紧随Meta发布 Llama 3.1之后，7月26日，法国AI初创公司Mistral AI发布了最新模型Mistral Large 2。与Mistral AI公司前代产品相比，Mistral Large 2 在代码生成、数学和推理方面的能力显著增强。它还提供了更强大的多语言支持和高级函数调用功能。
Mistral Large 2 模型拥有1230亿参数，宣称性能媲美OpenAI和Meta的最新尖端模型，尤其在代码生成、数学和推理方面表现出色。Mistral AI在官方网站中还提到，Large 2 在MMLU基准测试中实现了84.0%的准确率。
Mistral Large 2基于之前Codestral 22B和Codestral Mamba的经验，进行了大量代码训练，支持Python、Java、C、C++、JavaScript和Bash等80多种语言。其代码生成能力远超Llama 3.1 70B，接近Llama 3.1 405B。
除此之外，Mistral Large 2 投入了大量精力来增强模型的推理能力，在推理能力上，特别关注减少模型产生“幻觉”，即生成看似合理但实际不准确或无关的信息。通过对模型细致的微调，使模型在响应时表现得更加谨慎和敏感，确保输出的信息既可靠又准确。
同时，Mistral Large 2 在遵循精确指令和处理长时间多轮对话方面表现尤为出色。下面展示了 MT-Bench、Wild Bench 和 Arena Hard 基准测试中的表现，Mistral Large 2 的表现仅次于GPT-4o和Claude-3.5-sonnet：
如今，很大一部分业务用例涉及处理多语言文档。 Mistral Large 2 在大量多语言数据上进行训练的。以下是 Mistral Large 2 在多语言 MMLU 基准上的性能结果，与之前的 Mistral Large、Llama 3.1 模型以及 Cohere 的 Command R+ 进行了比较。
讲了这么多，那是不是Mistral Large 2就能完胜最新的Llama3.1模型了呢？小编认为要对比过才知道，接下来小编就和大家一起对比Llama3.1和Mistral Large 2的数学推理能力，看看到底谁会更胜一筹。
首先找到302.AI的模型竞技场，勾选Mistral Large 2、Llama 3.1 70B和Llama 3.1 405B。无论是Mistral Large 2还是Llama 3.1系列，都有提到在多语言能力上有提升，第一题就先用中文提问：“9.9和9.11哪个大？”
没想到这个数学题十分有效，屡试不爽，可以看到三个模型都答错了，我们试一试将问题切换成英语再次提问：
没想到的是，两极反转，全部模型都回答正确了，看来三个模型在中文理解能力上还有提升的空间。接下来换一题目考考逻辑能力，继续是用中文提问，先来看下题目：
来看下回答：
没想到的是，居然只有Llama3.1 70B回答正确，正确答案就是甲偷吃了鱼！最后一个问题来自弱智吧：“生鱼片是死鱼片吗？”，在以上三个模型的基础上增加了GPT-4o和Claude-3.5-Sonnet两个模型，共五个模型，看下表现怎么样：
可以看到，Claude-3.5-Sonnet的回答最详细最完整的；其次是GPT-4o，基本能够解释清楚生鱼片和死鱼片之间的关系；Mistral Large 2的解释没有回答到重要的点上，只是名词解释了生鱼片和死鱼片各自的意思，而Llama3.1的表现稍微差点，只从字面上去回答。
从以上的测试内容可以看出，302.AI的模型竞技场不仅在操作界面设计上做到了简洁明了、直观易用，更重要的是其模型更新的速度十分快，用户不需要为了尝试不同的AI模型而注册多个账号，节省了用户大量的时间和精力。并且！通过302.AI模型竞技场用户可以快速、方便地在不同模型间进行直观比较，清晰地了解各个模型的优势和特点。
除了模型竞技场，302.AI的聊天机器人和API超市也更新了Mistral Large 2模型。302.AI的聊天机器人支持按需付费，且能够一键分享机器人，收到分享链接的用户无需登录注册即可使用。另外，还能手动设置单日额度及总额度，更好的帮助用户控制管理预算成本。
302.AI的API超市支持在线调试API，不同模型的API更新速度迅速，不需要电脑配置和复杂部署，即使是小白也能轻松使用。
Mistral Large 2的发布无疑为AI领域注入了新的活力，也为行业竞争格局带来了新的变数。对于目前AI领域的内卷情况来看，无论是Mistral Large 2还是Llama 3.1，都难以在这场没有终点的技术马拉松中独占鳌头，但是，正是这种激烈的竞争，推动着AI技术以惊人的速度向前发展。我们可以期待看到更多突破性的模型问世，推动整个行业向前发展。
加入社群
