Mistral Large 4 Mở Trọng Số 1 TB, Nhưng Biểu Đồ An Ninh Mạng Của Hãng Xếp Nó Thứ Ba

Ngày 29/10/2026 Mistral phát hành trọng số của Mistral Large 4 (biệt danh "Le Chonk"): khoảng 1 nghìn tỷ tham số, 52 tỷ hoạt động mỗi token, giấy phép MIT sửa đổi. Trong bài ngày 8/10 Locaith đã ghi hai điều chưa có lúc đó là trọng số và giấy phép; cả hai nay đã có, sớm hơn mốc "cuối tháng" Mistral hẹn. Blog của Mistral nói mô hình dẫn đầu nhóm mô hình mở về lập trình và an ninh mạng. Nhưng chính biểu đồ Cyber Index trong bài xếp Large 4 ở 51%, sau DeepSeek-V4.1-Flash 1017 (57%) và MiMo-V2.6-Pro (56%), và thẻ mô hình ghi chỉ số tổng hợp 26 điểm trong khi GLM-5.3 và DeepSeek đạt 32. Locaith đọc blog, thẻ mô hình, giấy phép, đo các kho trên Hugging Face và đọc trang của Artificial Analysis.

Mistral phát hành gì

Thẻ mô hình liệt kê tiếng Việt trong danh sách ngôn ngữ và nói mô hình thông thạo hơn 160 ngôn ngữ. Trong phần blog và thẻ mô hình Locaith đọc, Mistral không nêu số đo riêng cho tiếng Việt.

Giấy phép: điều khoản "Model as a Service"

Locaith đọc nguyên văn tệp LICENSE (2.632 byte). Đây là MIT có thêm hai điều kiện. Cho phép dùng, sao chép, sửa, huấn luyện tiếp, tạo bản phái sinh, phân phối và bán, cho cả mục đích thương mại lẫn phi thương mại (thẻ mô hình nói rõ). Điều kiện đáng chú ý nằm ở mục 2 và 3:

• Mục 2. Nếu bên nhận giấy phép "hoặc bất kỳ công ty liên kết nào" vận hành một hoạt động kinh doanh "Model as a Service", họ phải ký giấy phép thương mại riêng với Mistral trước khi dùng mô hình hoặc bản phái sinh cho bất kỳ mục đích thương mại nào. "Model as a Service" được định nghĩa là cho bên thứ ba quyền truy cập mô hình hoặc bản phái sinh để suy luận hoặc hậu huấn luyện (ví dụ qua API hay điểm cuối được lưu trữ), theo cách bên thứ ba có "kiểm soát có ý nghĩa" đối với đầu vào, tham số hoặc dữ liệu huấn luyện.
• Hai loại trừ trong định nghĩa. Sản phẩm cho người dùng cuối có khả năng của mô hình "chỉ nhúng trong các tính năng hoặc khung cụ thể", và việc "chỉ chuyển tiếp yêu cầu" tới mô hình do bên khác lưu trữ, không bị tính là Model as a Service.
• Mục 3. Mục 2 không áp dụng cho dùng nội bộ (mọi cách dùng không cung cấp mô hình hay bản phái sinh cho bên thứ ba), hay dùng mô hình qua sản phẩm chính thức của Mistral.

Đây là cách đọc của Locaith, không phải ý kiến pháp lý. Một công ty tự chạy mô hình để dùng nội bộ, hoặc đóng gói thành ứng dụng cho khách hàng (ví dụ chatbot chăm sóc khách hàng, nơi mô hình chỉ là một tính năng), nhiều khả năng nằm ngoài mục 2. Một nền tảng cho thuê suy luận hay tinh chỉnh cho các công ty khác thì nằm trong mục 2 và phải thương lượng. Hai chỗ chưa rõ: giấy phép không nói thêm thế nào là "kiểm soát có ý nghĩa" hay "tính năng cụ thể", và vì điều khoản kéo cả "công ty liên kết" vào, một tập đoàn có một công ty con làm dịch vụ mô hình sẽ phải xem lại cách dùng ở các công ty còn lại. Locaith không đánh giá giấy phép này theo định nghĩa mã nguồn mở của OSI. Doanh nghiệp định bán lại năng lực của mô hình nên hỏi luật sư và liên hệ Mistral qua biểu mẫu trong giấy phép.

Mistral nói gì, và biểu đồ của chính Mistral cho thấy gì

Tóm tắt đầu blog viết mô hình "dẫn đầu các phép đo mở về lập trình và an ninh phòng thủ" (leads open-weight benchmarks in coding and defensive security), thẻ mô hình viết "state of the art among open-weight models for security work", còn khung giới thiệu bên cạnh bài viết "state-of-the-art among open weights on cybersecurity, finance, and manufacturing". Locaith đọc từng biểu đồ trong blog và thẻ mô hình rồi đếm hạng của Large 4 so với các mô hình khác cùng biểu đồ. Cột "Hạng" bỏ bản xem trước của chính Mistral ra khỏi bảng xếp.

Cộng lại (Locaith đếm, chín biểu đồ): Large 4 đứng đầu bốn biểu đồ (FrontierCode, Terminal-Bench, từ chối yêu cầu độc hại, B3), hạng hai ba biểu đồ, hạng ba một biểu đồ (Cyber Index) và hạng tư một biểu đồ (chỉ số tổng hợp). Hai điều cần nói thẳng. Thứ nhất, hơn kém ở FrontierCode (0,4 điểm trên bộ riêng của Cognition) và Terminal-Bench (1 điểm) nhỏ, không biểu đồ nào in khoảng sai số, nên "dẫn" ở đây nghĩa là hơi nhỉnh hơn chứ chưa phải hơn rõ. Thứ hai, mỗi biểu đồ chọn tập đối chứng khác nhau: biểu đồ lập trình và Cyber Index có DeepSeek V4.1 Flash, MiMo-V2.6-Pro, GLM-5.3 Flash, còn biểu đồ từ chối và B3 dùng DeepSeek-V4-Pro và Gemma-4-31B. Locaith không biết lý do chọn.

Cyber Index là phép đo duy nhất trong bài đo cả chuỗi "tìm lỗ hổng, tái hiện, vá mà không làm hỏng chức năng", nên đây là biểu đồ gần nhất với câu "an ninh phòng thủ". Mistral dựa vào chỗ nào khác để nói "state of the art" thì bài không nói rõ; các biểu đồ từ chối yêu cầu độc hại và B3 đo hành vi an toàn chứ không đo năng lực phòng thủ. Công bằng mà nói, bài 8/10 của Locaith ghi bên đo độc lập Artificial Analysis từng xếp bản xem trước đứng đầu bài thử vá lỗi CyberGym-E2E-AA với 81,7%; Locaith không kiểm lại phép đo đó với bản mới nên không biết nó còn đúng không. Mistral cũng không nhắc tới phép đo đó trong bài lần này.

Một chi tiết khác: bản thân Mistral thừa nhận hạn chế ở thẻ mô hình. Dòng ghi chỉ số tổng hợp viết "26, cao nhất trong các mô hình mở phương Tây" và nói thẳng "các mô hình mở hàng đầu của Trung Quốc có điểm cao hơn trên chỉ số tổng hợp này". Câu thừa nhận đó có ở thẻ mô hình, không có ở phần tóm tắt đầu blog. Về so sánh người dùng chấm, Surge Code cho Large 4 thắng 64% trước GLM-5.3 và Kimi K3, 56% trước DeepSeek V4.1 Flash, nhưng chỉ 22% trước Claude Opus 5.5 (Locaith đọc từ biểu đồ; blog không nêu số lượt so sánh).

Bên đo độc lập nói gì

Artificial Analysis, Locaith đọc trang mô hình ngày 30/10. Mistral Large 4 (mức suy luận "high") đạt 26 trên Intelligence Index v5.0, trên trung vị 23 của nhóm AA dùng để so; 161,3 token/giây; chi phí chạy chỉ số là 2,06 USD mỗi tác vụ (giá 0,70/2,10 USD); chạy chỉ số tốn 110 triệu token đầu ra, trên trung vị 100 triệu nên AA gọi là "hơi dài dòng". Con số "ít hơn 47% token" mà Mistral nêu thuộc Coding Agent Index, một bộ khác, nên Locaith không so trực tiếp với 110 triệu này. Chỉ số v5.0 gồm 9 phép đo; điểm 38 trong bài 8/10 của Locaith thuộc phiên bản chỉ số cũ hơn nên không đặt cạnh số mới được.

Trên cùng trang, ba mô hình điểm cao hơn Large 4 có chi phí mỗi tác vụ như sau (Locaith ghép tên với giá theo thứ tự hai danh sách trên trang): MiMo-V2.6-Pro 30 điểm ở 0,26 USD, DeepSeek V4.1 Flash 1017 32 điểm ở 0,60 USD, GLM-5.3 32 điểm ở 5,01 USD. Tức Large 4 đắt gấp khoảng 7,9 lần MiMo và 3,4 lần DeepSeek V4.1 Flash cho điểm thấp hơn 4 và 6; so GLM-5.3 thì rẻ hơn khoảng 59% (2,06 so với 5,01) cũng với điểm thấp hơn 6. AA tính chi phí theo API của từng nhà cung cấp; tự lưu trữ mô hình mở là một phép tính khác.

Tự chạy 1 nghìn tỷ tham số cần gì

Thẻ mô hình hướng dẫn chạy bằng vLLM hoặc SGLang với --tensor-parallel-size 8 và --gpu-memory-utilization 0.85. Phép tính của Locaith từ các con số công bố: 1.060,6 GB chia 8 là 132,6 GB trọng số mỗi thẻ; để trọng số chỉ chiếm 85% bộ nhớ thì mỗi thẻ cần khoảng 156 GB, chưa tính bộ nhớ đệm KV. Thẻ 80 GB không đủ, và Mistral nhắm bản NVFP4 tới GPU Blackwell. Các bản GGUF trên Hugging Face do nhóm ggml-org đăng (không phải Mistral): nhỏ nhất IQ2_XXS nặng 297,7 GB, Q4_K_M 634,8 GB, Q8_0 1.115,2 GB. Bản lượng tử hoá thấp có thể kém hơn bản gốc, và Locaith không thấy số đo chất lượng cho chúng. Locaith không có phần cứng này nên không chạy thử.

Trọng số mở và chuyện từ chối

Mistral viết rằng Large 4 từ chối trung bình 96,6% yêu cầu an ninh mạng độc hại và nói đã theo dõi việc dùng liên quan an ninh mạng "trong lưu lượng trực tiếp" từ lúc xem trước; hãng thấy "khả năng tăng cường năng lực cho các cuộc tấn công thật" và nói đang sửa lớp bảo vệ, đồng thời cho một biến thể chuyên biệt cho đối tác doanh nghiệp đã sàng lọc (Orange Cyberdefense được nêu tên) dùng thử. Đây là nhận xét của Locaith: số 96,6% đo mô hình đúng như phát hành, còn người có trọng số có thể tinh chỉnh tiếp; và việc theo dõi lưu lượng chỉ thấy được việc dùng qua API của Mistral, không thấy bản tự lưu trữ. Mistral không bàn về điều này trong phần Locaith đọc. Đó không phải lỗi riêng của Mistral, mà là đặc điểm của mọi mô hình mở trọng số, nhưng nó giới hạn ý nghĩa của các con số từ chối.

Doanh nghiệp Việt Nam nên làm gì lúc này

Đây là nhận xét của Locaith. Một: với phần đông doanh nghiệp, đường thực tế là gọi API (0,70/2,10 USD mỗi triệu token) hoặc dùng nền tảng của bên đã lo hạ tầng, vì tự chạy cần cụm GPU cỡ vài trăm GB mỗi thẻ. Hai: nếu định cung cấp mô hình cho khách như một dịch vụ (API, tinh chỉnh theo yêu cầu), đọc kỹ mục 2 của giấy phép trước khi đầu tư; dùng nội bộ hoặc nhúng thành tính năng thì nhiều khả năng không vướng. Ba: đừng lấy chữ "dẫn đầu" trong blog làm lý do mua. Trong chín biểu đồ Locaith đếm, Large 4 dẫn bốn; ở chỉ số tổng hợp của bên đo độc lập nó xếp sau ba mô hình cho điểm cao hơn, trong đó hai mô hình rẻ hơn mỗi tác vụ. Bốn: tiếng Việt chưa có số đo, nên thử trên dữ liệu thật của mình (hợp đồng, email, chat khách hàng) trước khi so sánh.

Giới hạn của bài này

Locaith không tải trọng số và không chạy mô hình, nên không kiểm được chất lượng thật hay số đo nào của Mistral; chưa tải bảng của Cognition, Surge hay các bộ Finch, BrowseComp, B3. Biểu đồ trong blog là ảnh vẽ lại, Locaith đọc số in trên biểu đồ và đối chiếu với số trong văn bản khi có. Locaith không biết MiMo-V2.6-Pro hay DeepSeek V4.1 Flash có mở trọng số hay không nên chỉ xếp hạng theo điểm. Trang Artificial Analysis có thể đổi khi họ đo lại. Locaith chưa đọc hết phần cuối bài blog (lời trích của đối tác và hướng dẫn truy cập) nên có thể có thông tin ở đó mà bài này chưa nêu.