Francouzská společnost Mistral AI se etablovala jako jeden z klíčových evropských hráčů v oblasti umělé inteligence, který se zaměřuje především na vládní a korporátní klientelu. Podle serveru TechCrunch AI společnost v únoru 2026 oznámila, že její roční opakující se výnosy (ARR) překročily 400 milionů dolarů · což představuje výrazný nárůst oproti loňským 20 milionům dolarů · a očekává, že během roku překoná hranici jedné miliardy dolarů. Generální ředitel Arthur Mensch tuto dynamiku přirovnal k modelu společnosti Palantir, kde technici úzce spolupracují přímo u zákazníků a pomáhají jim nasazovat a přizpůsobovat řešení založená na umělé inteligenci.
Mensch ve svém veřejném příspěvku na LinkedIn zdůraznil, že Mistral usiluje o „zajištění přístupu k nejlepším systémům umělé inteligence mimo centralizovanou kontrolu států nebo velkých korporací“. Tato vize se promítá do plánů společnosti na výstavbu vlastního AI cloudu a investic ve výši čtyř miliard eur (přibližně 4,56 miliardy USD) do datových center ve Francii a Švédsku. Podle TechCrunch AI mají tyto investice podpořit technologickou suverenitu a dostupnost výpočetních zdrojů pro organizace, jež potřebují zabezpečený a cenově dostupný přístup k technologiím umělé inteligence.
Součástí strategie Mistralu je také vývoj otevřených modelů. Společnost oznámila, že v létě 2026 představí nový jazykový model s otevřenými vahami, přičemž předběžný přístup bude umožněn již v červenci. Tento krok má podpořit transparentnost a snížit závislost na amerických poskytovatelích AI. V souvislosti s tím nedávno Mistral převzal startup Koyeb, aby posílil své schopnosti v oblasti infrastruktury a urychlil vývoj „pravého AI cloudu“.
Kromě hlavního modelu představil Mistral AI také specializovaný kódovací model Leanstral 1.5, který je určen pro programovací jazyk Lean 4. Podle serveru Marktechpost je model otevřený pod licencí Apache 2.0 a nabízí volně přístupné API rozhraní leanstral-1-5. Leanstral 1.5 patří do rodiny Mistral Small 4 a využívá architekturu mixture-of-experts (MoE) s 128 experty, z nichž je při zpracování každého tokenu aktivních čtyři. Celková velikost modelu činí 119 miliard parametrů, přičemž aktivováno je 6,5 miliardy parametrů na token a kontextová délka dosahuje 256 000 tokenů.
Trénink modelu probíhá ve třech fázích: střední trénink, supervidované doladění a posilování pomocí učení s posilováním (RL) ve dvou prostředích · multiturn a code-agent. V multiturn prostředí model dostává výrok teorému, snaží se jej dokázat a na základě zpětné vazby od kompilátoru Lean iterativně upravuje svůj důkaz. V prostředí code-agent model edituje soubory, spouští příkazy v bash a komunikuje s jazykovým serverem Lean, který poskytuje informace o cílech, chybách a typech v reálném čase.
Výkonnostní výsledky modelu Leanstral jsou podle Marktechpostu pozoruhodné: model dosáhl 100% úspěšnosti na validační i testovací sadě PutnamBench, vyřešil 587 ze 672 problémů a překonal předchozí špičkové modely na benchmarkech FATE-H (87 %) a FATE-X (34 %). Na testu FLTEval se hodnota pass@1 zvýšila z 21,9 % na 28,9 % a pass@8 na 43,2 %. Náklady na řešení jednoho problému jsou odhadovány na čtyři dolary, což je podstatně méně než u konkurenčních řešení, kde se cena pohybuje od 54 dolarů až po stovky dolarů.
Mistral AI tak kombinuje ambiciózní růstové cíle, investice do suverénní infrastruktury a otevřený vývoj modelů, čímž se stává významným hráčem na evropském trhu s umělou inteligencí. Co to znamená: Pro firmy to představuje možnost využívat vysoce výkonné modely s otevřenými vahami a lokální datovou infrastrukturu, což usnadňuje auditování, snižuje rizika spojená se závislostí na zahraničních poskytovatelích a umožňuje bezpečnou implementaci umělé inteligence v souladu s evropskými regulačními požadavky.
Zdroje: