மிஸ்ட்ரால் 1 டிரில்லியன் பராமீட்டர் லீ சாங்க், எடைகள் வெளியாகும் முன்பே சுயாதீன AI குறியீட்டில் 38 மதிப்பெண் பெற்று, ஓபன் மாடல்களில் எட்டாம் இடம் பிடித்தது

பிரெஞ்சு நிறுவனம் லீ சாங்க் என்று செல்லப்பெயர் சூட்டிய மிஸ்ட்ரால் Large 4, 2026 அக்டோபர் 6 அன்று சுயாதீன சோதனை நிறுவனமான Artificial Analysis பொது முன்னோட்டத்தை இயக்கிப் பார்த்தபோது, Artificial Analysis Intelligence Index-இல் 38 மதிப்பெண் பெற்றது. எடைகள் இன்னும் பொதுவில் இல்லாததால் Artificial Analysis அந்த மாடலை தனியுரிமை மாடலாகவே பட்டியலிடுகிறது, ஆனால் Trending Topics அதை ஓபன்-வெயிட் மாடல்களில் எட்டாவது என்று கணக்கிடுகிறது, ஏழு சீன மாடல்களுக்குப் பின்னால்.

“ஓபன்-வெயிட்” என்பதன் பொருள், மாடலை உருவாக்கும் பயிற்சி பெற்ற எண்களை நிறுவனம் வெளியிடுகிறது என்பது, எனவே போதிய வன்பொருள் உள்ள எவரும் அதை இயக்கலாம், மாற்றலாம், தாங்களே ஹோஸ்ட் செய்யலாம். மிஸ்ட்ராலின் அறிவிப்பு இவ்வளவுதான் சொல்கிறது: “மாத இறுதிக்குள் எடைகளை வெளியிடுவோம்.”

அக்டோபர் 6 அன்று வெளியானது எது, வெளியாகாதது எது

மிஸ்ட்ரால் 2026 அக்டோபர் 6 அன்று தன் சொந்த API வழியாகப் பொது முன்னோட்டத்தைத் திறந்தது. இதுவரை எதையும் பதிவிறக்க முடியாது, மாடல் கார்டு அதை உரிமத்தின் பெயரைக் குறிப்பிடாமல் “Open” என்று குறிக்கிறது. அக்டோபர் 27 அன்று முழு எடைகள் வெளியீடு என்று Forklog தெரிவிக்கிறது. மிஸ்ட்ராலின் சொந்தப் பதிவு எந்த நாளையும் தரவில்லை.

அக்டோபர் 7 AI ரவுண்டப் இந்த வெளியீட்டைச் சில வரிகளில் கூறியது. அதில் உள்ள இரண்டு எண்கள் மிஸ்ட்ராலின் சொந்தப் பதிவிலிருந்து வேறுபடுகின்றன: ரவுண்டப் 49 பில்லியன் செயலில் உள்ள பராமீட்டர்களையும் 4,000 சிப்களையும் கூறியது, மிஸ்ட்ரால் 52 பில்லியன் என்றும் 3,800 என்றும் கூறுகிறது.

ஒரு டிரில்லியன் பராமீட்டர், ஒன்றுக்கொன்று ஒத்துப்போகாத மூன்று எண்கள்

Large 4 ஒரு மிக்ஸ்சர்-ஆஃப்-எக்ஸ்பர்ட்ஸ் மாடல். அது உருவாக்கும் ஒவ்வொரு சொல்லுக்கும் எல்லாப் பராமீட்டர்களையும் (ஒரு பராமீட்டர் என்பது வலையமைப்புக்குள் இருக்கும் சரிசெய்யக்கூடிய ஒரு எண்) பயன்படுத்துவதற்குப் பதிலாக, ஒவ்வொரு துண்டு உரையையும் சிறப்பு உப-வலையமைப்புகளின் ஒரு சிறிய பங்கின் வழியாகச் செலுத்துகிறது. தன் அறிவிப்பில் மிஸ்ட்ரால் அதை “52 பில்லியன் செயலில் உள்ள பராமீட்டர்களுடன் 1 டிரில்லியன் பராமீட்டர் இயல்பாகவே பல்முறை மாடல்” என்று விவரிக்கிறது, அதாவது உரையைப் போலவே படங்களையும் படிக்கும். மாடல் கார்டு மொத்தத்தை 1.05 டிரில்லியன் என்று தருகிறது, 1.6 பில்லியன் பராமீட்டர் பார்வை என்கோடரைச் சேர்க்கிறது, மாடல் ஒரே நேரத்தில் கருத்தில் கொள்ளக்கூடிய உரையின் அளவான 1 மில்லியன் டோக்கன் சூழல் சாளரத்தைப் பட்டியலிடுகிறது. அந்த எண்களில் மூன்று சர்ச்சைக்குரியவை.

• செயலில் உள்ள பராமீட்டர்கள்: மிஸ்ட்ராலின் பதிவும் மாடல் கார்டும் 52 பில்லியன் என்கின்றன. 49 பில்லியன் என்பது The Register, IT Daily, மற்றும் Artificial Analysis பக்கம் குறித்த Unite.AI-யின் கணக்கு தரும் எண்.
• சூழல் சாளரம்: மிஸ்ட்ரால் 1 மில்லியன் டோக்கன் என்கிறது. Artificial Analysis சுமார் 524,000 அளந்தது, Vals.ai 512,000 எனப் பட்டியலிடுகிறது.
• பயிற்சிச் சிப்கள்: தன் சொந்த ஐரோப்பிய டேட்டா சென்டர்களில் 3,800 Nvidia Grace Blackwell GPU-க்களில் மாடலை முதலிலிருந்தே பயிற்றுவித்ததாக மிஸ்ட்ரால் கூறுகிறது. சுமார் 4,000 என்று Forklog கூறுகிறது.

அளவை ஒப்பிட, மிஸ்ட்ராலின் 2025 டிசம்பர் Large 3 மொத்தம் 675 பில்லியன், செயலில் 41 பில்லியன் பராமீட்டர்களைக் கொண்டிருந்தது என்று மிஸ்ட்ராலின் ஆவணங்கள் கூறுகின்றன. அதனால் புதிய மாடல் மொத்த அளவில் சுமார் 56% பெரியது. வன்பொருள் வழிகாட்டுதல் எதையும் மிஸ்ட்ரால் தரவில்லை என்று The Register குறிப்பிடுகிறது, ஆனால் Nvidia-வின் HGX B300 அல்லது AMD-யின் MI355X போன்ற 8-வழி GPU சர்வர்களில் இது இன்னும் ஓட வேண்டும் என்றும் அது சேர்க்கிறது.

ஐரோப்பிய ஒன்றியத்தின் ஒவ்வொரு அதிகாரப்பூர்வ மொழியும் உட்பட 160க்கும் மேற்பட்ட மொழிகளை பயிற்சித் தரவு உள்ளடக்குகிறது என்று மிஸ்ட்ரால் கூறுகிறது.

மாடலால் என்ன செய்ய முடியும் என்று மிஸ்ட்ரால் கூறுவது

வேறு பெயர் இணைக்கப்படாத வரை இந்தப் பிரிவில் உள்ள அனைத்தும் மிஸ்ட்ராலின் சொந்த அறிக்கை, மிஸ்ட்ராலின் வரைபடங்கள் குறித்த The Register-இன் அறிவுரை “அவற்றை ஒரு சிட்டிகை உப்புடன் எடுத்துக்கொள்ளுங்கள்” என்பது.

கோடிங்கில், DeepSWE v1.1-இல் 61.7%, Artificial Analysis-இன் Coding Agent Index-இல் 49.8% என்று மிஸ்ட்ரால் கூறுகிறது, DeepSeek V4 Pro 0813 மற்றும் Qwen3.8 Max ஆகியவற்றை விட முன்னால். தரவு நிறுவனமான Surge AI நடத்திய கண்மூடிச் சோதனையில், ஐந்து மாடல்களின் வெளியீடுகளை 1 முதல் 5 வரையிலான அளவில் மதிப்பீட்டாளர்கள் மதிப்பிட்டனர். மிஸ்ட்ராலின் மாடல் ஐந்தில் இரண்டாவதாக 3.74 பெற்றது, Claude Opus 5-ன் 4.22க்குப் பின்னால்.

ஏஜென்ட் பணிகளில், 657 வணிகப் பணிப்போக்குகளைப் பயன்படுத்தும் AutomationBench-இல் 59.9% என்று அது கூறுகிறது. மிஸ்ட்ராலின் சுருக்கம் விட்டுவிடும் ஒரு எண் The Decoder-இடமிருந்து வருகிறது: GLM-5.3 62.2 என அதிகம் பெற்றது. SciCode-Verified-இல் 91.8% என்று The Decoder கூறுகிறது, GPT-6 Astra-வின் 94.2%, Qwen3.8-இன் 93.8%க்குப் பின்னால், ஆனால் Claude Opus 5-இன் 91.3%க்கு முன்னால்.

படங்களில், Dense 200 என்ற பார்வை அடித்தளச் சோதனையில் 42% என்று மிஸ்ட்ரால் கூறுகிறது, GPT-6 Astra-வுக்கு 41%.

சுயாதீன சோதனையாளர்கள் கண்டது

Artificial Analysis முன்னோட்டத்துக்கு அதன் Intelligence Index பதிப்பு 4.3.2-இல் 38 மதிப்பெண் தந்தது, 225 மாடல்களில் 64 ஆம் இடத்தில் வைத்தது. அது GPT-6 Luna (max)-இன் 38க்குச் சமம், DeepSeek V4.1 Flash (max)-இன் 39க்குச் சற்றுக் கீழே என்று Unite.AI கூறுகிறது. The Register கூற்றுப்படி, OpenAI மற்றும் Anthropic-இன் முதன்மை மாடல்களுக்கு எதிராக ஆரம்பச் சோதனை அதை “பெரும் பாதகமான” நிலையில் விடுகிறது.

அதே குறியீட்டில் ஓபன்-வெயிட் முன்னணி மாடல்களை Trending Topics பட்டியலிடுகிறது: Xiaomi-யின் MiMo-V2.6-Pro 46.3, Z.ai-யின் GLM-5.3 44.8, Moonshot AI-யின் Kimi K3 43.6. மூடிய மாடல்களில் Claude Opus 5.5 57.6, GPT-6 Astra 52.7, Gemini 4 Argon 52.6 என அது பட்டியலிடுகிறது. தென் கொரியாவின் Motif 3, 33.6 உடன், சீனாவுக்கு வெளியே முந்தைய சிறந்த ஓபன் மாடலாக இருந்தது. அளவிடப்பட்டதில் சிறந்த அமெரிக்க ஓபன் மாடலான Thinking Machines-இன் Inkling Small-ஐ 26 என ActuIA வைக்கிறது.

அதே குறியீட்டில் மிஸ்ட்ராலின் முந்தைய மாடல்கள் மிகக் குறைவாகப் பெற்றன: Medium 3.5 14, Large 3 9. Large 3-க்கு ஆராய்ந்து சிந்திக்கும் முறை இல்லை, குறியீடு அதையே விரும்புகிறது என்று ActuIA சுட்டிக்காட்டுகிறது.

செயல்திறனே பலவீனமான இடம். குறியீட்டை இயக்க ஒரு பணிக்கு $1.13 செலவானது, DeepSeek V4.1 Flash-க்கு $0.27, MiMo-V2.6-Pro-வுக்கு $0.13 என்று Trending Topics கூறுகிறது. குறியீட்டை முடிக்க மாடல் சுமார் 200 மில்லியன் வெளியீட்டு டோக்கன்களை எழுதியது, ஒப்பிடத்தக்க மாடல்களின் இடைநிலை 81 மில்லியன். வேகம் வினாடிக்கு 116 வெளியீட்டு டோக்கன் என அளக்கப்பட்டது, முதல் டோக்கனுக்கு 1.46 வினாடி.

தொழில்முறைப் பணிகளில் மாடல்களைச் சோதிக்கும் Vals.ai, Large 4-ஐ தன் ஒட்டுமொத்தக் குறியீட்டில் 45ல் 33 ஆம் இடத்தில், 48.05%-இல் வைக்கிறது. Harvey-யின் Legal Agent Benchmark-இல் 76ல் 6 ஆம் இடம் அதன் சிறந்த இடம், Finance Agent v2 அதை 76ல் 22 ஆம் இடத்தில் வைக்கிறது.

சைபர் முடிவுக்கு ஓர் அடிக்குறிப்பு தேவை

பாதுகாப்புப் பணியிலேயே Large 4-ஐ மிஸ்ட்ரால் மிகத் தீவிரமாக விற்கிறது. ஒரு உண்மையான திறந்த மூல பாதிப்பை மீண்டும் உருவாக்கிச் சரிசெய்யும்படி மாடலைக் கேட்கும் சோதனையில் 82% என்று அது கூறுகிறது, Claude Opus 5.5-உம் GPT-6 Astra-வும் அந்தப் பணியை மறுப்பதால் அந்தச் சோதனையில் ஏறக்குறைய பூஜ்யம் பெறுகின்றன என்றும் சொல்கிறது.

Artificial Analysis-இன் சொந்த சைபர் அளவீடுகளும் அந்தத் திசையை ஆதரிக்கின்றன. 18 மாடல்களில் ஐந்தாவதாக, Cyber Index மதிப்பெண் 49.5 என்றும், குறியீட்டின் CyberGym-E2E சோதனையில் 81.7%, 18-இல் சிறந்தது என்றும் ActuIA தெரிவிக்கிறது. அந்தக் கணக்குப்படி GPT-6 Astra 100% மறுப்பு விகிதத்துடன் பூஜ்யம் பெற்றது, Claude Opus 5.5 98.5% மறுப்புகளுடன் 0.8% பெற்றது.

ஒரு பணியை மறுக்கும் மாடலால் அதை முடிக்க முடியாது என்பதால் இந்த முடிவு திறனை மட்டுமல்ல, வழங்குநரின் கொள்கையையும் பிரதிபலிக்கிறது என்று The Decoder குறிப்பிடுகிறது. முறையான ஆராய்ச்சியை தாக்குதல் தயாரிப்பிலிருந்து எப்படிப் பிரிக்கிறது என்பதை மிஸ்ட்ரால் விளக்கவில்லை. சரிபார்க்கப்பட்ட கூட்டாளிகளும் அரசு அதிகாரிகளும் red-teaming காலத்தில் குறைந்த மட்டுப்படுத்தலுடனும் விரிவாக்கப்பட்ட சைபர் திறன்களுடனும் கூடிய பதிப்பைப் பெறுவார்கள் என்று மிஸ்ட்ரால் கூறுகிறது. பொதுப் பதிப்பு அந்தத் திறன்களைக் கட்டுப்படுத்துகிறது என்று Trending Topics தெரிவிக்கிறது.

விலையும் உரிமமும்

பட்டியல் விலை ஒரு மில்லியன் உள்ளீட்டு டோக்கனுக்கு $1.36, ஒரு மில்லியன் வெளியீட்டு டோக்கனுக்கு $4.18. அந்த விகிதங்களில் பாதி, $0.68 மற்றும் $2.09, தள்ளுபடி விலையாக மாடல் கார்டில் காணப்பட்டன. தள்ளுபடியை முதல் இரண்டு வாரங்களுக்கான வெளியீட்டுச் சலுகை என்று Artificial Analysis பக்கம் குறித்த Unite.AI-யின் கணக்கு விவரிக்கிறது, முடிவுத் தேதி எதுவும் கூறப்படவில்லை என்று ActuIA கண்டறிந்தது.

உரிமமே பெரிய தெரியாத விஷயம். நிறுவனங்கள் மாடலை வணிகரீதியாகப் பயன்படுத்த முடியுமா என்பதை அதுவே தீர்மானிக்கிறது, மிஸ்ட்ராலின் வெளியீட்டுப் பதிவோ மாடல் கார்டோ ஒன்றையும் பெயரிடவில்லை. Large 3 தாராள உரிமமான Apache 2.0-இன் கீழ் வெளியானது என்று மிஸ்ட்ராலின் ஆவணங்கள் காட்டுகின்றன. Trending Topics கூற்றுப்படி, மாதம் 20 மில்லியன் டாலருக்கு மேல் வருவாய் உள்ள நிறுவனங்களை விலக்கும் மாற்றியமைக்கப்பட்ட MIT உரிமத்தை Medium 3.5 கொண்டுள்ளது, Large 4-க்குத் தனிப்பயன் உரிமம் இருப்பதாக விவரங்கள் இல்லாமல் VentureBeat தெரிவித்தது. அந்த VentureBeat அறிக்கையை tuput-ஆல் கண்டுபிடிக்க முடியவில்லை. எடைகளுடன் வெளியிடப்போவதாக மிஸ்ட்ரால் கூறும் விவரங்களின் பட்டியல் கட்டமைப்பு, தரச்சோதனைகள், பயிற்சி முறையை உள்ளடக்குகிறது, உரிமத்தைக் குறிப்பிடவில்லை என்று ActuIA குறிப்பிடுகிறது.

யாருக்காக, அதே மாதம் வரவிருக்கும் ஒரு போட்டியாளர்

நிதி, பொறியியல், உற்பத்தி, தளவாடம், மருந்தியல், அறிவியல், கப்பல் போக்குவரத்து, பொதுத்துறை ஆகியவற்றையும், மாடலைத் தனியார் கிளவுடிலோ தங்கள் சொந்த சர்வர்களிலோ இயக்க விரும்பும் பாதுகாப்புக் குழுக்களையும் இலக்கு வாடிக்கையாளர்களாக மிஸ்ட்ரால் பெயரிடுகிறது. அதன் பதிவு சொல்கிறது: “ஐரோப்பாவில் உருவாக்கப்பட்டது. AI இறையாண்மைக்காகக் கட்டப்பட்டது.” இந்தியாவின் சொந்த மாடல்களுக்கான முயற்சிக்குப் பின்னாலும் அதே வாதம் உள்ளது, அதை இந்தியா தன் சொந்த மொழிகளில் AI-யை உருவாக்குகிறது என்ற கட்டுரையில் tuput எழுதியது. இந்த அமைப்புகள் என்ன செய்கின்றன என்பதற்கான பொது விளக்கத்துக்கு, சாட்பாட் அடுத்த சொல்லை எப்படி ஊகிக்கிறது என்பதைப் பாருங்கள்.

அதன் பின்னால் இன்னொரு வெளியீடு காத்திருக்கிறது. இரண்டு முன்னாள் Google DeepMind ஆராய்ச்சியாளர்களால் நிறுவப்பட்ட புரூக்ளின் ஸ்டார்ட்அப் Reflection AI, 501 பில்லியன் மொத்த மற்றும் 23 பில்லியன் செயலில் உள்ள பராமீட்டர்கள் கொண்ட உரை-மட்டும் மிக்ஸ்சர்-ஆஃப்-எக்ஸ்பர்ட்ஸ் மாடலான Beam-ஐ அறிவித்தது என்று TechCrunch அக்டோபர் 5 அன்று தெரிவித்தது. மேம்பட்ட சிந்தனைத் தரச்சோதனைகளில் Z.ai-யின் GLM-5.2-க்குச் சமமாக Beam இருப்பதாகவும் அக்டோபரில் எடைகளை வெளியிடும் என்றும் Reflection கூறுகிறது. அந்தக் கூற்றுகள் நிறுவனத்தின் சொந்தவை என்று TechCrunch குறிப்பிடுகிறது, உரிமத்தைப் பெயரிடவில்லை.

முன்னோட்டத்துக்குப் பின்னால் உள்ள வலுவூட்டல் கற்றல் ஓட்டம் இன்னும் நடந்துகொண்டிருக்கிறது, பெரிய முன்னேற்றங்களை எதிர்பார்க்கிறது என்று மிஸ்ட்ரால் கூறுகிறது, எனவே 38 இறுதி மதிப்பெண்ணாக இல்லாமல் போகலாம். எடைகளுக்கான மிஸ்ட்ராலின் காலக்கெடு அக்டோபர் இறுதி.