Mistral Large 4 Kini Terbuka, Opsi AI di Server Bank Sendiri

Mistral AI merilis bobot Mistral Large 4, model AI berukuran sekitar 1 triliun parameter yang dijuluki “Le Chonk”, pada 29 Oktober 2026. Bobot tersebut dapat diunduh dari Hugging Face dan dijalankan di server milik sendiri. Bagi bank dan fintech yang enggan mengirim data nasabah ke layanan AI pihak luar, rilis ini menambah pilihan yang perlu ditimbang dengan cermat.

Apa yang dirilis Mistral

Mistral, perusahaan AI asal Prancis, pertama kali memperkenalkan Mistral Large 4 sebagai pratinjau pada 6 Oktober 2026. Menurut CNBC, saat itu akses hanya dibuka untuk pengembang, pimpinan keamanan siber, dan otoritas negara. Mistral menyebut modelnya sebagai model terbuka paling mampu di luar China.

Tiga minggu kemudian, Mistral membuka bobot modelnya. SiliconANGLE melaporkan bahwa versi rilis ini mendapat tambahan tiga minggu pelatihan penguatan (reinforcement learning) dan uji coba bersama pelanggan setelah masa pratinjau. TechCrunch mencatat bahwa bisnis dan pemerintah kini dapat mengunduh lalu memasang model ini di infrastruktur mereka sendiri.

Bobot adalah kumpulan angka hasil pelatihan yang membentuk “pengetahuan” sebuah model. Pada model tertutup, bobot hanya ada di server pembuatnya dan pengguna mengaksesnya lewat API. Pada model bobot terbuka, berkas itu dapat disalin dan dijalankan di mana saja, termasuk di pusat data yang tidak terhubung ke internet.

Selain lewat unduhan, model ini tersedia di Mistral Studio, API Mistral, OpenRouter, Microsoft Foundry, dan layanan yang dihosting NVIDIA, menurut pengumuman resmi Mistral. Harga API-nya 0,70 dolar AS per sejuta token masukan dan 2,10 dolar AS per sejuta token keluaran.

Spesifikasi dan kebutuhan perangkat keras

Mistral Large 4 memakai arsitektur mixture of experts (MoE). Dari sekitar 1 triliun parameter, hanya sebagian yang aktif untuk setiap token. Kartu model di Hugging Face menyebut angka sekitar 52 miliar parameter aktif, atau 49 miliar bila lapisan embedding dan keluaran tidak dihitung. Cara ini membuat model besar lebih hemat dijalankan dibanding model padat berukuran sama.

Kartu model yang sama mencantumkan jendela konteks 1 juta token, cukup untuk memuat dokumen yang sangat panjang dalam satu permintaan. Mistral juga menyediakan tiga tingkat penalaran, yaitu rendah, sedang, dan tinggi, sehingga tim dapat menyesuaikan kedalaman berpikir model dengan jenis tugasnya.

Hemat tidak berarti ringan. Menurut ITdaily, menjalankan model ini sendiri membutuhkan sekitar 1,1 TB memori GPU, atau 610 GB untuk versi terkompresi NVFP4. Contoh konfigurasi yang disebut adalah satu server dengan delapan GPU Nvidia B200. Versi NVFP4 sendiri dirancang untuk GPU generasi Blackwell.

Bagi kebanyakan organisasi di Indonesia, angka itu berarti investasi perangkat keras yang besar, atau sewa server GPU khusus di pusat data dalam negeri. Pilihan lain adalah memakai API, yang lebih murah di awal tetapi membuat data keluar dari lingkungan organisasi.

Klaim kinerja, batasan, dan lisensi

Mistral menyatakan Mistral Large 4 sebagai model bobot terbuka terbaik untuk pemrograman. Beberapa angka yang dipublikasikan perusahaan:

• Skor Terminal-Bench 4.0 naik dari 28% pada versi pratinjau menjadi 41%.
• Skor 48% di Artificial Analysis Coding Agent Index, yang menurut Mistral setara dengan model terbuka China GLM-5.3 tetapi memakai 47% lebih sedikit token per tugas.
• Skor 73,3% di FinWorkBench, tolok ukur tugas keuangan, peringkat kedua di antara model terbuka setelah Kimi K3.
• Skor 51% di Artificial Analysis Cyber Index, indeks kemampuan tugas keamanan siber.
• Rata-rata menolak 96,6% permintaan siber berbahaya dalam pengujian Mistral.

Semua angka di atas berasal dari Mistral atau tolok ukur yang dikutip Mistral. Liputan TechCrunch dan SiliconANGLE tidak memuat evaluasi pihak independen. CNBC juga mencatat bahwa model ini masih tertinggal dari model terdepan dalam beberapa bidang, termasuk pemrograman.

Ada juga catatan dari Mistral sendiri. Dalam pengumumannya, perusahaan menyebut tinjauan lalu lintas nyata menemukan model menolak serangan terhadap target sungguhan, tetapi juga melihat potensi model membantu serangan nyata. Mistral menyatakan sedang menyesuaikan pengamannya. Model khusus keamanan siber disiapkan terpisah dan hanya dibuka untuk mitra yang lolos seleksi.

Sumber juga berbeda soal skala pelatihan. CNBC menulis model dilatih dengan 4.000 GPU Nvidia Grace Blackwell, sedangkan SiliconANGLE menyebut 3.800 GPU. Keduanya sepakat pelatihan dilakukan di pusat data Mistral di Eropa.

Lisensi yang perlu dibaca sebelum dipakai

Bobot terbuka tidak sama dengan bebas tanpa syarat. Mistral Large 4 dirilis dengan Mistral Ecosystem Open-Weight License, yang disebut Mistral sebagai lisensi MIT yang dimodifikasi. Model boleh dipakai, diubah, dilatih ulang (fine-tuning), dan dipakai untuk keperluan komersial.

Pengecualiannya ada pada bisnis Model-as-a-Service, yaitu perusahaan yang menjual akses model kepada pihak lain. Mereka wajib memperoleh lisensi komersial terpisah dari Mistral. Bank yang memakai model untuk kebutuhan internal tidak termasuk kelompok ini, tetapi perusahaan teknologi yang berencana menjual layanan AI berbasis model ini kepada bank perlu memperhatikannya.

Kami pernah membahas rilis model terbuka lain dari China dalam artikel tentang Kimi K3.1 Pro dari Moonshot AI. Mistral Large 4 menambah pilihan dari Eropa, dengan lisensi dan klaim keamanan yang berbeda.

Apa artinya bagi bank dan fintech?

Lembaga keuangan mengelola data yang dilindungi Undang-Undang Nomor 27 Tahun 2022 tentang Pelindungan Data Pribadi. Karena itu, layanan AI yang memproses data nasabah di luar negeri perlu ditimbang dengan hati-hati. Model bobot terbuka memungkinkan AI berjalan di dalam jaringan bank sendiri, sehingga dokumen kredit, catatan pengaduan, atau kode aplikasi internal tidak perlu dikirim ke pihak luar.

Keputusan memakai model sebesar ini sebaiknya diambil bertahap. Beberapa langkah yang dapat dilakukan:

1. Mulai dari satu kasus penggunaan yang jelas, misalnya meringkas dokumen kredit, membantu tim pengaduan nasabah, atau meninjau kode aplikasi internal.
2. Uji lewat API dengan data tiruan lebih dulu. Cara ini murah dan cukup untuk menilai kualitas jawaban, termasuk dalam bahasa Indonesia. Bandingkan juga dengan model berukuran puluhan miliar parameter, yang untuk banyak tugas perbankan cukup berjalan di satu atau dua GPU.
3. Hitung total biaya server sendiri, mencakup GPU, daya, pendinginan, tim operasional, dan pembaruan model, lalu bandingkan dengan biaya API untuk volume yang sama.
4. Libatkan tim risiko dan kepatuhan sejak awal, termasuk menyusun aturan akses, pencatatan penggunaan, dan cara menguji jawaban model.

Tata kelola perlu disiapkan bersamaan. Survei Perbanas dan IBM yang kami bahas dalam artikel tata kelola AI perbankan mencatat rata-rata kematangan tata kelola AI perbankan Indonesia baru 2,74 dari skala 5. Aturan akses dan pengujian model sebaiknya disusun sebelum model dipakai untuk data nasabah.

Tim Merakit membantu lembaga keuangan merancang dan menguji penerapan AI melalui layanan kecerdasan artifisial dan solusi layanan keuangan, mulai dari pemilihan model sampai pemantauan setelah sistem berjalan.

Pertanyaan yang sering muncul

Apakah Mistral Large 4 gratis?

Bobotnya dapat diunduh tanpa biaya dan dipakai untuk keperluan komersial. Biaya utamanya ada pada perangkat keras untuk menjalankannya. Perusahaan yang menjual akses model sebagai layanan perlu lisensi komersial terpisah dari Mistral.

Apakah model ini dapat dijalankan di laptop atau satu GPU?

Tidak untuk model penuhnya. Versi terkompresi NVFP4 masih membutuhkan sekitar 610 GB memori GPU, sehingga perlu server dengan beberapa GPU kelas pusat data. Untuk perangkat yang lebih kecil, model berukuran lebih ringan lebih realistis.

Apakah Mistral Large 4 mendukung bahasa Indonesia?

Mistral menyatakan modelnya fasih dalam lebih dari 160 bahasa, tetapi tidak merinci kemampuan bahasa Indonesia secara khusus. Organisasi sebaiknya menguji sendiri kualitas jawabannya dengan dokumen dan istilah yang biasa dipakai sehari-hari.

Penutup

Rilis bobot Mistral Large 4 menunjukkan bahwa model AI besar tidak lagi hanya tersedia dari segelintir penyedia API. Bagi bank dan fintech, peluangnya nyata, terutama untuk menjaga data tetap di dalam jaringan sendiri, tetapi biayanya juga besar. Bila organisasi Anda sedang menimbang pilihan model AI untuk data sensitif, tim Merakit siap membantu menyusun uji coba yang terukur.

Sumber

• Mistral Large 4 (Le Chonk) is now open weight, Mistral AI, Oktober 2026
• Mistral-Large-4-1T-A52B, kartu model Hugging Face, Oktober 2026
• Mistral releases weights for its trillion-parameter AI model, targeting cybersecurity, TechCrunch, 29 Oktober 2026
• Mistral releases open weights for Mistral Large 4, SiliconANGLE, 29 Oktober 2026
• Mistral makes top model Le Chonk freely available via Hugging Face, ITdaily, 30 Oktober 2026
• Mistral unveils new AI model it says rivals best open systems from China, CNBC, 6 Oktober 2026