逼近GPT-4的新模型发布！「欧洲版OpenAI 」联手微软，却被质疑违背初心

昨晚，号称「欧洲 OpenAI」的 Mistral AI， 发布了其最新的顶级文本生成模型 Mistral Large。

这一模型具备顶级的推理能力，可用于处理复杂的的多语言推理任务，涵盖文本理解、转换和代码生成。

简单画重点：

• 32K 的上下文窗口，精准提取大型文档信息。
• 精确的指令跟随能力，便于开发者定制审核策略。
• 支持函数调用和输出模式限制，助力应用开发规模化和技术栈现代化。
• 原生支持英语、法语、西班牙语、德语和意大利语，对语法和文化背景有深刻理解。

附上体验地址：https://chat.mistral.ai/chat

Mistral AI 又放大招

Mistral Large 在多项基准测试中表现优异，成为全球排名第二的可通过 API 广泛使用的模型，仅次于 GPT-4，并将其他主流模型甩在身后。

与 LLaMA 2 70B、GPT-4、Claude 2、Gemini Pro 1.0 等一众主流模型对比，Mistral Large 在推理能力上展现出强大的实力。

在 MMLU、Hellas、WinoG 等多项常识和推理的基准测试中，Mistral Large 紧随 GPT-4 之后，远超其他模型。

在法语、德语、西班牙语和意大利语的 HellaSwag、Arc Challenge 和 MMLU 基准测试中，Mistral Large 的表现明显优于 LLaMA 2 70B。

在编码和数学任务中，Mistral Large 同样表现出色。多项基准测试依然是遥遥领先。

此外，Mistral AI 还发布了针对延迟和成本优化的新模型 Mistral Small，性能超越 Mixtral 8x7B，但延迟更低。

在 Mistral AI 看来，Mistral Small 将是一个介于开源模型和旗舰模型之间的理想中间选择，享有与 Mistral Large 相同的创新优势，尤其是在 RAG（检索增强生成）启用和函数调用方面。

不过，Mistral Small 模型宣称的低延迟特性与 Mixtral 8x7B 相比提升有限，但其成本却显著增加，其中输入成本高出 2.8 倍，输出成本更是高达 8.5 倍。

Mistral Large 现已在 La Plateforme 和 Azure 平台上可用，并集成到了 Le Chat 中。Le Chat（法语直译为猫）是一个类似 ChatGPT 的 AI 聊天机器人，支持多语言交流。

用户可以在 Mistral Small、Mistral Large 以及 Mistral Next 三种不同的模型之间进行选择。不过，Le Chat 并不支持实时联网功能。

发布后不久，由于涌入体验的人群数量超出预期，Le Chat 直接崩溃了，截至发稿前，Le Chat 已恢复运行。

我们也第一时间体验了一下 Le Chat。取决于语言本身的复杂性和接受训练数据的数量和质量， Le Chat 在英文方面的表达能力较强，在其他语言方面，表达能力可能会因语言而异。

面对中文脑筋急转弯的拷问，Mistral Large 明显有点懵，缓了好一阵都没给出答案。

问题：蝴蝶，蚂蚁， 蜘蛛， 蜈蚣，他们一起工作，最后哪一个没有领到酬劳?

但换成英文，它就立马变身解题高手，答案条理清晰，逻辑满分，上升到「以人类为中心的工作和奖励视角」，但中文语境的脑筋急转弯可不按常理出牌，毕竟「蜈蚣」不受禄。

鸡兔同笼问题对 Mistral Large 来说，还没到小菜一碟的程度。线性方程组一摆，回答倒是很快就出来了，但答案中 16 只鸡和 19 只兔子并不正确。

问题：鸡兔同笼，共 35 只头，94 只脚，问鸡兔各多少？

这是一个经典的数学问题，可以使用线性方程组来解决。 假设鸡的数量为 x，兔子的数量为 y，则可以列出以下两个方程： 1. x + y = 35 (鸡和兔子的总数量为 35 只) 2. 2x + 4y = 94 (鸡有 2 只脚，兔子有 4 只脚，所以总共有 94 只脚) 将第一个方程中的 x 表示为 y 的函数，得到 x = 35 – y，代入第二个方程中得到： 2(35 – y) + 4y = 94 解方程得到 y = 19，代入 x = 35 – y，得到 x = 16。 因此，鸡有 16 只，兔子有 19 只。 可以用同样的方法解决后两个问题，答案都是鸡有 16 只，兔子有 19 只。

接着我们让 ChatGPT 给 Mistral Large 出一道数学测试题，上上强度，但整体表现不错：

小模型，大作为

Mistral AI 成立于去年 5 月份，公司员工仅 25 人，但其大语言模型早已在 Hugging Face 上名声大噪。

此前，我们曾报道过它发布了 Mixtral 8x7B，这款模型一经推出，瞬间引爆了开源界，让无数开发者夜不能寐。

虽然只有 46.7B 的参数规模， 擅长以小博大的 Mixtral 8x7B 在众多基准测试中的表现却能与 Llama 2 70B 和 GPT-3.5 媲美，甚至在某些测试中还略胜一筹。

Mistral AI 的成功秘诀在于它巧妙地融合了 AI 领域的三大核心要素—人才、数据、算力。

《经济学人》透露，Mistral AI 创始人和技术骨干均来自法国精英技术学院，并在 Google 和 Meta 等科技巨头的研究实验室积累了宝贵的业界经验。他们是全球为数不多，真正掌握如何培训前沿模型技术的专家。

其次，数据是 Mistral AI 成功的另一个法宝。Mistral 在模型数据培训上独具匠心，例如，模型能够有效地过滤掉重复或无意义的信息，使得模型更加精简高效，参数规模仅数十亿。

这就意味着，普通用户甚至可以在自己的个人电脑上轻松运行 Mistral AI 的模型。

对于 Mistral Large 的到来，图灵奖得主 Yann LeCun、以及英伟达高级科学家 Jim Fan 等一众大佬也纷纷在 X 上送上了祝贺。

目前，Mistral AI 的估值已经超过 20 亿美元，其背后的投资阵容的豪华程度，与世界顶级企业相比也毫不逊色。

从美国顶尖的风投公司如光速创投、红点创投、指数创投，到硅谷的风险投资巨头 a16z、英伟达、Salesforce、法国巴黎银行等，都对 Mistral AI 青睐有加。经过数轮融资，Mistral AI 也早已迈入了 AI 独角兽的行列。

微软昨天也宣布与 Mistral AI 建立新的合作伙伴关系，承诺和 Mistral AI 之间的合作集中在以下三个关键领域：

超算基础结构：微软将通过 Azure AI 超算基础结构支持 Mistral AI，用于 AI 训练和推理工作负载。 扩展市场：微软和 Mistral AI 将通过 Azure AI Studio 中的 MaaS 和 Azure 机器学习模型目录，向客户提供 Mistral AI 的高级模型。 AI 研发：微软和 Mistral AI 将探索合作，为指定的客户开发专有模型，甚至包括欧洲公共部门的工作负载。

但微软这一举动遭到了网友的质疑。X 用户 @osxzxso 暗讽微软试图采取一种「盘根错节」的策略来垄断市场。马斯克也在评论区以哭笑不得的表情包表示赞同。

Spreading Nutella on both sides of the bread I see 我看到在面包的两面都涂了花生酱

值得一提的是，细心的网友观察到，在 Mistral AI 推出新模型之后，其官方网站上关于对开源社区承诺的相关内容已经悄然消失，且新模型也不支持开源。

但 Mistral CEO Mensch 在接受《华尔街日报》采访时表示， Mistral AI 并未违背开源的初衷，而是采用同时推进商业化战略和维持开源承诺的双重策略。

显然，在构建商业模式和保持我们的开源价值观之间，我们需要找到一个细小的平衡点。我们希望发明新事物和新的架构，同时也希望向我们的客户提供更多可销售的产品。