Mistral Rilis Bobot AI Mistral Large 4 untuk Perkuat Pertahanan Siber Mandiri
Mistral meluncurkan bobot model AI satu triliun parameter ML4. Perusahaan kini bisa mengamankan data dan sistem siber di server sendiri secara lebih hemat.
Gambar buatan AI, bukan foto asli (Lucid Origin (Leonardo) via Cloudflare Workers AI)
Poin penting
- Mistral merilis bobot model ML4 satu triliun parameter untuk pertahanan siber korporasi dan pemerintah.
- Model terbuka ini bisa dipasang di server lokal sehingga data internal tidak perlu dikirim ke pihak luar.
- Mistral mengklaim ML4 memakai token 47 persen lebih sedikit per tugas dibanding pesaing utamanya.
Perusahaan AI asal Prancis, Mistral, resmi merilis bobot model terbarunya. Model bernama Mistral Large 4 ini memiliki satu triliun parameter. Pengumuman ini dilaporkan oleh media TechCrunch pada Kamis.
Model terbuka ini memiliki julukan Le Chonk. Mistral pertama kali mengenalkan model tersebut pada awal Oktober 2026. Kini perusahaan dan instansi pemerintah bisa mengunduh dan memasang sistem tersebut sendiri.
Bobot model adalah kumpulan data angka hasil pelatihan sistem AI. Berkas ini membuat pengguna dapat menjalankan sistem secara mandiri. Kemampuan ini menjadi kabar penting bagi bidang pertahanan siber.
Pertahanan Siber di Server Sendiri
Selama ini banyak kantor memakai model tertutup seperti OpenAI dan Anthropic. Layanan tertutup mewajibkan data dikirim ke peladen luar perusahaan. Cara tersebut menimbulkan risiko keamanan bagi data rahasia kantor.
CEO Mistral, Arthur Mensch, ingin AI menjadi alat pemberdayaan bersama. Mistral mengklaim mampu meraih kemampuan tinggi dengan modal lebih hemat. Penggunaan daya komputasi mereka disebut jauh lebih kecil.
Berkas model kini tersedia di wadah daring Hugging Face. Pengguna juga dapat memakainya lewat antarmuka pemrograman aplikasi milik Mistral. Akses terbuka ini membuat pengguna tidak takut pemutusan sepihak.
Pierre Stock, Vice President of Science di Mistral, menjelaskan rilis ini kepada TechCrunch. "Secara konkret, perusahaan kini punya akses kecerdasan mutakhir untuk membela diri," kata Pierre Stock, Vice President of Science di Mistral. Akses tersebut tidak bisa diputus karena bobot model bersifat terbuka.
Stock menyebut model ini bisa mengenali ancaman keamanan dengan cepat. Perangkat lunak ini mampu merespons insiden secara langsung di lokasi. Pemasangan di server lokal memberi kendali penuh kepada pemilik sistem.
Efisiensi dan Kemampuan Pemrograman
Mistral mengklaim kinerja model barunya setara dengan GLM-5.3 dari China. GLM-5.3 sebelumnya dikenal sebagai salah satu model terbuka terbaik dunia. Model pesaing itu banyak dipakai untuk tugas-tugas keamanan digital.
Namun Mistral mengklaim model buatannya jauh lebih hemat biaya. Menurut perusahaan, ML4 memakai token 47 persen lebih sedikit per tugas. Penurunan jumlah token ini diklaim membuat biaya komputasi jauh lebih ekonomis.
Peringkat Coding Agent Index dikelola oleh situs evaluasi bernama Artificial Analysis. Mistral mengklaim modelnya mengungguli semua model terbuka lain pada indeks tersebut. Pengujian ini mengukur kemampuan model dalam menangani tugas pengodean mandiri.
Kemajuan AI memang membantu pakar menemukan celah kode lebih cepat. Namun pihak peretas juga dapat memakai teknologi yang sama untuk menyerang. Karena itu, Mistral merasa pertahanan siber harus dibuka untuk semua kalangan.
Ada pula kekhawatiran terkait perilaku agen AI yang menyimpang belakangan ini. "Kami tidak ingin menakut-nakuti orang. Kami rasa ini masalah yang bisa diselesaikan," kata Stock mengenai risiko kecerdasan buatan liar.
Ia mengakui bahwa membangun keamanan yang kokoh memang tugas berat.
Apa Artinya bagi Pelaku Usaha
Rilis ini memberi opsi baru bagi para pimpinan teknologi perusahaan. Bisnis tidak lagi harus bergantung penuh pada penyedia komputasi tertutup. Pengambilan keputusan IT kini bisa berjalan lebih mandiri dan aman.
Penggunaan model di server internal menekan risiko kebocoran data rahasia. Analisis ancaman siber dapat selesai tanpa mengirim data ke luar kantor. Industri dengan aturan kepatuhan ketat akan sangat diuntungkan oleh skema ini.
Pemakaian token yang lebih sedikit langsung menghemat anggaran operasional. Biaya sewa peladen awan bulanan bisa ditekan secara nyata. Perusahaan memperoleh perlindungan digital tingkat tinggi dengan harga lebih terjangkau.
Pelaku usaha di Indonesia tetap perlu menghitung kesiapan perangkat keras lokal. Model satu triliun parameter membutuhkan kapasitas peladen yang sangat kuat. Evaluasi kemampuan tim teknis menjadi kunci sebelum memasang sistem ini sendiri.
- TechCrunch: Mistral releases weights for its trillion-parameter AI model, targeting cybersecurity
Lihat hasil pemeriksaan (13 klaim)
| Klaim | Putusan | Dasar di sumber |
|---|---|---|
| Mistral merilis bobot model AI satu triliun parameter Mistral Large 4 (ML4) yang ditargetkan untuk pertahanan siber. | Didukung | “French AI company Mistral has released the weights for its trillion-parameter open source AI model Mistral Large 4 (ML4), allowing businesses and governments to download and deploy the system themselves.” TechCrunch melaporkan rilis bobot model Mistral Large 4 berukuran satu triliun parameter oleh Mistral. |
| Model terbuka ini memiliki julukan Le Chonk dan pertama kali diperkenalkan pada awal Oktober 2026. | Didukung | “Nicknamed “Le Chonk,” the model was first introduced earlier this month .” TechCrunch terbit tanggal 29 Oktober 2026 dan menyebut Le Chonk pertama kali dikenalkan awal bulan tersebut. |
| Perusahaan dan lembaga pemerintah dapat mengunduh serta menerapkan sistem tersebut sendiri secara mandiri (on-premise). | Didukung | “allowing businesses and governments to download and deploy the system themselves.” TechCrunch menyatakan bobot model dirilis agar bisnis dan pemerintah bisa mengunduh dan memasangnya sendiri. |
| Bobot model didefinisikan sebagai data pelatihan numerik yang menggerakkan sistem kecerdasan buatan. | Didukung | “the model’s weights — the numerical training that animates the system” TechCrunch menjelaskan definisi bobot model sebagai pelatihan numerik yang menggerakkan sistem. |
| CEO Mistral Arthur Mensch menyatakan AI seharusnya menjadi alat pemberdayaan, bukan dominasi. | Didukung | “Or, as Mistral’s CEO, Arthur Mensch, explained, AI should “be a tool for empowerment, not dominance.”” TechCrunch mengutip pernyataan CEO Mistral Arthur Mensch. |
| Mistral mengklaim modelnya mampu meraih kinerja mutakhir dengan sebagian kecil komputasi dan modal dibanding laboratorium tertutup. | Didukung | “arguing that it’s able to achieve “state-of-the-art performance” at a “fraction of the compute and capital committed by closed labs.”” TechCrunch melaporkan argumen Mistral terkait efisiensi daya komputasi dan modalnya. |
| Bobot model ML4 disediakan di Hugging Face dan melalui API Mistral. | Didukung | “The weights for ML4 are being made available on Hugging Face and via its API.” TechCrunch menyebutkan ketersediaan bobot di Hugging Face dan API. |
| Pierre Stock dari Mistral menyatakan akses intelijen mutakhir ini tidak dapat diputus sepihak karena bobotnya bersifat terbuka. | Didukung | “Access that can’t be cut off by definition because the model is open-weighted,” he said.” TechCrunch mengutip ucapan Pierre Stock terkait ketahanan akses model terbuka. |
| Model dapat digunakan untuk mengidentifikasi, mengoordinasikan, dan merespons insiden keamanan besar secara langsung di ekosistem server lokal (on-prem). | Didukung | “Stock added that the model could be used to “identify, coordinate, and respond in real time to major security incidents, and that the open sourcing means that companies can deploy this model on-prem” TechCrunch memaparkan pernyataan Stock mengenai penggunaan model untuk respons insiden keamanan secara on-prem. |
| Mistral mengklaim kinerja ML4 sebanding dengan model terbuka GLM-5.3 asal China dalam tugas siber. | Didukung | “Mistral says that its model is comparable in terms of performance with a Chinese open-weight competitor, GLM-5.3, which was previously considered one of the best open-weight models in the world” TechCrunch menulis perbandingan performa antara ML4 dan GLM-5.3 menurut Mistral. |
| Mistral mengklaim ML4 menggunakan token 47 persen lebih sedikit per tugas dibandingkan GLM-5.3. | Didukung | “However, Mistral’s model uses 47 percent fewer tokens per task, making it significantly more economical than GLM-5.3.” TechCrunch melaporkan bahwa model Mistral menggunakan 47 persen token lebih hemat dibanding GLM-5.3. |
| Mistral mengklaim ML4 mengungguli seluruh model terbuka lainnya pada Coding Agent Index dari Artificial Analysis. | Didukung | “The company also claims that the model outranks all other open models when it comes to agentic coding tasks on Artificial Analysis’ Coding Agent Index, an AI benchmarking site.” TechCrunch memuat klaim Mistral tentang posisi teratas ML4 pada indeks tolok ukur Artificial Analysis. |
| Pierre Stock mengakui kekhawatiran seputar insiden agen AI nakal, tetapi mengingatkan agar tidak menyebarkan ketakutan berlebih karena masalah tersebut bisa diselesaikan. | Didukung | ““We don’t want to fearmonger people. We think it’s a problem that is solvable. It’s a hard problem to have good security,” he said.” TechCrunch mengutip respons Pierre Stock terkait isu rogue AI agents. |
Video AI terbaru
ChatGPT Enterprise at Zendesk: Putting Company Data to Work
