Llama3.1发布后，Meta还沉浸在强烈的社会反响中时，法国的Mistral AI团队突然扔出王炸：它们的最新开源模型Mistral Large 2 。
而Llama3.1刚坐了一天王位，就被它踢下去了……
Mistral的AI以代码模型著称，致力于帮助各种编码环境和项目的开发人员。过去几个Mistral的AI就在80多种编程语言的多样化数据集上进行训练，能精通包括Python、Java、C、C++、JavaScript和Bash在内的绝大部分编程语言。
Mistral Large 2也进行了非常大比例的代码训练，性能远优于1代Mistral Large，与GPT-4o、Claude 3 Opus和Llama 3 405B等领先型号的表现不相上下。
Llama 3.1的一个短板就是human eval数据不尽人意，而Mistral Large 2极大改善了这一点：
Mistral Large 2还增强了函数调用功能（Function Calling）。经过训练，Mistral Large 2能够熟练执行并行和顺序函数的调用，有望为复杂业务和项目赋能。而Mistral Large 2这一功能甚至打赢了GPT-4o和Claude 3.5 sonnet。
在数学性能上，Mistral Large 2模型也展示了其增强的推理和解决问题的能力。根据GSM8K和MATH两个基准测试的数据来看，与顶级模型不相上下。
有网友去问Mistral Large 2模型：3.9和3.11哪个大？没想到它居然答对了！
论其大小，Mistral Large 2是一个123b参数的模型，具有128k上下文窗口。预训练版本的MMLU能达到84.0%。
昨天发布的Llama3.1针对八种不同语言进行了文本指令优化，但其中偏偏没有中文。有人吐槽Llama 3.1的中文能力差到还不如去用通义千问。这次Mistral Large 2带上了，包括中文在内，还支持英语、日语、韩语、法语等数十种语言。
据测试，在多语言MMLU上，Mistral Large 2的平均性能明显优于Llama 3.1 70b(高6.3%)，与Llama 3 405B相当(低0.4%)。
在对齐和指令功能方面，团队在Mistral Large 2上投入了很多精力。在WildBench、ArenaHard和MT Bench测试中，其性能与当前的顶尖模型相当，而它的优点是文本的平均生成长度明显降低。
在一些AI的基准测试中，生成冗长的文本往往会提高测试分数。但在业务应用中，文本的简洁性反而至关重要：文本越简洁，交互越快，成本越低。
而这么一个强势的模型，其大小竟比Llama 3.1 405b小了3倍！网友直呼：这简直就是纯纯的黑魔法啊！
Mistral Large 2和Llama 3.1的发布时间只差一天,而相仿的性能下，模型大小还能压缩这么多，简直是后生可畏啊！
开源模型都卷成这个样子了，闭源模型（我不说是谁）还需要继续努力呀。
那明天我们会不会还能看到另一个新的开源模型发布？我已经按捺不住了。
最后附上Mistral Large 2的Hugging Face链接：
https://huggingface.co/mistralai/Mistral-Large-Instruct-240
[1] https://mistral.ai/news/mistral-large-2407/
[2]https://twitter.com/GuillaumeLample/status/1816135838448972240
