 Ekim 2026'da yeni amiral gemisi modeli Mistral Large 4'ü herkese açık önizlemeye aldı. Model şimdilik yalnızca Mistral'ın API'si ve Mistral Studio üzerinden kullanılabiliyor; şirket, model ağırlıklarını ay sonuna kadar yayımlayacağını söylüyor. Şirket içinde "le Chonk" lakabıyla anılan model, Mistral'ın yaklaşık bir yıldır yaptığı en büyük model yenilemesi.

Bu yazıda modelin teknik özelliklerini, Mistral'ın kendi açıkladığı test sonuçlarını ve bunun Türkiye'deki ekipler için pratikte ne anlama geldiğini ele alıyorum.

Kısaca teknik özellikler

Mistral'ın duyurusu ve geliştirici dokümantasyonuna göre öne çıkan bilgiler şöyle:

• Mimari: Mixture-of-Experts (MoE). Toplam yaklaşık 1,05 trilyon parametre, her token için etkin olan parametre sayısı ise duyuru ve dokümantasyonda 52 milyar olarak geçiyor. Bazı haberlerde ve Mistral'ın araştırma sayfasında 49 milyar rakamı yer alıyor; bu tutarsızlık şimdilik giderilmiş değil.
• Görsel kodlayıcı: 1,6 milyar parametrelik ayrı bir vision encoder. Yani model metnin yanında görsel, grafik ve belge girdisini de işleyebiliyor.
• Bağlam penceresi: 1 milyon token.
• Yetenekler: Yapılandırılmış çıktı (structured outputs), fonksiyon çağırma, belge üzerinde soru-cevap, toplu işlem (batching), ajan ve konuşma API'leri, yerleşik araçlar.
• Eğitim: Mistral'ın Avrupa'daki kendi veri merkezlerinde, 3.800 NVIDIA Grace Blackwell GPU üzerinde sıfırdan eğitildi.

Fiyat

Dokümantasyonda liste fiyatı milyon girdi tokenı için 1,36 dolar, milyon çıktı tokenı için 4,18 dolar. Lansman döneminde bu fiyatlar yarıya indirilmiş durumda: girdi 0,68 dolar, önbelleğe alınmış girdi 0,07 dolar, çıktı 2,09 dolar. İndirimin geçici olduğunu unutmamak, maliyet hesabını liste fiyatı üzerinden yapmak gerekiyor.

Mistral ne iddia ediyor?

Şirket modeli özellikle siber güvenlik, finans, kodlama ve ajan iş akışlarında konumluyor. Duyuruda paylaşılan bazı sonuçlar:

• DeepSWE v1.1 (yazılım mühendisliği görevleri): %61,7
• Terminal-Bench 4: 28,3
• Cybench (güvenlik görevleri): görevlerin %93'ü çözülmüş
• Lakera B3 saldırı direnci: %93,3
• Surge AI kör kodlama değerlendirmesi: beş model arasında ikinci, Claude Opus 5'in arkasında

Bu rakamları okurken iki noktaya dikkat etmek gerekiyor. Birincisi, hepsi Mistral'ın kendi yayımladığı sonuçlar; bağımsız ölçümler henüz ortada yok. İkincisi, tablo her alanda parlak değil. Fransız teknoloji sitesi JustGeek'in de vurguladığı gibi, model DeepSWE'de GLM-5.3'ün az farkla önünde olsa da Terminal-Bench'te belirgin şekilde geride kalıyor. Yani "her işte en iyi açık model" yerine "belirli alanlarda güçlü, genel olarak rekabetçi" demek daha doğru görünüyor.

Neden önemli?

1. Açık ağırlıklı modellerde ölçek sıçraması

Açık ağırlıklı model dünyasında son bir yılda en büyük ve en iddialı çıkışlar ağırlıklı olarak Çinli laboratuvarlardan geldi. Mistral'ın trilyon ölçeğinde bir modelle bu alana geri dönmesi, ABD ve Avrupa merkezli bir alternatif arayan şirketler için önemli. Özellikle veri yerleşimi, tedarikçi bağımlılığı ve uyumluluk gibi konular yüzünden kapalı API'lere veri göndermekte zorlanan kurumlar için seçenek sayısı artıyor.

2. MoE sayesinde "büyük ama çalıştırılabilir"

Trilyon parametre ürkütücü bir sayı ama MoE mimarisinde her token için yalnızca küçük bir kısım hesaplanıyor. Bu, çıkarım (inference) maliyetini toplam boyutun düşündüreceğinden çok daha aşağı çekiyor. Öte yandan bellek tarafında mucize yok: tüm uzmanların ağırlıkları yine bir yerde durmak zorunda. Bu yüzden modeli kendi sunucunuzda çalıştırmak, sıradan bir iş istasyonuyla değil, çok GPU'lu ciddi bir kurulumla mümkün olacak.

3. 1 milyon token bağlam ve belge işleme

Büyük kod tabanları, uzun sözleşmeler veya yüzlerce sayfalık teknik dokümanlarla çalışan ekipler için uzun bağlam ve yerleşik belge soru-cevap özelliği cazip. Yine de uzun bağlamın her zaman RAG'in yerini tutmadığını, maliyet ve gecikmenin bağlam boyutuyla birlikte arttığını hesaba katmak gerekiyor.

Pratikte ne yapmalı?

Şu an elimizde bir önizleme ve ay sonu için verilmiş bir söz var. Bu durumda makul yaklaşım şöyle:

1. Kendi verinizle değerlendirin. Benchmark sonuçları yerine, kendi görevlerinizden oluşan küçük bir test seti hazırlayın ve modeli mevcut tercihinizle karşılaştırın. İndirimli dönem bunun için iyi bir fırsat.
2. Lisansı bekleyin. Duyuruda ve dokümantasyonda henüz bir lisans adı yer almıyor. "Açık ağırlık" ifadesi ticari kullanım serbestliği anlamına gelmeyebilir; ürün kararlarını lisans netleşmeden vermeyin.
3. Donanım planını şimdiden yapın. Ağırlıklar yayımlandığında on-premise kurulum düşünüyorsanız, ihtiyaç duyacağınız GPU belleğini ve nicemleme (quantization) seçeneklerini şimdiden araştırın.
4. Model kimliğini doğrulayın. Dokümantasyonda gösterilen model adı ile bağlantılarda kullanılan ad farklılık gösteriyor; API çağrısı yazmadan önce güncel model listesini kontrol edin.

Mistral'ın API'si OpenAI tarzı sohbet uç noktası sunduğu için mevcut kodunuzu denemeye almak genellikle birkaç satırlık bir iş:

curl https://api.mistral.ai/v1/models \
  -H "Authorization: Bearer $MISTRAL_API_KEY"

Bu çağrıyla hesabınızda erişilebilir modelleri ve doğru model kimliğini görebilirsiniz.

Son söz

Mistral Large 4, kâğıt üzerinde Avrupa'nın şimdiye kadarki en iddialı açık ağırlıklı modeli. Ancak bugün test edebildiğimiz şey barındırılan bir önizleme; asıl farkı yaratacak olan ağırlıkların gerçekten yayımlanması, lisans koşulları ve bağımsız testlerin sonuçları olacak. Kendi altyapısında güçlü bir model çalıştırmak isteyen ekipler için ekim sonu takvime not edilmesi gereken bir tarih. O zamana kadar en sağlıklı yol, modeli kendi iş yükünüzle sınamak ve pazarlama rakamlarına değil, kendi ölçümlerinize güvenmek.