Model AI Segede 1 Triliun Ini Bisa Kamu Unduh, Tapi Ada Syaratnya

Ilustrasi robot dari balok-balok ahli dengan simbol kode dan perisai keamanan — Ilustrasi hasil generate: model AI mixture-of-experts dengan fokus coding dan keamanan, bukan logo resmi Mistral.

Bayangin ada satu gedung isinya banyak ahli. Setiap ada pertanyaan masuk, cuma beberapa ahli yang dipanggil buat jawab. Sisanya tetap di gedung, tapi tidak ikut kerja untuk pertanyaan itu. Nah, kira-kira begitu cara kerja Mistral Large 4.

Model AI dari Prancis ini totalnya sekitar 1 triliun parameter. Tapi yang aktif buat satu token cuma sebagian kecil saja. Makanya model ini bisa segede itu di atas kertas, tapi tetap masuk akal buat dijalankan di server yang kuat. Dan sekarang, bobotnya sudah bisa diunduh.

Intinya dulu, biar cepat

Mistral Large 4 pertama kali dipamerkan ke publik pada 6 Oktober 2026.
Bobotnya dirilis pada 29 Oktober 2026, setelah tiga minggu tambahan reinforcement learning.
Total parameternya sekitar 1 triliun, dengan konteks 1 juta token, dan input teks plus gambar.
Lisensinya adalah modified MIT yang disebut Mistral Ecosystem Open-Weight License.
Kamu boleh pakai, ubah, fine-tune, dan jual produk dari model ini, kecuali kalau kamu menawarkan model itu sebagai layanan, itu butuh lisensi komersial terpisah dari Mistral.

1 triliun itu maksudnya apa?

Parameter itu gampangnya adalah kenop-kenop kecil yang menentukan cara model menjawab. Makin banyak parameter, makin banyak hal yang bisa dipelajari model, tapi juga makin berat buat dijalankan.

Di Large 4, totalnya sekitar 1 triliun. Yang aktif per token, menurut pengumuman preview, sekitar 49 miliar. Tapi nama repositorinya nunjukin angka sekitar 52 miliar. Dua angka itu sama-sama muncul di laporan, jadi di artikel ini aku tulis apa adanya: totalnya 1 triliun, angka aktifnya ada di kisaran itu, tergantung sumber yang kamu baca. Jangan sampai satu angka yang belum pasti ditulis seolah sudah mutlak.

Model ini juga pakai arsitektur mixture-of-experts. Balik ke analogi gedung tadi: ada 128 ahli yang dirutekan, dan cuma empat ahli plus satu ahli bersama yang aktif per token, menurut laporan teknis yang beredar. Jadi model ini tidak menyalakan semua bagiannya setiap kali menjawab.

Konteks 1 juta token itu juga gede banget. Token itu potongan kata dan simbol. Dengan konteks segitu, model bisa membaca codebase yang besar atau dokumen yang panjang dalam satu sesi, tanpa harus dipotong-potong terus. Buat developer dan tim keamanan, ini yang bikin model ini menarik, bukan cuma karena namanya besar.

Open-weight itu beda sama open source

Ini bagian yang paling sering salah paham. Open-weight artinya bobot modelnya bisa kamu unduh dan jalankan sendiri. Bukan berarti semua hal tentang model itu bebas tanpa aturan.

Lisensi Mistral di sini membolehkan pakai, ubah, fine-tune, dan komersialisasi. Tapi ada satu syarat yang wajib diingat: kalau bisnismu adalah menawarkan model ini sebagai layanan, kamu harus dapat lisensi komersial terpisah dari Mistral dulu. Jadi kalau kamu cuma pakai di produkmu sendiri, ceritanya beda dengan kalau kamu jualan akses ke model itu sendiri.

Buat perusahaan yang mau self-host, ini tetap kabar bagus. Kamu bisa jalanin di servermu sendiri, di region yang kamu pilih, termasuk di Eropa, tanpa harus selalu lewat API orang lain. Tapi baca lisensinya dulu sampai habis sebelum dipakai buat bisnis, karena satu klausul itu bisa mengubah rencana monetisasimu.

Buat apa model ini dipromosikan?

Mistral memposisikan Large 4 buat coding dan keamanan siber. Di sisi coding, Mistral mengklaim skor 48 persen di Artificial Analysis Coding Agent Index, yang diklaim sejajar dengan GLM-5.3 sebagai model open terbaik di indeks itu, tapi dengan token per tugas 47 persen lebih sedikit. Di Terminal-Bench 4.0, skornya naik dari 28,3 persen saat preview jadi 41 persen setelah tiga minggu reinforcement learning tambahan.

Di sisi keamanan, Mistral mengklaim skor 51 persen di Artificial Analysis Cyber Index, dan tingkat penolakan 96,6 persen untuk permintaan jahat di bidang siber. Ada juga klaim 82 persen di tes reproduce-and-patch kerentanan, dan 93 persen di Cybench yang berisi 40 tantangan dari kompetisi keamanan.

Semua angka itu adalah angka dari Mistral dan mitranya, bukan hasil uji independen yang sudah final. Laporan teknis lengkapnya juga disebut masih coming soon saat bobotnya dirilis. Jadi pakai angka-angka itu sebagai gambaran awal, bukan sebagai vonis akhir soal siapa yang terbaik.

Satu lagi yang patut diapresiasi: versi pen-testing yang lebih agresif tidak ikut dibuka bebas. Versi itu tetap dibatasi buat mitra yang sudah diverifikasi. Artinya, Mistral mencoba membuka model yang berguna buat defender, tanpa langsung melepas versi yang paling gampang disalahgunakan.

Harga dan cara aksesnya

Lewat API Mistral sendiri, harganya 0,70 dolar AS per sejuta token input, 0,07 dolar AS per sejuta token input yang sudah di-cache, dan 2,10 dolar AS per sejuta token output. Harga ini turun kira-kira setengah dari harga preview yang dulu 1,36 dolar AS untuk input dan 4,18 dolar AS untuk output.

Bobotnya ada di Hugging Face dengan nama repositori mistralai/Mistral-Large-4-1T-A52B, dan bisa dijalankan pakai vLLM atau SGLang. Model ini juga tersedia lewat Mistral API, Mistral Studio, OpenRouter, endpoint NVIDIA, dan Microsoft Foundry yang disebut sebagai cloud pertama yang membawanya.

Buat yang mau jalanin sendiri, jangan bayangin ini jalan di laptop kantor biasa. Model 1 triliun parameter itu berat. Di hitungan kasar, pada presisi 16-bit saja bobotnya sekitar 2 terabyte, dan pada 8-bit sekitar 1 terabyte, belum termasuk memori buat kerja modelnya. Jadi self-host di sini maksudnya server yang memang dirancang buat itu, bukan HP kentang atau laptop tipis.

Buat siapa model ini cocok, buat siapa enggak

Cocok buat tim developer yang mau model coding open-weight yang bisa di-self-host, tim keamanan yang mau eksperimen dengan model buat bantu analisis kerentanan, dan perusahaan yang peduli soal di mana datanya diproses. Buat mereka, kombinasi bobot yang bisa diunduh, konteks panjang, dan harga API yang turun itu memang menarik.

Kurang cocok buat kamu yang cuma mau chatbot buat tanya-jawab sehari-hari. Buat kebutuhan itu, model yang lebih kecil dan lebih murah lewat aplikasi chat biasanya sudah cukup, dan kamu tidak perlu pusing soal server, lisensi MaaS, atau fine-tune.

Kurang cocok juga buat yang berharap semua angka benchmark langsung bisa dipercaya mentah-mentah. Tunggu laporan teknis lengkapnya, dan bandingkan dengan uji independen sebelum dipakai buat keputusan besar.

Jadi, ini kabar besar atau cuma gimmick angka?

Ini kabar besar buat dunia open-weight, terutama dari Eropa. Model 1 triliun parameter yang bobotnya dibuka, dengan lisensi yang relatif longgar tapi tetap ada syarat buat MaaS, itu bukan hal yang sering terjadi. Tapi besarnya angka bukan jaminan model ini paling cocok buat semua orang.

Yang bikin Large 4 layak diperhatikan bukan cuma angka 1 triliunnya. Yang bikin menarik adalah paketnya: konteks panjang, input gambar, harga API yang turun, dan fokus ke coding serta keamanan, plus pilihan buat jalanin sendiri. Kalau kamu ada di tim yang memang butuh paket itu, ini patut dicoba. Kalau tidak, cukup tahu saja dulu, sambil nunggu laporan teknis dan uji independennya keluar.

Tanya jawab singkat

Apakah Mistral Large 4 gratis? Bobotnya bisa diunduh dan dipakai sesuai lisensi, tapi ada syarat lisensi komersial terpisah kalau kamu menawarkan model itu sebagai layanan. API-nya berbayar per token.

Apakah open-weight sama dengan open source? Tidak. Open-weight berarti bobotnya bisa diunduh dan dijalankan, tapi lisensi dan aturannya tetap berlaku.

Berapa parameter aktifnya? Totalnya sekitar 1 triliun. Angka aktif yang beredar ada di kisaran 49 miliar dari pengumuman preview dan sekitar 52 miliar dari nama repositori.

Apakah angka benchmark-nya sudah final? Belum. Angka-angka itu dari Mistral dan mitranya, dan laporan teknis lengkapnya masih ditunggu.

Sumber

Ilustrasi utama artikel ini adalah ilustrasi hasil generate, bukan logo atau foto resmi Mistral. Artikel ini ditulis 1 November 2026 berdasarkan rilis bobot 29 Oktober 2026, dan angka benchmark yang dikutip adalah angka dari Mistral dan mitranya, bukan hasil uji independen final.