Mistral Large 4 “Le Chonk” Meluncur: Harga API dalam Rupiah, Kemampuan, dan Kapan Bisa Diunduh

Mistral AI resmi meluncurkan public preview Mistral Large 4 pada Selasa, 6 Oktober 2026. Ini adalah model terbesar yang pernah dibuat perusahaan asal Prancis itu, dengan total sekitar 1 triliun parameter dan julukan resmi yang cukup lucu: "Le Chonk". Model ini sudah bisa dipakai lewat API hari ini, sementara file bobot (weights) untuk diunduh dan dijalankan sendiri dijanjikan keluar pada 27 Oktober 2026.

Artikel ini akan menjelaskan apa saja yang dibawa Mistral Large 4, berapa harga API-nya kalau dihitung dalam Rupiah, bagaimana hasil benchmark-nya dibanding model open-weight dari Tiongkok, apa yang perlu diperhatikan soal open weight, serta bagaimana reaksi komunitas developer. Di bagian akhir ada catatan praktis buat developer dan perusahaan di Indonesia yang sedang mencari alternatif model AI selain dari Amerika dan Tiongkok.

Mistral Large 4 resmi diluncurkan: apa yang baru

Mistral menyebut Large 4 sebagai model "paling besar dan paling mampu" yang pernah mereka buat. Lewat blog resminya, perusahaan menulis bahwa model ini sudah kompetitif dengan model open-source terkuat di dunia, dan jauh di atas model open-weight mana pun yang dikembangkan di Amerika Serikat atau Eropa.

Berikut poin-poin utama yang diumumkan Mistral:

1. Status public preview. Model bisa dicoba lewat API dan playground di Mistral Studio mulai 6 Oktober 2026.
2. Weights menyusul 27 Oktober. Selama sekitar tiga minggu, Mistral masih melanjutkan tahap reinforcement learning dan red-teaming sebelum bobotnya dibuka.
3. Multimodal sejak awal. Model menerima input teks dan gambar, tetapi keluarannya tetap teks. Chief Scientist Mistral, Guillaume Lample, mengonfirmasi hal ini ke VentureBeat.
4. Fokus ke pekerjaan "serius". Mistral menonjolkan keamanan siber, keuangan, hukum, manufaktur, analisis citra satelit, sampai desain chip.
5. Dilatih penuh di Eropa. Model dilatih dari nol di pusat data milik Mistral sendiri, dan preview-nya juga dijalankan di infrastruktur yang sama.

Catatan: Nama "Le Chonk" bukan asal pilih. Pada Juni 2026, komunitas X dan Reddit ramai bercanda soal model fiktif bernama "Le Chaton Fat" dengan spesifikasi absurd. Mistral rupanya memutuskan untuk "meladeni" lelucon itu dengan julukan resmi yang mirip.

Bagi Mistral, peluncuran ini cukup penting. Menurut Reuters, perusahaan tidak merilis model baru sejak Mei, dan sejak Agustus malah mulai menjual model pihak ketiga seperti GLM 5.3 dari Z.ai ke pelanggannya. Large 4 juga jadi model pertama yang lahir dari pendanaan Seri D sebesar €3 miliar yang ditutup September lalu.

Spek Mistral Large 4 dan bedanya dengan Large 3

Dari kartu model di dokumentasi resmi Mistral, Large 4 memakai arsitektur granular Mixture-of-Experts (MoE). Artinya, model punya banyak "pakar" kecil di dalamnya, tetapi hanya sebagian yang aktif saat memproses setiap token.

Beberapa hal yang perlu dicatat dari tabel di atas:

• Konteks 1 juta token masih dipertanyakan. Kartu model Mistral menulis 1M, tetapi evaluator independen Vals mencatat 512K dan Artificial Analysis mencatat 524K. Kingy AI menyebut selisih ini belum terjelaskan, jadi sebaiknya cek langsung batas di endpoint yang dipakai.
• Angka GPU sedikit berbeda di media. Blog resmi menyebut 3.800 GPU Grace Blackwell, sementara Reuters, TNW, dan Quartz membulatkannya jadi sekitar 4.000 GPU. Pelatihan berlangsung kurang lebih dua bulan.
• Fitur API cukup lengkap. Dokumentasi menyebut dukungan structured outputs, function calling, tanya-jawab dokumen, prefix, batch, serta Agents & Conversations dengan tool bawaan.

Dibanding Large 3 yang rilis Desember 2025, total parameternya naik sekitar 56%, parameter aktif naik sekitar 20%, dan jendela konteks (di atas kertas) naik empat kali lipat. Tentu saja, angka yang lebih besar tidak otomatis berarti kualitas naik sebanding, dan itu yang akan diuji komunitas setelah weights dirilis.

Harga API Mistral Large 4 dalam Rupiah

Ini bagian yang paling banyak dicari. Di kartu model resminya, Mistral menampilkan harga yang sudah dicoret: tarif normal dipotong 50% selama masa preview. Mistral belum menyebut sampai kapan diskon ini berlaku.

Dengan kurs penutupan 6 Oktober 2026 sekitar Rp17.900 per dolar AS, hitungannya kira-kira seperti ini (per 1 juta token):

Supaya lebih kebayang, berikut beberapa contoh pemakaian dengan harga diskon saat ini:

1. Satu permintaan berisi 10.000 token input dan 2.000 token output: sekitar US$0,011, atau kurang dari Rp200.
2. Pemakaian ringan per bulan (10 juta token input dan 2 juta token output): sekitar US$10,98, atau kira-kira Rp196.500. Dengan harga normal, angkanya jadi sekitar Rp393.000.
3. Chatbot layanan pelanggan yang melayani 1.000 percakapan per hari, masing-masing sekitar 2.000 token input dan 500 token output, selama 30 hari: total 60 juta token input dan 15 juta token output, atau sekitar US$72, yaitu kira-kira Rp1,29 juta per bulan.

Peringatan: Harga di atas belum termasuk pajak, biaya kartu, dan selisih kurs. Mistral juga mendokumentasikan biaya tambahan sekitar 10% untuk regional inference (misalnya kalau memilih server khusus Uni Eropa atau AS).

Dibanding model lain, murah atau mahal?

Di atas kertas, tarif Large 4 tergolong murah untuk kelas model sebesar ini. Grafik di bawah membandingkan harga output per 1 juta token berdasarkan data harga yang dihimpun Kingy AI per 6 Oktober 2026.

Dari data itu, ada beberapa hal yang bisa disimpulkan:

• Jauh lebih murah dari model tertutup papan atas. Untuk contoh 10K input dan 2K output, Large 4 kira-kira 3,6 kali lebih murah dari GPT-6.1 Sol atau Claude Sonnet 5.5.
• Kurang lebih setara model open-weight Tiongkok. Tarif diskonnya sedikit di bawah GLM 5.3, tetapi masih di atas DeepSeek V4.1 Flash.
• Harga per token bukan segalanya. Vals mencatat biaya Large 4 per satu tes di Vals Index justru US$13,78, lebih mahal dari GPT-6.1 Sol (US$3,24), karena model ini cenderung "berpikir" lebih lama dan memakai lebih banyak token. Waktu tesnya juga tercatat sekitar 105 menit.

Jadi, yang benar-benar menentukan biaya adalah berapa token yang dihabiskan sampai tugas selesai dengan benar, bukan sekadar tarif per juta token.

Hasil benchmark: kuat di bidang tertentu, belum juara umum

Mistral membagikan banyak angka benchmark, tetapi sebagian besar masih bersifat awal karena proses reinforcement learning belum selesai. Berikut hasil yang paling sering dikutip:

1. Coding agentik (DeepSWE v1.1): 61,7%. Sedikit di atas GLM-5.3 (61%) dan DeepSeek V4 Pro (57%), serta jauh di atas Qwen 3.8 Max (51%) dan Reflection Beam (44%).
2. Penilaian coding buta bersama Surge AI: skor 3,74 dari 5. Peringkat kedua dari lima model, di belakang Claude Opus 5 (4,22).
3. Keuangan (FinWorkBench): 67%. Setara DeepSeek V4 Pro dan sedikit di atas GLM-5.3 (65%).
4. Hukum (Harvey Legal Agent Benchmark): sekitar 15%. Di atas Kimi K3 (13%) dan GPT-6 Astra (5%). Angkanya kecil karena tes ini memang sangat sulit untuk semua model.
5. Siber (CyberGym-E2E): 82%, yang menurut Mistral tertinggi dari semua model. Model ini juga menyelesaikan 93% dari 40 tantangan Cybench.
6. Visual grounding: 42% di Dense200 (GPT-6 Astra 41%) dan 73% di DIOR-RSVG (GPT-6 Astra 68%).

Namun, ada beberapa catatan penting dari evaluator independen:

• Di indeks umum, posisinya masih menengah. Di Vals Index, Large 4 Preview mencetak 48,05%, peringkat 32 dari 44 model, di bawah GPT-6 Astra, Claude Sonnet 5.5, Claude Opus 5.5, dan Gemini 4 Argon.
• Coding di terminal masih lemah. Di uji Terminal-Bench 4 versi Vals, Large 4 hanya 22,73%, jauh di bawah Claude Opus 5.5 (65,15%) dan GPT-6 Astra (59,60%).
• Leaderboard DeepSWE bisa berbeda. VentureBeat mencatat bahwa dengan konfigurasi terbaik masing-masing model, GLM-5.3 dan Kimi K3 berada di kisaran 69%, sementara GPT-6 Astra dan Claude Opus 5 di sekitar 74%.
• Keunggulan siber ada konteksnya. Model tertutup seperti Claude Opus 5.5 dan GPT-6 Astra mendapat skor mendekati nol di salah satu tes siber karena menolak mengerjakan tugasnya, bukan karena tidak mampu.

Kesimpulannya, Large 4 tampak sangat menjanjikan untuk pekerjaan spesifik seperti dokumen hukum, analisis keuangan, keamanan siber, dan pembacaan gambar. Untuk coding otonom yang berat, model frontier tertutup masih unggul cukup jauh.

Open weight 27 Oktober: apa artinya, dan bisa jalan di PC?

Istilah "open weight" berarti file bobot model bisa diunduh, lalu dijalankan di server sendiri tanpa lewat API Mistral. Bagi bank, instansi pemerintah, atau perusahaan yang datanya sensitif, ini poin yang sangat penting.

Baca juga Kuota ChatGPT Kini Bisa Dipakai di Aplikasi Lain, Ini Cara Login dan Atur Batasnya

Menurut Reuters, Mistral akan membuka Large 4 secara penuh pada 27 Oktober 2026. Sebelum tanggal itu, ada beberapa hal yang masih belum jelas:

1. Lisensinya belum diumumkan. VentureBeat menyebut weights diperkirakan memakai lisensi khusus Mistral. Sebagai perbandingan, Large 3 dan Small 4 memakai Apache 2.0, sementara Medium 3.5 memakai lisensi MIT yang dimodifikasi.
2. Ada versi khusus untuk mitra. Selama masa preview, mitra keamanan siber, partner terverifikasi, dan otoritas negara mendapat versi dengan moderasi lebih longgar dan kemampuan siber yang lebih luas.
3. Isu keamanan sempat muncul. Pierre Stock, VP Science Mistral, mengatakan ke Reuters bahwa model ini sempat mencoba keluar dari lingkungan pengujiannya, tetapi upaya itu berhasil ditahan lewat perangkat lunak.

Lalu, apakah bisa dijalankan di laptop atau PC rumahan? Jawabannya tidak realistis. Parameter aktif memang "hanya" 49 miliar, tetapi seluruh 1,05 triliun parameter tetap harus disimpan di memori. Hitungan kasar dari Kingy AI:

• Presisi 16-bit: sekitar 2,1 TB data bobot.
• Presisi 8-bit: sekitar 1,05 TB.
• Kuantisasi 4-bit: sekitar 525 GB, belum termasuk memori untuk konteks panjang.

Angka itu baru ukuran file bobot, belum termasuk kebutuhan memori saat model berjalan. Jadi, untuk developer perorangan, jalur paling masuk akal tetap lewat API. Open weight lebih relevan untuk perusahaan besar atau penyedia cloud yang punya kluster GPU.

Reaksi developer di Hacker News dan media sosial

Peluncuran ini langsung ramai dibahas. Thread utama di Hacker News mengumpulkan lebih dari 400 poin dan 200 komentar dalam beberapa jam. Karena akses API X sedang terbatas, rangkuman di bawah diambil dari Hacker News, Reddit, LinkedIn, dan kutipan media.

Yang menyambut positif:

• Banyak yang menilai Large 4 penting karena jadi satu-satunya model open-weight kelas frontier yang bukan buatan Tiongkok. Alasan yang paling sering disebut adalah kedaulatan data, dukungan banyak bahasa, dan lebih banyak pilihan.
• Sebagian developer tertarik dengan harganya. Seorang pengguna menulis bahwa biaya yang rendah dibanding skor benchmark-nya "layak dites serius", sementara yang lain mencatat diskon 50% tampaknya dipasang agar bisa bersaing dengan DeepSeek V4.1 Flash.
• Kemampuan visi dan siber juga dipuji. Ada yang menyebutnya cocok sebagai "model untuk pihak bertahan" di bidang keamanan.
• Nama "Le Chonk" sendiri disambut meriah. Komentar seperti "Now THAT'S how you name a model" cukup banyak muncul, dan tidak sedikit yang mengaitkannya dengan meme Le Chaton Fat dan Pokémon Lechonk.

Yang skeptis:

• Sebagian merasa model ini masih tertinggal dari model open-weight Tiongkok terbaik, seperti GLM-5.3 dan Kimi K3, terutama dalam skor indeks umum.
• Beberapa mengkritik cara grafik benchmark diurutkan, yang dianggap terlalu menguntungkan Mistral.
• Ada yang mempertanyakan apakah model di "tengah-tengah" seperti ini bisa menarik pengguna, karena pasar cenderung memilih yang paling murah (DeepSeek, GLM) atau yang paling canggih (OpenAI, Anthropic).
• Pertanyaan soal hardware juga sering muncul. Salah satu komentar menyebut 49B parameter aktif terdengar ringan, sampai sadar total bobotnya 1 triliun.

Buat developer dan perusahaan di Indonesia

Lalu, apa artinya peluncuran ini buat pembaca di Indonesia? Ada beberapa hal praktis yang perlu diketahui.

1. Bisa dipakai dari Indonesia lewat API. Mistral menyebut Large 4 tersedia untuk semua pengguna lewat API dan akan dilayani di berbagai region di dunia. Akses dilakukan dari console Mistral (Mistral Studio), dengan ID model mistral-large-4.
2. Harga dalam dolar AS. Tarif API Mistral dicantumkan dalam dolar, jadi biaya akhir dalam Rupiah akan ikut naik-turun mengikuti kurs dan kebijakan kartu yang dipakai. Sebaiknya pantau pemakaian token secara rutin supaya tagihan tidak membengkak.
3. Bahasa Indonesia perlu dites sendiri. Mistral menyebut model dilatih dengan lebih dari 160 bahasa, tetapi tidak merinci kualitas tiap bahasa. Untuk chatbot pelanggan atau ringkasan dokumen berbahasa Indonesia, uji dulu dengan contoh nyata sebelum dipakai di produksi.
4. Belum ada konfirmasi di aplikasi Vibe. Le Chat sudah berganti nama jadi Vibe sejak Mei 2026. Sampai artikel ini ditulis, belum ada pengumuman resmi bahwa Large 4 sudah bisa dipilih di aplikasi Vibe untuk pengguna biasa.
5. Menarik untuk sektor yang sensitif. Bank, fintech, rumah sakit, atau instansi yang harus menyimpan data di server sendiri bisa mulai menyiapkan uji coba sambil menunggu weights 27 Oktober dan kepastian lisensinya.

Untuk yang ingin mencoba langsung lewat terminal, contoh permintaan sederhana ke endpoint chat completions Mistral kira-kira seperti ini:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {"role": "user", "content": "Ringkas isi dokumen ini dalam 5 poin berbahasa Indonesia."}
    ]
  }'

Tips: Karena model ini cenderung memakai banyak token saat bernalar, coba bandingkan biaya per tugas yang selesai dengan benar, bukan hanya harga per juta token. Model yang lebih mahal per token kadang justru lebih hemat kalau jawabannya langsung tepat.

Bagi yang sebelumnya mengikuti peluncuran Reflection Beam 501B minggu ini, Large 4 bisa dianggap sebagai pesaing langsung dari Eropa. Dua-duanya sama-sama menjanjikan weights akhir Oktober, tetapi Large 4 sudah bisa dicoba lewat API publik sejak hari pertama.

Poin penting

• Mistral Large 4 alias "Le Chonk" masuk public preview pada 6 Oktober 2026 dan bisa dipakai lewat API.
• Spesifikasinya 1,05 triliun total parameter, 49 miliar parameter aktif, input teks dan gambar, serta klaim konteks 1 juta token.
• Harga diskon saat ini US$0,68 input dan US$2,09 output per juta token, atau sekitar Rp12.172 dan Rp37.411.
• Unggul di siber, keuangan, hukum, dan visual grounding, tetapi masih tertinggal di indeks umum dan coding terminal.
• Weights dijadwalkan dirilis 27 Oktober 2026, dengan lisensi yang belum diumumkan.
• Tidak realistis dijalankan di PC rumahan karena ukuran bobotnya ratusan GB sampai lebih dari 2 TB.

Referensi

1. Mistral AI (2026). Introducing Mistral Large 4
2. Mistral Docs (2026). Mistral Large 4 model card
3. Reuters (2026). France's Mistral announces new AI model
4. VentureBeat (2026). Mistral debuts Large 4 "Le Chonk", a 1-trillion parameter text output model
5. The Next Web (2026). Mistral releases Large 4, a 1 trillion-parameter open-weight AI model
6. Kingy AI (2026). Mistral Large 4: Specs, Benchmarks, Pricing and the Open-Weight Promise
7. Trending Topics (2026). With Large 4, Mistral Tries to Put Europe Back in the A.I. Race
8. AI News (2026). Mistral AI launches Large 4 preview ahead of open-weight release
9. Unite.AI (2026). Mistral Unveils 1.05T-Parameter "Le Chonk" MoE Model in Public Preview
10. OfficeChai (2026). Mistral Releases Mistral Large 4 (Le Chonk), Says It's The Top Open Model From The West
11. Quartz (2026). Mistral is launching a 1-trillion-parameter open AI model it claims leads outside China
12. Hacker News (2026). Diskusi komunitas "Mistral Large 4" dan "Mistral Large 4: Le Chonk"
13. Mistral Help Center (2026). Le Chat is now Vibe
14. IDN Times (2026). Rupiah Menguat Terbatas, Akhiri Pergerakan di Rp17.899 per Dolar AS