Mô hình Le Chonk của Mistral hiện thuộc nhóm mô hình mở hàng đầu trong lĩnh vực lập trình, được xếp hạng ngang hàng với Codex GPT-6.1 Terra.

Đổi mới sáng tạo > Trí tuệ nhân tạo Mô hình Le Chonk của Mistral trở thành mô hình mở hàng đầu về lập trình, xếp ngang hàng với Codex GPT-6.1 Terra Mistral đã công bố trọng số cho Large 4, cùng với các điểm số ấn tượng từ Artificial Analysis. Radhika Rajkumar Biên tập viên cao cấp Radhika Rajkumar là biên tập viên cao cấp tại ZDNET, làm việc tại thành phố New York... Đọc toàn bộ tiểu sử Radhika Rajkumar Biên tập viên cao cấp Đọc toàn bộ tiểu sử Ngày 29/10/2026, 10 giờ 00 phút (giờ miền Đông Hoa Kỳ) 3 phút đọc NurPhoto / Cộng tác viên qua Getty Images Các điểm chính từ ZDNET Theo đúng kế hoạch, Mistral đã công bố trọng số cho mô hình ML4. ML4 thiết lập chuẩn mực mới cho các mô hình mở của phương Tây. Các mô hình mở ngày càng tăng tính cạnh tranh so với các mô hình độc quyền. Phòng thí nghiệm AI của Pháp Mistral đã phát hành bản thử nghiệm mô hình mới nhất mang tên Mistral Large 4 (ML4), được đặt biệt danh là “Le Chonk” nhờ quy mô một nghìn tỷ tham số, vào ngày 6/10/2026. Đúng như cam kết, đơn vị này đã công bố trọng số của mô hình cùng một số điểm đánh giá chuẩn (benchmark) mới, cho thấy các mô hình mở của phương Tây đang dần chiếm ưu thế trước các đối thủ cạnh tranh từ Trung Quốc. Xem thêm: Trọng số mở so với đóng: Cuộc nội chiến AI đang diễn ra Xu hướng hiện nay Đối thủ của GitHub là Entire chính thức hoạt động – cách thức vận hành của nền tảng ưu tiên AI agent 26/10/2026 Thực nghiệm nhân bản giọng nói bằng công cụ AI miễn phí – thử nghiệm cuộc gọi lừa đảo đối với người thân 23/10/2026 Đánh giá máy tính xách tay Lenovo RTX Spark qua bài kiểm tra lập trình AI khắc nghiệt – thiết bị vượt qua thử thách 26/10/2026 Sau ba tuần thử nghiệm với một nhóm đối tác chọn lọc, mô hình của Mistral đã thiết lập tiêu chuẩn mới cho các mô hình mở do phương Tây phát triển, đứng đầu bảng xếp hạng Coding Agent Index của Artificial Analysis trong nhóm các mô hình mở trên phạm vi toàn cầu. Mô hình hiện cũng đi kèm ba chế độ suy luận (thấp, trung bình và cao), tính năng phổ biến ở các mô hình kích thước lớn nhằm cung cấp cho người dùng thêm lựa chọn tùy theo mức độ phức tạp của tác vụ. Đọc thêm từ ZDNET Bảng xếp hạng hiệu năng lập trình mới Điểm số của ML4 trên bài kiểm tra năng lực lập trình dạng tác tử (agentic coding) Terminal-Bench 4.0 đã tăng từ mức 28% ở phiên bản thử nghiệm lên 41%, vượt qua GLM-5.3 của Opencode một điểm nhỏ nhưng mang tính then chốt. Tuy nhiên, trên bảng chỉ số tổng thể (Index) phản ánh điểm số tổng hợp của mô hình qua ba bài đánh giá chuẩn liên quan, ML4 xếp sau GLM-5.3 một điểm, đạt 48 điểm so với 49 điểm của GLM-5.3. Codex GPT-6.1 Terra cũng ghi nhận 48 điểm tổng thể. Cần lưu ý rằng các điểm số đánh giá chuẩn chỉ mang tính chất tham khảo, đặc biệt trong bối cảnh ghi nhận nhiều mô hình có hiện tượng can thiệp để tối ưu hóa điểm số. Dù vậy, sự cải thiện hiệu năng nói trên vẫn mang nhiều ý nghĩa đối với giai đoạn chỉ vài tuần huấn luyện bổ sung. Trong bối cảnh chi phí sử dụng AI độc quyền vẫn ở mức cao, các mô hình tiết kiệm chi phí mà không làm suy giảm hiệu năng đang thu hút sự quan tâm lớn. Mistral cho biết ML4 “cạnh tranh trực tiếp với các mô hình mở hàng đầu như GLM-5.3 trên bảng xếp hạng Coding Agent Index của Artificial Analysis, trong khi sử dụng lượng token trung bình cho mỗi tác vụ ít hơn 47%”. Năng lực an ninh mạng Khi phát hành phiên bản thử nghiệm của ML4 vào đầu tháng này, Mistral đã nhấn mạnh việc mô hình ưu tiên các năng lực phòng thủ mạng, đồng thời khẳng định khả năng kiểm soát có thể tùy biến và việc bảo đảm chủ quyền dữ liệu. Doanh nghiệp đã dành vài tuần qua để làm việc với các nhà phát triển và các cấp lãnh đạo nhằm đánh giá năng lực an ninh mạng của mô hình. Đây là quy trình đang trở nên phổ biến tại các phòng thí nghiệm mô hình độc quyền của Mỹ như OpenAI, Google và Anthropic trong bối cảnh các mối quan ngại về an toàn mô hình ngày càng gia tăng. Tương tự Project Glasswing của Anthropic và việc triển khai Astra của OpenAI, các đối tác thử nghiệm ban đầu của Mistral đã được cấp quyền truy cập phiên bản ML4 có ít rào cản kỹ thuật hơn, đi kèm “các năng lực an ninh mạng mở rộng”. Xét trên một số phương diện, những cam kết về ML4 bước đầu đã được hiện thực hóa: phiên bản Le Chonk đạt điểm số nhỉnh hơn DeepSeek V4.1 Flash trên thang đánh giá an ninh mạng phòng thủ CyberGym. Đây là bộ tiêu chuẩn đo lường mức độ hiệu quả của các mô hình trong việc phát hiện “các lỗ hổng an toàn bộ nhớ thực tế trong các dự án mã nguồn mở C/C++, tái hiện lỗ hổng bằng dữ liệu đầu vào chứng minh khái niệm (proof-of-concept) và vá lỗi mà không làm gián đoạn các bài kiểm thử của dự án”. Các sự cố an ninh AI gần đây đã tạo nên sự đối đầu nhất định giữa mô hình mã nguồn mở và mô hình độc quyền. Ban đầu bị đánh giá là kém an toàn do tính dễ biến đổi, các mô hình mở nay được xem là lựa chọn mới cho công tác phòng thủ mạng, sau khi các mô hình độc quyền từ Anthropic và OpenAI cũng cho thấy mức độ rủi ro tương tự. Mistral cho biết ML4 được xây dựng nhằm bảo đảm khả năng an ninh luôn nằm trong tầm kiểm soát của người dùng — trái ngược với các mô hình độc quyền mà về mặt kỹ thuật, các phòng thí nghiệm tiên phong có thể thu hồi quyền truy cập bất cứ lúc nào. Đồng sáng lập Mistral, ông Guillaume Lample, phát biểu tại buổi thông tin về bản phát hành thử nghiệm ngày 6/10: “Các năng lực phòng thủ mạng sẽ cho phép các doanh nghiệp và chính phủ tự bảo vệ trước các tác nhân đe dọa đang bẻ khóa các mô hình đóng nhằm thực hiện các cuộc tấn công mạng”. Sau vụ xâm nhập hệ thống tại Hugging Face, Mistral là một trong nhiều đơn vị tham gia ký kết liên minh Open Secure AI Alliance của Nvidia. Đây là mối quan hệ hợp tác liên ngành với lập luận rằng các mô hình mở đóng vai trò then chốt trong việc phổ quát hóa các giải pháp phòng thủ trước những sự cố an ninh AI ngày càng phổ biến. Tin liên quan: Thủ đoạn lừa đảo mới qua ChatGPT dẫn dụ cài đặt mã độc Theo lập luận của Nvidia và liên minh hướng tới mục tiêu phổ quát hóa các công cụ an ninh AI, cuộc đua hiện diễn ra giữa Mistral và các mô hình mở khác nhằm đạt được năng lực an ninh tiên tiến hàng đầu. Tối ưu hóa hiệu năng trên nguồn lực tính toán hạn chế Huấn luyện một mô hình có khả năng cạnh tranh trong bối cảnh thiếu hụt năng lực tính toán là nhiệm vụ không hề đơn giản đối với một đơn vị quy mô tinh gọn như Mistral, vốn không sở hữu nguồn lực dồi dào như các tập đoàn chuẩn bị IPO như Anthropic. Tin liên quan: Các tính năng của Claude Enterprise cho phép theo dõi hiệu quả đầu tư (ROI) của AI Đại diện công ty cho biết: “ML4 được huấn luyện từ đầu trên 4.000 GPU Nvidia Grace Blackwell trong hai tháng, triển khai tại chính các trung tâm dữ liệu của Mistral ở châu Âu”. Để so sánh, Tổng Giám đốc Nvidia Jensen Huang từng cho biết trên mạng xã hội X rằng OpenAI đã huấn luyện GPT-6 Astra trên khoảng 100.000 GPU. Hiển thị bình luận Đăng nhập để bình luận Đăng nhập