Mistral Large
Mistral AI द्वारा अपने नए प्रमुख “Mistral Large” मॉडल को, जो एक paid API के रूप में और Azure पर उपलब्ध है, लॉन्च करना GPT‑4 और Gemini के साथ व्यावसायिक LLMs की शीर्ष श्रेणी में प्रवेश की एक रणनीतिक चाल के रूप में देखा जा रहा है। टिप्पणीकर्ता इसकी थोड़ी कम कीमत और लगभग state-of-the-art benchmarks पर ध्यान देते हैं, लेकिन कई लोग निराश हैं कि, पहले के Mistral releases के विपरीत, नए model weights बंद हैं और कंपनी की branding स्पष्ट open weights प्रतिबद्धता से हट गई है। यह बदलाव इस व्यापक चिंता को बढ़ाता है कि AI में “open source” अक्सर विक्रेताओं द्वारा अपने सबसे मजबूत मॉडलों को बंद करने तक की एक अस्थायी marketing strategy होता है, जिसके long-term competition, research, और user control पर प्रभाव पड़ते हैं।
ओपन बनाम क्लोज़्ड और “ओपन सोर्स” पोज़िशनिंग
- कई लोग Mistral के नए बंद मॉडलों (और वेबसाइट कॉपी में “Open-Weight models” से “Frontier AI in your hands” बदलाव) को उसकी शुरुआती open-weights ब्रांडिंग से दूर जाने के रूप में देखते हैं, और इसकी तुलना OpenAI की trajectory से करते हैं।
- कुछ का तर्क है कि अपारदर्शी weight blobs पर “open source” वास्तव में लागू नहीं होता; जबकि दूसरे कहते हैं कि ML में weights “preferred form for modification” हैं और इसलिए उन्हें उचित रूप से गिना जाना चाहिए।
- कई टिप्पणियाँ खुले releases को एक मार्केटिंग या “freemium” चरण के रूप में देखती हैं, जब तक कि मॉडल इतना प्रतिस्पर्धी न हो जाए कि उसे बेचा जा सके।
- एक अल्पसंख्यक Mistral का बचाव करता है: कंपनियों को महँगे training खर्चों के लिए धन जुटाना पड़ता है, और मजबूत open models मुफ्त देने से मुख्यतः “copy-cat” प्रतिस्पर्धियों को लाभ मिल सकता है।
मूल्य निर्धारण, Azure इंटीग्रेशन, और एंटरप्राइज़ एंगल
- Mistral Large की कीमत: $8 / 1M input tokens, $24 / 1M output tokens—GPT‑4‑Turbo ($10 / $30) से थोड़ा सस्ता।
- Azure पर, Mistral GPT‑4‑Turbo से मामूली रूप से सस्ता है; क्लासिक GPT‑4 काफी महँगा है।
- कुछ लोग सोचते हैं कि जब Mistral बेंचमार्क में थोड़ा खराब है लेकिन केवल ~20% सस्ता है, तो कोई भी GPT‑4 के बजाय Mistral क्यों उपयोग करेगा।
- दूसरे बताते हैं कि एंटरप्राइज़ के लिए Azure वितरण महत्वपूर्ण है: मौजूदा contracts, compliance (जैसे FedRAMP), और indemnification के कारण किसी startup की अपनी hosting की तुलना में “बस एक और Azure service” खरीदना बहुत आसान हो जाता है।
क्षमताएँ, बेंचमार्क, और वास्तविक-विश्व परीक्षण
- Mistral के अपने charts दिखाते हैं कि यह GPT‑4 से थोड़ा नीचे है और (टिप्पणीकर्ताओं के अनुसार) कुछ benchmarks पर Gemini 1.5 / Ultra से भी नीचे है; comparator के रूप में Gemini Pro 1.0 के चयन की आलोचना की जाती है क्योंकि यह पुराना है।
- उपयोगकर्ता मिश्रित hands-on परिणाम रिपोर्ट करते हैं: कुछ specific coding tasks पर Le Chat को GPT‑4 से बेहतर पाते हैं; अन्य अभी भी reasoning, code quality, और intent समझने में GPT‑4 को स्पष्ट रूप से श्रेष्ठ मानते हैं।
- Mixtral 8x7B को एक असाधारण रूप से उपयोगी open model के रूप में प्रशंसा मिलती रहती है, खासकर local use के लिए, और कुछ तकनीकी queries के लिए इसे Google search से भी बेहतर मानते हैं।
API, नामकरण, और उत्पाद लाइन में बदलाव
- Endpoints का नाम बदला गया और versioning किया गया (जैसे
open-mistral-7b,open-mixtral-8x7b,mistral-small-2402,mistral-large-2402), और पुराने aliases को deprecation के लिए निर्धारित किया गया। - नई सुविधाओं में Mistral Small और Large के लिए function calling और JSON mode, एक नया Le Chat interface, और enterprise account management शामिल हैं।
- “open-*” और proprietary endpoints के बीच विभाजन को कुछ लोग इस संकेत के रूप में देखते हैं कि भविष्य के high-end models बंद ही रहेंगे।
आर्थिक और इकोसिस्टम संबंधी चिंताएँ
- इस पर बहस कि क्या weights जारी करने से revenue को वास्तव में नुकसान पहुँचेगा: कुछ का मानना है कि infra और sales moats OpenAI/Mistral के business को सुरक्षित रखेंगे; अन्य इस ओर इशारा करते हैं कि third parties open models को कितनी जल्दी सस्ते और तेज़ host कर देते हैं।
- शीर्ष मॉडलों के कुछ बड़े खिलाड़ियों, विशेषकर Microsoft-aligned, के हाथों में एकाग्र होने, संभावित antitrust/“enshittification,” और समुदाय-वित्तपोषित open training प्रयासों की कमी को लेकर चिंताएँ व्यक्त की गईं।