Mistral AI新模型對標GPT-4，不開源且與微軟合作，網友：忘了初心

2024-02-27 11:46:40

Mistral Large 的推理準確性優于 Claude 2、Gemini 1.0 Pro、GPT-3.5，支持 32k token 的上下文窗口，支持精確指令，自帶函數調用能力。

生成式 AI 領域，又有重量級產品出現。

周一晚間，Mistral AI 正式發布了「旗艦級」大模型 Mistral Large。與此前的一系列模型不同，這次 Mistral AI 發布的版本性能更強，體量更大，直接對標 OpenAI 的 GPT-4。而新模型的出現，也伴隨著公司大方向的一次轉型。

隨著 Mistral Large 上線，Mistral AI 推出了名為 Le Chat 的聊天助手（對標 ChatGPT），任何人都可以試試效果。

試用鏈接：https://chat.mistral.ai/

此前，Mistral AI 提出的 Mistral-Medium 因為強大的性能、「意外」的開源而名噪一時，目前很多大模型初創企業都已不再對標 Llama 2，而是將 Mistral AI 旗下模型作為直接競爭對手。此次 Mistral Large 的出現，自然迅速吸引了眾人關注。

人們首先關注的是性能，盡管在參數數量上不及 GPT-4，Mistral-Large 在關鍵性能方面卻能與 GPT-4 媲美，可以說是當前業內的前三：

Mistral Large 的推理準確性優于 Claude 2、Gemini 1.0 Pro、GPT-3.5，支持 32k token 的上下文窗口，支持精確指令，自帶函數調用能力。

人們也發現 Mistral Large 的推理速度超過了 GPT-4 和 Gemini Pro。然而優點到此為止。

模型除了增加體量，也需要有相應的數據。在模型發布后，人們發現它生成的文本有一種 ChatGPT 的既視感。

如果說為了能趕上業內最先進的 GPT-4，使用 AI 生成的內容進行訓練或許并不是什么大問題。但 Mistral Large 的出現也給 AI 社區的人們帶來了危機感：它并不是一個開源大模型。

這次發布的大模型有跑分，有 API 和應用，就是不像往常一樣有 GitHub 或是下載鏈接。

有網友發現，新模型發布后，Mistral AI 官網還悄悄把所有有關開源社區義務的內容全部撤掉了：

難道以開源起家的 Mistral AI，成立才不足一年，這就要轉向了嗎？

Mistral Large 目前已經能在 Mistral AI 自有平臺 La Plateforme 和微軟 Azure 上使用。除了 Mistral Large 之外，Mistral AI 還發布了新模型 Mistral Small，針對延遲和成本進行了優化。Mistral Small 的性能優于 Mixtral 8x7B，并且推理延遲得到了降低，提供了一種開放權重模型和旗艦模型之間的中間方案。

但模型的定價也引發了一些質疑。比如 Mistral Small 的低延遲相比于 Mixtral 8x7B 的提升微乎其微，但輸入貴了 2.8 倍，輸出貴了 8.5 倍：

如果以商業大模型的標準來看待，Mistral Large 的定價和 GPT-4 相比并不具備優勢，這又該如何吸引客戶呢？

這位業內人士表示：「如果它的價格是 GPT-4 Turbo 的一半，我會更理解。」

新的 Mistral AI「大杯」模型，表現如何？

在官方博客中，Mistral AI 詳細介紹了 Mistral Large 的功能和優勢：

Mistral Large 在多個常用基準測試中取得了優異的成績，使其成為世界上排名第二的可通過 API 普遍使用的模型（僅次于 GPT-4）：

GPT-4、Mistral Large（預訓練）、Claude 2、Gemini Pro 1.0、GPT 3.5 和 LLaMA 2 70B 在 MMLU 上的比較（測量大規模多任務語言理解）。

Mistral Large 的優勢如下：

Mistral Large 的母語是流利的英語、法語、西班牙語、德語和意大利語，對語法和文化背景有細致入微的理解；
Mistral Large 的 32K Token 上下文窗口允許從大型文檔中精確調用信息；
其精確的指令跟隨能力使開發人員能夠設計自己的審核策略 ——Mistral AI 以此來設置 le Chat 的系統級審核；
Mistral Large 本身就能夠進行函數調用。這與在 la Plateforme 上實施的受限輸出模式一起，實現了大規模應用程序開發和技術堆棧現代化。

關于基準測試結果對比，可以參考以下：

推理和知識

Mistral Large 展現出了強大的推理能力。下圖報告了預訓練模型在標準基準上的性能：

與多個領先 LLM 模型在廣泛常識、推理和知識基準上的表現對比，基準包括 MMLU（測量理解中的大規模多任務語言）、HellaSwag（10-shot）、Wino Grande（5-shot）、Arc Challenge（5-shot）、Arc Challenge（25-shot）、TriviaQA（5-shot）和 TruthfulQA。

多語言能力

Mistral Large 具有原生的多語言能力。它在法語、德語、西班牙語和意大利語的 HellaSwag、Arc Challenge 和 MMLU 基準測試中明顯優于 LLaMA 2 70B。

Mistral Large、Mixtral 8x7B 和 LLaMA 2 70B 在 HellaSwag、Arc Challenge 和 MMLU 上法語、德語、西班牙語和意大利語的比較。

數學和編碼

Mistral Large 在編碼和數學任務中表現出頂尖的性能。下表報告了一系列流行基準的性能，以評估一些頂級 LLM 模型的編碼和數學性能。

領先 LLM 模型在流行編碼和數學基準上的性能：HumanEval pass@1、MBPP pass@1、Math maj@4、GSM8K maj@8（8-shot）和 GSM8K maj@1（5-shot）。

與微軟合作，行 OpenAI 故事

在發布 Mistral Large 等模型的同時，Mistral AI 還宣布了一個消息：將與微軟合作，在 Azure 上提供自己的模型。

此次合作使 Mistral AI 成為第二家在微軟 Azure 云計算平臺上提供商業語言模型的公司。這有助于 Mistral AI 將自己的模型推向市場，也讓 Mistral AI 有機會使用 Azure 的尖端 AI 基礎設施，以加速其下一代大型語言模型的開發和部署。

這家公司表示，「在 Mistral AI，我們的使命是讓前沿人工智能無處不在。這就是我們今天宣布將自己的開放和商業模型引入 Azure 的原因。微軟對我們模型的信任讓我們前進了一步！」

這項為期多年的協議標志著微軟正在其最大的賭注 OpenAI 之外，努力提供各種人工智能模型，為其 Azure 云服務吸引更多客戶。去年 11 月，OpenAI 經歷了 CEO Altman 被解雇（后又重返）的風波。而作為最大的股東，微軟在消息公布前 5 到 10 分鐘才從 OpenAI 那里得到消息。在這次動蕩后，微軟設法在控制 OpenAI 的非營利性董事會中獲得了一個無投票權的觀察員席位。這讓他們對 OpenAI 的內部運作有了更多了解，但在重大決策上，微軟依然沒有投票權。

Mistral AI 對路透社表示，作為交易的一部分，微軟將持有該公司少數股權，但未透露細節。

微軟證實了對 Mistral AI 的投資，但表示不持有該公司的股權。這家科技巨頭因向 OpenAI 提供巨額資金而受到歐洲和美國監管機構的審查。

根據公告，微軟與 Mistral AI 的合作主要集中在三個核心領域：

超算基礎設施：微軟將通過 Azure AI 超級計算基礎設施支持 Mistral AI ，為 Mistral AI 旗艦模型的 AI 訓練和推理工作負載提供一流的性能和規模；
市場推廣：微軟和 Mistral AI 將通過 Azure AI Studio 和 Azure 機器學習模型目錄中的模型即服務（MaaS）向客戶提供 Mistral AI 的高級模型。除 OpenAI 模型外，模型目錄還提供了多種開源和商業模型。
人工智能研發：微軟和 Mistral AI 將探索為特定客戶訓練特定目的模型的合作。

除了微軟，MistralAI 還一直在與亞馬遜和谷歌合作，分銷自己的模型。一位發言人表示，該公司計劃在未來幾個月內將 Mistral Large 應用于其他云平臺。

Mistral AI 成立于 2023 年 5 月，由來自 Meta Platforms 和 Alphabet 的幾位前研究人員 ——Arthur Mensch（現任 CEO）、Guillaume Lample 和 Timothee Lacroix 共同創立。成立不到四周，Mistral AI 就獲得了 1.13 億美元的種子輪融資，估值約為 2.6 億美元。成立半年后，他們在 A 輪融資中籌集了 4.15 億美元，估值飆升至 20 億美元，漲了七倍多。而此時，他們僅有 22 名員工。

總體來說，Mistral AI 的模型現在有以下幾種獲取方式：

Mistral AI 自己的 API：該接入點安全地托管在 Mistral AI 位于歐洲的基礎設施上，使開發人員能夠在各種型號的模型上創建應用和服務。
Azure：Mistral Large 可通過 Azure AI Studio 和 Azure Machine Learning 獲取，其用戶體驗與 Mistral AI 的 API 一致。
安全部署：Mistral AI 的部分模型可以部署在用戶自己的環境中，用于對安全性最敏感的用例。

感興趣的讀者可以前去嘗試。

參考內容：

https://mistral.ai/news/mistral-large/。

https://azure.microsoft.com/en-us/blog/microsoft-and-mistral-ai-announce-new-partnership-to-accelerate-ai-innovation-and-introduce-mistral-large-first-on-azure/。

https://techcrunch.com/2024/02/26/mistral-ai-releases-new-model-to-rival-gpt-4-and-its-own-chat-assistant/。

https://www.reuters.com/technology/microsoft-partners-with-openais-french-rival-mistral-2024-02-26/。