میسترال ای‌آی: چگونه یک استارتاپ فرانسوی رقیب جدی OpenAI شد؟

نوامبر ۲۰۲۲، زمانی که معرفی ChatGPT دنیا را غافلگیر کرد، عموم مردم فکر می‌کردند که آینده‌ی هوش مصنوعی مولد منحصراً در دستان چند غول آمریکایی مثل OpenAI، گوگل و کمی بعدتر آنتروپیک رقم خواهد خورد. چین هم خیلی زود به این رقابت پیوست، اما کمتر کسی فکر می‌کرد استارتاپی نوپا در پاریس معادلات غول‌های فناوری را برهم بزند.

امروز در سال ۲۰۲۶، Mistral AI با عبور از ارزش‌گذاری ۲۳ میلیارددلاری، به‌عنوان بزرگ‌ترین بازیگر هوش مصنوعی اروپا و قدرتمندترین رقیب خارج از سیلیکون‌ولی شناخته می‌شود. اگر از سرعت رشد این شرکت بگذریم، مهم‌تر ویژگی‌ای که میسترال را از رقبای ثروتمندش متمایز می‌کند، به فلسفه‌ی متفاوت محصولات آن بازمی‌گردد.

در دورانی که شرکت‌های بزرگ فناوری برای توسعه مدل‌های سنگین، بسته و انحصاری با هم رقابت می‌کنند، میسترال روی بهینگی و شفافیت مدل‌های سبک‌تر و اغلب متن‌باز تمرکز کرد؛ مدل‌هایی که هرکسی می‌تواند آن‌ها را تغییر دهد و روی سرورهای خودش اجرا کند.

آرتور منش، مدیرعامل شرکت در مصاحبه‌هایش با نگاهی صادقانه از آینده حرف می‌زند و باوجود پیش‌بینی درآمد یک میلیارد یورویی در سال ۲۰۲۶، می‌گوید میسترال مدعی شکست غول‌های هوش مصنوعی با آن مقیاس عظیمشان نیست، بلکه می‌خواهد مسیر دوم یا سوم را مبتنی بر استقلال محاسباتی به کاربران پیشنهاد دهد.

آیا الگوی فرانسوی می‌تواند فرمول سنتی قدرت دیجیتال را دستخوش تغییر کند؟

میسترال در آوریل ۲۰۲۳ توسط سه جوان زیر ۳۱ سال به نام‌های آرتور منش، تیموته لاکروا و گیوم لمپل تأسیس شد. هر سه نفر فارغ‌التحصیل دانشگاه پلی‌تکنیک پاریس بودند و پیش از آن در مطرح‌ترین آزمایشگاه‌های هوش مصنوعی دنیا کار می‌کردند.

منش پژوهشگر گوگل دیپ‌مایند بود و لاکروا و لمپل در بخش هوش مصنوعی شرکت متا روی توسعه‌ی مدل‌های زبانی بزرگ کار می‌کردند. جالب اینکه لمپل به‌عنوان یکی از توسعه‌دهندگان اصلی LLaMA شناخته می‌شد؛ همان پروژه‌ای که متا بعدتر آن را متن‌باز کرد و به یکی از رقبای مستقیم خود میسترال تبدیل شد.

صنعت هوش مصنوعی با سرعتی حیرت‌آور به سمت مدل‌های کاملاً بسته حرکت می‌کرد. سه مهندس این تغییر مسیر بیگ‌تک را نه بن‌بستی مصرفی، که فرصتی طلایی برای خلق رویکردهای جایگزین دیدند. هدفشان معرفی یک بازیگر قدرتمند اروپایی بود که نوآوری مدرن تکنولوژی را با کارایی هزینه و دردسترس‌بودن ترکیب کند.

برای شرکتی که قصد داشت فضای غبارآلود و انحصاری صنعت را پاک‌سازی کند، چه نامی بهتر از میسترال؟ کلمه‌ای با ریشه‌ی اُکسیتان که به باد سرد و قدرتمندی در جنوب فرانسه اشاره دارد؛ بادی که آسمان پروانس را صاف و درخشان می‌کند. ولی آن‌ها باید ارزش چشم‌اندازشان را در عمل نشان می‌دادند.

اگر بخواهیم مسیر میسترال را فقط در یک‌لحظه‌ی نمادین خلاصه کنیم، به ژوئن ۲۰۲۳ می‌رسیم. تنها دو ماه پس از تأسیس شرکت و درحالی‌که تیم هنوز حتی یک خط کد از مدل نهایی‌اش را منتشر نکرده بود، موفق شد ۱۰۵ میلیون یورو سرمایه‌ی اولیه جذب کند، رقمی که تا آن زمان در تاریخ استارتاپ‌های اروپایی سابقه نداشت.

سرمایه‌گذارانی مثل صندوق لایت‌اسپید، اریک اشمیت مدیرعامل سابق گوگل و زاویه نیل میلیاردر فرانسوی حوزه‌ی مخابرات در حالی پای میز آمدند که فایننشال‌تایمز ارزش شرکت را ۲۴۰ میلیون یورو تخمین می‌زد؛ آن هم صرفاً بر پایه‌ی اعتبار و رزومه‌ی درخشان بنیان‌گذاران، نه محصولی که وجود خارجی داشته باشد.

در صنعتی که تازه داشت به قانون «بزرگ‌تر یعنی بهتر» عادت می‌کرد، این دستاورد شوکی واقعی محسوب می‌شد و Mistral 7B را خیلی زود به استاندارد غیررسمی مدل‌های کوچک و کارآمد تبدیل کرد.

موفقیت فنی اولین مدل میسترال، سیل سرمایه‌ها را به سمت پاریس سرازیر کرد. دسامبر ۲۰۲۳، میسترال سری A جذب سرمایه‌اش را با ۳۸۵ میلیون یورو با رهبری اندریسن هوروویتز به پایان برد؛ درحالی‌که نام بانک‌هایی مثل BNP Paribas و شرکت‌هایی مثل سیلزفورس هم میان سرمایه‌گذاران دیده می‌شد.

بدین ترتیب دور بعدی تأمین مالی ۶۰۰ میلیون یورویی، ارزش‌گذاری شرکت را به ۵٫۸ میلیارد یورو رساند، رقمی که میسترال را به چهارمین بازیگر بزرگ صنعت در جهان و برترین شرکت هوش مصنوعی خارج از منطقه‌ی خلیج سانفرانسیسکو تبدیل کرد.

سال ۲۰۲۵ شرکت هلندی ASML که غول بی‌رقیب تولید ماشین‌آلات نیمه‌هادی در جهان است، با سرمایه‌گذاری ۱٫۵ میلیارددلاری، ۱۱ درصد از سهام میسترال را خرید، اتحادی استراتژیک که ارزش شرکت را به ۱۴ میلیارد دلار رساند و به بنیان‌گذاران فرصت داد با تصاحب استارتاپ‌های Koyeb در حوزه‌ی زیرساخت ابری و Emmi AI در بخش شبیه‌سازی صنعتی، اکوسیستم همه‌جانبه‌ای توسعه دهند.

میسترال فلسفه‌ی مهندسی خود را در یک جمله خلاصه می‌کند: هر مدل باید کاری را که مدل‌های بزرگ‌تر انجام می‌دهند، با منابع کمتر انجام دهد.

نمود این نگاه را در عملکرد Mixtral می‌بینیم؛ مدلی مبتنی بر تکنیک آمیزه‌ی متخصصان (Mixture of Experts). در این روش، به‌جای اینکه کل شبکه‌ی عصبی برای پاسخ به یک درخواست فعال شود، تنها بخش کوچکی از «متخصصان» داخلی مدل فعال می‌شوند.

نتیجه‌ی این معماری، مدلی با دانش وسیع اما هزینه‌ی اجرای بسیار پایین‌تر نسبت به رقبای هم‌رده است.

خط تولید میسترال باظرافت برای نیازهای مختلف چیده شده است. مدل‌های رده‌ی Large برای پردازش‌های سنگین، Medium برای ایجاد تعادل بین هزینه و قدرت، و رده‌های Small و Ministral برای اجرای سبک روی سخت‌افزارهای محدود توسعه یافته‌اند.

نقطه‌ی عطف فناوری شرکت در اواسط سال ۲۰۲۵ رقم خورد؛ زمانی که میسترال با معرفی خانواده‌ی Magistral در دو نسخه‌ی کوچکو متوسط رسماً وارد دنیای مدل‌های استدلال‌گر شد. این مدل‌ها با قابلیت زنجیره‌ی تفکر مستقیماً به رقابت با مدل‌هایی مثل o1 اوپن‌ای‌آی رفتند.

روند به‌روزرسانی‌های میسترال هم نشان از شتاب بالای تیم توسعه دارد. در اواخر سال ۲۰۲۵، مدل غول‌پیکر Mistral Large 3 با ۶۷۵ میلیارد پارامتر که تنها ۴۱ میلیارد آن در هر لحظه فعال است، در کنار خانواده‌ی متراکم Ministral 3 معرفی شدند.

این تمرکز فنی به‌ویژه در حوزه‌ی برنامه‌نویسی به‌شدت جواب داده است؛ تا جایی‌که می ۲۰۲۶ مدل Medium 3.5 با کسب امتیاز ۷۷٫۶ درصد در بنچمارک معتبر SWE-Bench، به‌عنوان یکی از قدرتمندترین ابزارهای توسعه‌دهندگان شناخته شد.

اما استقرار تجاری قدرتمندترین مدل‌ها مثل رده‌ی Large، شامل محدودیت‌های تجاری می‌شوند. تصمیمی که اگرچه از نظر مالی منطقی به‌نظر می‌رسد، اما در بین جامعه‌ی حامیان متن‌باز بدون حاشیه و انتقاد نبوده است.

اگر مدل‌های زبانی موتور محرک میسترال باشند، پلتفرم اختصاصی آن‌ها یعنی La Plateforme، بدنه‌ی این ماشین محسوب می‌شود، جایی که توسعه‌دهندگان می‌توانند با مدل‌ها کار کنند، نمونه‌ی اولیه بسازند و مدل‌ها را با داده‌های اختصاصی خودشان تطبیق دهند.

برخلاف بسیاری از رقبا که امکان فاین‌تیون را یا اصلاً ارائه نمی‌دهند یا هزینه‌های نجومی برای آن می‌تراشند، میسترال از ابتدا این قابلیت را با قیمتی رقابتی در اختیار همه گذاشت؛ ویژگی‌ای حیاتی برای شرکت‌هایی که می‌خواهند هوش مصنوعی با لحن و واژگان تخصصی برند خودشان صحبت کند.

Le Chat که در زبان فرانسوی یعنی گربه، با لحنی بازیگوش و متفاوت از رقبای اتوکشیده‌ی آمریکایی‌اش، خیلی زود جای خود را میان کاربران اروپایی باز کرد.

عرضه‌ی اپلیکیشن‌های اندروید و آی‌اواس در اوایل ۲۰۲۵ و امضای قرارداد طلایی با آژانس خبری فرانسه (AFP) برای دسترسی به آرشیو غنی اخبار از سال ۱۹۸۳، حاکی از آن بود که میسترال برای دقیق و به‌روز بودن پاسخ‌های دستیارش برنامه‌های جدی دارد.

اواخر می ۲۰۲۶ میسترال با آگاهی از روند روبه‌رشد و تأثیرگذار عامل‌های هوش مصنوعی، با تصمیمی جسورانه برند محبوب Le Chat را کنار گذاشت و نام Vibe را جایگزین آن کرد تا محیطی یکپارچه را برای کار و کدنویسی فراهم کند؛ حرکتی که دقیقاً هم‌زمان با رقابت شدید OpenAI، گوگل و Anthropic بر سر تصاحب لایه‌ی پیش‌فرض هوش مصنوعی در محیط کار سازمانی رخ داد.

حساب‌ها، پلن‌ها و مکالمات قبلی کاربران بدون هیچ تغییری به Vibe منتقل شد؛ حتی آدرس chat.mistral.ai هم بدون تغییر باقی ماند. حالا دستیار جدید میسترال حول دو محور اصلی می‌چرخد: Work Mode و Code Mode.

برگ برنده‌ی Vibe در این بخش را شفافیت می‌دانند، زیرا این دستیار پیش از اجرای هر کار، یک برنامه‌ی گام‌به‌گام به کاربر ارائه می‌دهد و منتظر تأیید می‌ماند تا کاربر حس نکند مسیری کورکورانه را طی می‌کند.

در حالت برنامه‌نویسی هم توسعه‌دهندگان به محیط‌های ابری ایزوله‌ای دسترسی دارند که حتی با خاموش‌شدن لپ‌تاپ هم به کار خود ادامه می‌دهند. افزونه‌ی VS Code و رابط خط فرمان هم زیرساخت مشترکی دارند که امکاناتی مثل Skills، ساب‌ایجنت‌ها، برنامه‌های قابل‌ویرایش و جابه‌جایی سریع کار بین محیط‌ها را فراهم می‌کند.

شاید عجیب به نظر برسد شرکتی که اغلب مدل‌هایش را رایگان و متن‌باز منتشر می‌کند، رشد مالی چشمگیری داشته باشد. ولی مدل کسب‌وکار میسترال، در سه لایه تعریف می‌شود. لایه‌ی اول، مدل‌های رایگانی هستند که اعتماد می‌سازند و توسعه‌دهندگان را جذب می‌کنند.

لایه‌ی دوم، درآمد مستقیم از طریق فروش اشتراک سرویس‌هایی مثل Vibe و APIهای پلتفرم است و لایه‌ی سوم که پایه‌ی درآمدزایی شرکت به شمار می‌رود، به قراردادهای کلان سازمانی و دولتی تکیه دارد، به‌ویژه در صنایعی مثل بانکداری، تولید، دفاع، انرژی و بخش عمومی که کنترل و مالکیت عمیق بر داده‌هایشان را حیاتی می‌دانند.

اعداد و ارقام مالی نیز از موفقیت این استراتژی حکایت دارند. درآمد سالانه‌ی تکرارشونده‌ی (ARR) میسترال در یک جهش خیره‌کننده، از حدود ۲۰ میلیون دلار در اوایل ۲۰۲۵ به بیش از ۴۰۰ میلیون دلار در اوایل ۲۰۲۶ رسید؛ رشدی ۲۰ برابری در کمتر از یک سال که مدیران شرکت را امیدوار می‌کند تا پایان ۲۰۲۶ به مرز درآمد یک میلیارد دلار برسند.

بخش قابل‌توجهی از این رشد از مشارکت‌های صنعتی بزرگی حاصل می‌شود که میسترال به‌دقت انتخابشان می‌کند.

قراردادهای سنگین با شرکت‌های بزرگی مثل Accenture برای استقرار هوش مصنوعی سازمانی، شراکت ۱۰۰ میلیون یورویی با غول کشتیرانی CMA CGM، و اتحاد با ایرباس و بی‌ام‌و برای کاربردهایی از طراحی هواپیما تا شبیه‌سازی تصادفات، نشان می‌دهد که میسترال دقیقاً رگ خواب بازار اروپا را پیدا کرده است.

و این دقیقاً همان چیزی است که بانک‌ها، بیمه‌ها و نهادهای دولتی اروپایی، برای رهایی از وابستگی به پلتفرم‌های آمریکایی به دنبالش بودند.

میسترال برخلاف رقبایی که هدف نهایی‌شان را رسیدن به هوش مصنوعی عمومی (AGI) می‌دانند، از هوش مصنوعیِ متناسب با نیاز حرف می‌زند.

همین زاویه‌ی دید متفاوت باعث می‌شود مدل‌های شرکت تا این حد بهینه باشند؛ به‌طوری‌که در برابر هزینه‌ی ۵۵ دلاری مدل ارزان مانند Haiku 4.5 آنتروپیک برای پردازش ۵۰ میلیون توکن، مدل Mistral Small همان کار را تنها با ۸ دلار انجام می‌دهد؛ اختلافی هفت‌برابری که در دنیای واقعی، مرز بین سوددهی و شکست پروژه‌های سازمانی را تعیین می‌کند.

علاوه بر این‌ها، نباید از اهمیت حاکمیت داده‌ی اروپایی غافل شویم. برای شرکت‌هایی که زیر سایه‌ی قوانین سخت حریم خصوصی اروپا (GDPR) فعالیت می‌کنند یا در صنایع حساسی مثل بانکداری و دفاع حضور دارند، این‌که داده‌هایشان در کدام جغرافیا پردازش می‌شود یک الزام امنیتی است.

ملیت اروپایی میسترال، مزیتی ذاتی به این شرکت داده که غول‌های سیلیکون‌ولی به‌سادگی نمی‌توانند آن را شبیه‌سازی کنند.

با تمام این مزایا، میسترال در میدانی می‌جنگد که رقبایش تا دندان مسلح‌اند. برای مثال نقطه‌ضعف میسترال در برابر اوپن‌ای‌آی را در گستردگی اکوسیستم رقیب می‌بینیم. خالق ChatGPT با ابزارهای متنوع، دستیارهای سفارشی (GPTs) و یکپارچگی عمیق، پلتفرمی همه‌جانبه‌تر ارائه می‌دهد.

در مصاف آنتروپیک، بحث عمق استدلال مطرح می‌شود. مدل‌های خانواده‌ی Claude به‌ویژه رده‌ی Opus همچنان در کارهای پیچیده‌ای مثل دیباگ‌کردن کدهای سنگین یا تحلیل‌های عمیق حقوقی دست برتر را دارند و تحلیل‌ها نشان می‌دهد که مدل Mistral Large 3 در قابلیت‌های استدلال فرانتیر، فعلاً در رده‌ی پایین‌تری نسبت به بهترین‌های بازار قرار می‌گیرد.

در حوزه‌ی پردازش چندرسانه‌ای نیز گوگل جمنای با پنجره‌ی زمینه عظیمش انتخاب اول محسوب می‌شود.

پاسخ میسترال به این نیاز، ارائه‌ی کیفیتی در سطح ۸۰ تا ۹۰ درصد مدل‌های پرچم‌دار، اما با بخش کوچکی از هزینه‌ی آن‌هاست و صنعت نیز این جایگاه را تأیید می‌کند. هوش مصنوعی میسترال شاید همیشه بهترین مدل نباشد، اما هوشمندانه‌ترین انتخاب برای ترکیب کارایی، هزینه و امنیت داده به شمار می‌رود.

مسیر پرشتاب میسترال از سال ۲۰۲۳ تا به امروز، بدون چالش نبوده است. در وهله‌ی اول چرخش میسترال از یک استارتاپ کاملاً متن‌باز به شرکتی که قدرتمندترین مدل‌هایش را با محدودیت‌های تجاری عرضه می‌کند، انتقاد بخشی از جامعه‌ی توسعه‌دهندگان آزاد را به همراه داشت.

ازسوی‌دیگر، آرتور منش مدیرعامل شرکت نیز با لابی‌گری علیه بخش‌هایی از قانون هوش مصنوعی اتحادیه‌ی اروپا (EU AI Act)، میسترال را در کانون توجهات و فشارهای سیاسی قرار داد.

به‌علاوه هرچند درآمد صدها میلیون‌دلاری میسترال قابل‌تحسین است، اما توان سرمایه‌گذاری آن‌ها برای خرید سخت‌افزار و آموزش مدل‌های بزرگ هنوز قابل‌قیاس با بودجه‌های کلان اوپن‌ای‌آی یا گوگل نیست.

وابستگی مطلق به پردازنده‌های انویدیا نیز چنان محدودیتی برای عموم شرکت‌های هوش مصنوعی ایجاد کرده که میسترال برای رفع آن، حتی به ایده ریسک‌پذیر و پرهزینه‌ی طراحی تراشه‌های اختصاصی خودش فکر می‌کند.

باوجود تمام چالش‌ها، میسترال به افق بلندمدت عرصه‌ی هوش مصنوعی می‌نگرد. سرمایه‌گذاری برای ساخت یک دیتاسنتر اختصاصی ۱۰ مگاواتی در حومه‌ی پاریس با هدف‌گذاری بهره‌برداری در سه‌ماهه‌ی سوم ۲۰۲۶، نشان می‌دهد که مدیران شرکت برای استقلال زیرساختی خود برنامه‌هایی جدی تنظیم کرده‌اند.

ورود به حوزه‌ی ایجنت‌های سازمانی با پلتفرم Vibe و گره‌زدن نام شرکت با صنایع مادر اروپا ثابت می‌کند که استراتژی آن‌ها از فروش ساده‌ی API فراتر رفته است؛ آن‌ها می‌خواهند ثابت کنند در صنعتی که ظاهراً تحت سلطه غول‌های چندملیتی آمریکایی و چینی است، راه سومی هم وجود دارد.