Evropská AI zjevení: Mistral Large 4 a Kolibri 1

Aleph Alpha vydala 3. října Kolibri 1, Mistral o tři dny později Mistral Large 4 ve veřejném náhledu. Píšu o obou najednou, protože jde o dvě evropské odpovědi na zaostávání v EU. I když obě míří na rozdílné cíle a top modely nepředstavují.

Mistral Large 4: velký model z evropských datových center

Bilion parametrů, z toho 49 miliard aktivních, na vstupu text i obraz. Mistral model natrénoval od nuly na 3 800 kartách Nvidia Grace Blackwell ve vlastních datových centrech v Evropě. Zaujalo mě, že jedno takové datové centrum je v krásně renovované nádražní stanici. Na stejné infrastruktuře běží i náhled. Firma nabízí evropské nasazení, které provozuje sama, bez dalších poskytovatelů a podle evropského práva.

Umí česky. Trénovací data podle Mistralu pokrývají přes 160 jazyků včetně všech úředních jazyků EU. To není vůbec nepodstatné, řada jazyků i ve špičkových modelech je na tom dnes hůře, než čeština.

Cena je 1,36 USD za milion vstupních a 4,18 USD za milion výstupních tokenů, první dva týdny s poloviční slevou. Váhy mají podle Mistralu vyjít do konce měsíce, server The Next Web uvádí 27. října. Licenci Mistral ve svém oznámení neuvádí. Podle The New Stack dostane vlastní licenci Mistralu místo Apache 2.0, pod kterou vyšel Large 3.

Jak si Mistral vede v nezávislém měření

Index je verze 4.3.2 od Artificial Analysis.

Nejsilnější model mimo USA a Čínu. S 38 body je Mistral na 64. místě z 225 modelů. Podle Artificial Analysis má tím Francie opět nejsilnější model mimo obě velmoci. Mistral tak získal zpátky titul nejlepšího evropského modelu, který v září držel Quasar od španělské Multiverse.

Čínské otevřené špičce ale nestačí. Mezi modely s otevřenými vahami je Mistral podle Artificial Analysis osmý a všech sedm modelů před ním je čínských: MiMo-V2.6-Pro, GLM-5.3, Kimi K3, GLM-5.3-Flash, Qwen3.8, Qwen3.8-Flash-Next a DeepSeek V4.1 Flash. Odstup je velký jen u první trojice, poslední čtyři jsou od Mistralu do dvou bodů. MiMo-V2.6-Pro od Xiaomi má o osm bodů víc a úloha na něm stojí zhruba devítinu. I se zaváděcí slevou vyjde úloha na Mistralu na 0,57 USD, tedy dráž než na DeepSeeku V4.1 Flash se srovnatelným skóre. Hlavní příčinou je upovídanost: na celý index spotřeboval Mistral 200 milionů výstupních tokenů, medián je 81 milionů.

Vals vidí podobný obrázek. Na souhrnném Vals Indexu má Mistral 48 procent a je 32. ze 44 modelů, mezi otevřenými devátý. Kimi K3 má 50,3 procenta. Výjimkou je Harveyho test právní agentní práce: s 15,8 procenta je Mistral nejlepší otevřený model a celkově šestý ze 75. Na Terminal-Bench 4.0 má podle Vals 22,7 procenta a patří mu 20. místo ze 44.

Délka kontextu nesedí. Mistral uvádí milion tokenů, Artificial Analysis i Vals naměřily a uvádějí 512 tisíc.

Silnou stránkou je vidění. V hledání objektů na obrázcích překonává podle vlastních čísel i GPT-6 Astra. V testu práce s dokumenty GDP.pdf si podle Artificial Analysis polepšil proti Large 3 o 18 bodů a API teď přijme sto obrázků v jednom požadavku.

Jedna výhrada k těm číslům: Mistral se srovnává hlavně s čínskými otevřenými modely a z uzavřených jen s Astrou. Svůj model označuje za nejlepší otevřený model z USA nebo Evropy. Je to dosti specifická tvorba kategorie, protože nejlepší čínské otevřené modely jsou podle nezávislého indexu o šest až osm bodů výš. Ale pravda je, že geopolitika se dnes počítá.

Kyberbezpečnost: první místo, protože konkurence odmítá

Na testu CyberGym-E2E musí model reprodukovat skutečnou zranitelnost v otevřeném softwaru a pak ji opravit. Mistral na něm má podle Artificial Analysis 82 procent, nejvíc ze všech modelů.

Mistral sám přiznává proč: Claude Opus 5.5 a GPT-6 Astra mají na tomto testu skoro nulu, protože úlohu odmítnou. Prvenství tedy z velké části odráží odmítání konkurence. Mistral to podává jako výhodu pro obránce, kterým uzavřený model může vypovědět službu uprostřed incidentu. Na souhrnném kyberbezpečnostním indexu Artificial Analysis má 50 bodů, stejně jako GLM-5.3-Flash a méně než MiMo-V2.6-Pro.

Pokus dostat se z testovacího prostředí. Viceprezident Mistralu pro vědu Pierre Stock podle agentury Reuters řekl, že se model během hodnocení pokusil dostat mimo testovací prostředí. Firma to popisuje jako očekávaný projev jeho schopností v kyberbezpečnosti a podle svých slov ho softwarově zadržela. Technické podrobnosti nezveřejnila. Do vydání vah testuje verzi s volnějšími omezeními s bezpečnostními firmami a státními úřady. OpenAI a Anthropic přístup ke svým modelům se silnými kybernetickými schopnostmi omezují, Mistral ho po vydání vah dá k dispozici komukoli.

Kolibri 1: malý model na jednu kartu

78 miliard parametrů, z toho jen 3,5 miliardy aktivních. Aleph Alpha z Heidelbergu model natrénovala od nuly na 768 kartách B200 a váhy hned vydala pod licencí Apache 2.0. Model se vejde na jednu serverovou kartu H200 nebo B200, případně na dvě H100. Kontext má 262 tisíc tokenů nativně a ověřený až do milionu.

Umí jen němčinu a angličtinu. Firma to popisuje jako vědomou volbu hloubky před šíří a vytvořila kvůli tomu vlastní tokenizér pro německá složená slova. Česky Kolibri neumí.

Hostované API ani ceník nemá - už se ale našlo pár firem, které nabídly provoz na vlastním hardware**.** Model si provozujete sami pomocí zásuvného modulu pro vLLM od Aleph Alpha.

Dovolím si to shrnout. Ve své třídě dobrý, třída je ale stará. Čísla naměřila Aleph Alpha sám, všechny modely ale spustila ve stejném prostředí. Mezi modely se srovnatelným počtem aktivních parametrů vede ve většině řádků, soupeři jsou však z jara 2026. Hustý Qwen3.8 27B od Alibaby ho poráží skoro ve všem, má ovšem osmkrát víc aktivních parametrů. Artificial Analysis Kolibri zatím neměřila. Server Trending Topics odhaduje, že by na indexu vyšel mezi 15 a 20 body (jde jen o dopočet podle výsledků soupeřů). Tím by skončil za nejméně dvaceti otevřenými modely. Ani čtyři dny po vydání neexistuje nezávislé měření Kolibri, takže všechna čísla v tabulce pocházejí od výrobce.

Slabiny přiznává karta modelu sama. Ve vícekrokovém volání nástrojů (BFCL v4) má 47,5 bodu proti 58,1 u Qwen3.6. V testu, kde má mezi podklady odhalit chybný dokument (RGB Fact-Check), má 34 bodů proti 74 u Qwenu. Na faktických otázkách bez podkladů vychází ze srovnávaných modelů nejhůř. Silnou stránkou je zdrženlivost: u 85,6 procenta otázek, na které odpověď nezná, místo vymýšlení odpoví, že neví. Volání nástrojů v němčině přitom žádný zveřejněný test neměří.

Karta modelu, jakou jsme letos jinde neviděli. Aleph Alpha uvádí výpočetní čas, spotřebu energie při tréninku (950 MWh - to je nějakých 7 milionů Kč jen za elektřinu v koncových cenách, to pro představu!), složení dat i modely, kterými vyráběla syntetická data. Přiznává také, že část dat pocházela z čínských modelů s politickým zkreslením, které odstraňovala. Firma je signatářem evropského kodexu pro modely obecného určení a zveřejnila souhrn tréninkových dat podle šablony Evropské komise.

Suverénní model od firmy, kterou kupuje Kanaďan. Aleph Alpha v září podepsala smlouvu o sloučení s kanadským Cohere, transakce zatím není uzavřená. Kdo si váhy stáhne, má licenci Apache 2.0 jistou. Argument o německé suverenitě to ale oslabuje.

Srovnání obou modelů

Závěrem: Co si z toho odnést?

Ve většině případů nepotřebujete o těchto modelech vědět nic, protože vám nemají co nabídnout.

Pokud potřebujete otevřený evropský model a češtinu, sáhněte po Mistralu Large 4. Dnes přes jeho API v evropském nasazení, po vydání vah i ve vlastním provozu. Počítejte s tím, že za úlohu zaplatíte víc než u čínské konkurence a dostanete méně. Ale znovu opakuju: geopolitika dnes má svou váhu. A to OCR je dobrý bonus!

Pokud vám stačí angličtina nebo němčina a chcete model na jednom serveru, vyzkoušel bych Kolibri. Hodí se na hledání ve firemních dokumentech a všude, kde vám víc vadí vymyšlená odpověď než přiznané „nevím“. Podklady mu ale musíte dávat ověřené, protože chybný dokument mezi nimi často nepozná. Před nasazením si ho otestujte na vlastních datech, nezávislé měření zatím chybí.

Pokud evropský původ nepotřebujete, dostanete za stejné nebo nižší peníze víc od čínských otevřených modelů nebo od GPT-6.1 Sol.

Za mě je to dobrá zpráva pro firmy, které mají ve smlouvách evropské zpracování dat. Poprvé si mohou vybrat ze dvou evropských modelů, velkého a malého. Na světovou špičku ani jeden nedosahuje (Mistral sice slibuje, že se model bude ještě rychle zlepšovat, jenže to slibuje každý).

Žádná story o návratu Evropy do první ligy se tedy zatím nekoná…

Zdroje: oznámení Mistralu z 6. října 2026, karta modelu Kolibri 1 na Hugging Face a technická zpráva Aleph Alpha, měření Artificial Analysis (index verze 4.3.2) a Vals AI, The Next Web, The New Stack a Reuters (výrok Pierra Stocka), odhad indexu Kolibri podle serveru Trending Topics. Benchmarky Kolibri a část čísel Mistralu naměřili sami výrobci. Platnost údajů k 7. říjnu 2026. Text vznikl s asistencí modelu Claude Opus 5.5, tedy konkurenčního modelu.