Mistral und NVIDIA entwickeln KI-native Engineering-Workflows und offene Benchmarks
Mistral AI und NVIDIA arbeiten an KI-nativen Engineering-Workflows, die Mistral Large 4 mit NVIDIAs beschleunigter Rechentechnik verbinden. Laut Mistral sollen damit Simulationen im Ingenieurwesen schneller werden und geschlossene Workflows entstehen, die Simulation, KI-Modellentwicklung und Konstruktion miteinander verknüpfen.
- Mistral und NVIDIA wollen Mistral Large 4 mit NVIDIA CUDA-X-Bibliotheken und Warp kombinieren, um Simulationen im Engineering zu beschleunigen.
- Die Unternehmen planen öffentliche Benchmarks und offene Datensätze für Physikmodelle und für agentische KI in CAE und EDA.
- Mistral Large 4 hat rund 1 Billion Parameter insgesamt und 49 Milliarden aktive Parameter und wurde auf 3.800 NVIDIA-Grace-Blackwell-GPUs trainiert.
- Laut Mistral sollen die Gewichte von Mistral Large 4 Ende Oktober veröffentlicht werden.
- Mistral strebt bis 2030 eine Rechenkapazität von 1 GW an.
Was die Zusammenarbeit umfasst
Mistral will Mistral Large 4 mit eigenen Pipelines zur Datengenerierung und Physikmodellierung kombinieren, beschleunigt durch NVIDIA CUDA-X-Bibliotheken und NVIDIA Warp. Das erklärte Ziel: Simulationen im Engineering beschleunigen und geschlossene Workflows ermöglichen, die Simulation, KI-Modellentwicklung und Konstruktion verbinden.
Die beiden Unternehmen wollen außerdem daran arbeiten, Mistrals Modelle in die NVIDIA-Omniverse-Bibliotheken zu integrieren, um GPU-beschleunigt 3D-Szenen zu erzeugen und SimReady-Assets zu erstellen.
Neil Ashton, VP of Computational Engineering bei Mistral, sagte: "For too long, the pace of engineering has been set by the pace of simulation." Mistrals Open-Weight-Modelle und Physik-KI-Fähigkeiten böten zusammen mit NVIDIAs Stack für beschleunigtes Rechnen Ingenieurinnen und Ingenieuren schnellere Simulationszyklen und offene Benchmarks, fügte er hinzu.
Öffentliche Benchmarks und offene Datensätze
Ein zentraler Teil des Projekts ist die Entwicklung öffentlicher Benchmarks und offener Datensätze zur Bewertung von Physikmodellen. Laut Mistral sollen sie Forschenden, Entwicklern und Industrieteams eine gemeinsame Grundlage bieten, um Genauigkeit und Leistung von Modellen zu vergleichen sowie automatisierte CAD-to-Simulation-Workflows zu entwickeln und zu validieren.
Die Unternehmen planen zudem eigene Evaluierungen für agentische KI im Computer-Aided Engineering (CAE) und in der Electronic Design Automation (EDA), ausgerichtet auf Anwendungsfälle in Luft- und Raumfahrt, Automobilbau und Halbleiterindustrie. Diese Benchmarks sollen prüfen, ob Agenten:
- Engineering-Werkzeuge nutzen können,
- mehrstufige Workflows abschließen können,
- technisch korrekte Ergebnisse liefern.
Gemessen werden sollen außerdem Ausführungszeit und Rechenaufwand. Mistral zufolge soll die Arbeit helfen, Standards für die Bewertung von Agenten- und Physik-KI im Engineering zu definieren, mit einheitlichen, reproduzierbaren Methoden, um Fähigkeiten zu beurteilen und Fortschritte zu verfolgen.
Tim Costa, Vice President und General Manager für Industrial and Computational Engineering bei NVIDIA, sagte, die nächste Welle technischer Durchbrüche entstehe aus dem Erkunden von Ideen, die früher zu komplex oder zu zeitaufwendig zum Testen waren. Er verwies auf "shared industry benchmarks to build confidence in what AI can do."
Aufbau auf einer bestehenden Partnerschaft
Die Engineering-Initiative erweitert eine Partnerschaft der beiden Unternehmen, die offene Modellentwicklung, domänenspezifische KI und Produktionsinfrastruktur umfasst. Gemeinsam entwickelten sie zuvor Mistral NeMo und arbeiten nun über die NVIDIA Nemotron Coalition an einem Frontier-Basismodell, das die Grenze offener Gewichte voranbringen soll.
Mistral hat zudem kürzlich die öffentliche Vorschau von Mistral Large 4 vorgestellt, genannt Le Chonk, das Unternehmen als sein bislang größtes und leistungsfähigstes Frontier-Modell beschreibt. Laut Mistral hat das multimodale Modell rund 1 Billion Parameter insgesamt und 49 Milliarden aktive Parameter. Trainiert wurde es auf 3.800 NVIDIA-Grace-Blackwell-GPUs in von Mistral betriebenen Rechenzentren in Europa. Mistral zufolge verbessert es die Fähigkeiten bei Programmierung, agentischen Workflows und multimodalem Verständnis; die Gewichte sollen Ende Oktober veröffentlicht werden.
Bei der Infrastruktur nimmt Mistral nach eigenen Angaben zusätzliche NVIDIA-basierte Kapazitäten in Betrieb, im Rahmen einer Compute-Roadmap mit dem Ziel von 1 GW Kapazität bis 2030.
Was das für Engineering-Teams bedeutet
Die Ankündigung ist eher eine Richtungserklärung als ein Produktstart: Zu Veröffentlichungsterminen, Preisen oder Leistungsergebnissen der neuen Workflows macht die Quelle keine Angaben. Das konkreteste Versprechen ist gemeinsames, öffentliches Evaluierungsmaterial. Wird es eingelöst, hätten Forschende und Industrieteams in Luft- und Raumfahrt, Automobilbau und Halbleiterbranche gemeinsame Benchmarks, um Physikmodelle und Engineering-Agenten zu vergleichen, auch bei Geschwindigkeit und Kosten.
Mistral versteht das Vorhaben als Weg für Unternehmen, KI rund um ihre eigene Expertise aufzubauen und weltweit zu skalieren, mit europäischer Infrastruktur und offenen Modellen.
Mistral AI: Mistral Advances AI for Engineering with NVIDIA
