Mistral AI šauna nuo 20 mln. iki 400 mln. dolerių: kodėl europinis OpenAI palyginimas klaidina

Kai įmonė per vienerius metus šokteli nuo 20 milijonų iki daugiau nei 400 milijonų JAV dolerių metinių pasikartojančių pajamų, jai jau nebetinka etiketė „dar vienas startuolis“. Būtent taip dabar atrodo Mistral AI istorija. 2026 m. liepos 4 d. TechCrunch aprašė įmonę, kurią daugelis vis dar bando sutalpinti į patogų palyginimą su „europiniu OpenAI“, nors realybė yra gerokai painesnė ir įdomesnė.

Mistral jau seniai gyvena tarp dviejų skirtingų pasaulių. Viename jų yra vartotojams pažįstamas pokalbių robotas ir viešas triukšmas aplink didelius modelius. Kitame – labai žemiškas darbas su vyriausybėmis, didelėmis korporacijomis ir jų vidinėmis sistemomis. Būtent čia prancūzų bendrovė, pasak TechCrunch, įgyvendina savo tikrąjį augimą: padeda klientams diegti modelius, taiko juos konkretiems procesams ir pritaiko prie jų duomenų.

Tai svarbu dėl vienos paprastos priežasties: ne visi dirbtinio intelekto pinigai šiandien ateina iš žaismingų chatbotų. Didžiausi biudžetai dažnai slepiasi ten, kur vadovai nori greitesnių dokumentų analizės, geresnės vidinės paieškos, automatinio klientų aptarnavimo ar asmeninių modelių, kurie matytų tik įmonės duomenis. Mistral būtent ten ir bando įsitaisyti. Arthur Mensch savo „LinkedIn“ įraše, kurį minėjo TechCrunch, beveik tiesiai pasakė, kad bendrovė užsiima ne tik modelių kūrimu, bet ir jų diegimu klientų infrastruktūroje.

Šitas posūkis padeda suprasti, kodėl Mistral nebėra verta vertinti vien pagal tai, kiek ji panaši į amerikietišką konkurentą. Taip, bendrovė vis dar kuria didelius kalbos modelius, taip, ji dar tikisi vieną vasaros modelį paleisti ankstyvos prieigos režimu, ir taip, ji nori išlikti tarp tų įmonių, kurios kalba apie atviresnius modelius. Tačiau kartu ji vis labiau atrodo kaip įmonė, kuri nori užimti vietą ne ant vartotojo telefono ekrano, o IT skyriaus viduje.

Ir čia atsiranda dar viena įdomi detalė. TechCrunch rašo apie galimą 3,5 milijardo dolerių lėšų raundą, kuris Mistral vertę pakeltų iki 23,15 milijardo dolerių ir beveik padvigubintų ankstesnį įvertinimą. Tokie skaičiai nėra tik gražus antraštės triukas. Jie rodo, kad rinka Mistral vis dažniau mato kaip rimtą infrastruktūrinį žaidėją, o ne kaip smalsų Europos projektą, bandantį pasivyti Silicio slėnį.

Bendrovės augimo kreivė irgi atrodo neįprasta. Palyginti su kai kuriomis JAV frontier labų istorijomis, Mistral veikia su mažesniu kapitalu, bet bando spausti daugiau iš kiekvieno sandorio. TechCrunch cituoja ir faktą, kad įmonės annual recurring revenue pasiekė daugiau nei 400 milijonų dolerių. Dar prieš metus šis skaičius buvo apie 20 milijonų. Tokia dinamika rodo ne tik paklausą, bet ir tai, kad įmonių pirkėjai Europoje bei už jos ribų nori alternatyvos keliems labai dideliems JAV tiekėjams.

Visgi nereikėtų apsigauti ir manyti, kad Mistral jau laimėjo. Bendrovė pati pripažįsta, kad geriausių kalbos modelių titulo kol kas neturi. Menschas sakė, kad atotrūkis mažėja, bet dar nėra panaikintas. Kita vertus, būtent čia slypi ir jos stiprybė: Mistral neapsimeta, kad vienas didelis modelis išspręs viską. Ji stato ant kelių sluoksnių – viešų modelių, įmonėms pritaikytų įrankių, pagalbos diegiant ir specifinių sričių, kuriose reikia ne gražaus demo, o realaus rezultato.

Jeigu europinė AI rinka iki šiol dažnai atrodė tarsi nuolatinis bandymas pasivyti kitus, Mistral bent jau šiuo metu pasako kitokią istoriją. Ji ne tiek vejasi, kiek ieško savo nišos ten, kur klientui svarbiausia kontrolė, duomenys ir praktinis pritaikymas. O paprastam skaitytojui tai reiškia vieną dalyką: dirbtinis intelektas jau seniai nėra tik pokalbis su robotu. Vis dažniau tai yra labai brangus verslo įrankis, tyliai perrašantis, kaip dirba didelės organizacijos.

Kodėl tai svarbu ne tik investuotojams

Mistral augimas svarbus ir tiems, kurie niekada nesiderės dėl įmonės AI sutarties. Jei Europoje atsiranda tiekėjas, galintis rimtai kalbėtis su stambiomis organizacijomis, mažėja priklausomybė nuo kelių JAV gigantų. Tai nereiškia, kad viskas staiga tampa paprasčiau. Bet vartotojams ir verslams atsiranda daugiau pasirinkimo, daugiau spaudimo kainoms ir daugiau erdvės lokalizuoti produktus.

Tuo pačiu ši istorija gražiai primena, kad „atviras modelis“ ir „atvira rinka“ nėra tas pats dalykas. Net jei vasarą pasirodys naujas open-weight modelis, didžiausia vertė gali slypėti ne pačiame modelyje, o tame, kas jį diegia, prižiūri ir pritaiko konkrečiam klientui. Būtent todėl Mistral dabar verta sekti atidžiai – ne dėl gražios etiketės, o dėl to, kad ji vis labiau tampa rimtu AI infrastruktūros vardu.

Net ir tie skaičiai dar neatsako į klausimą, kodėl Mistral staiga atrodo tokia svarbi. Atsakymas slypi tame, kad dirbtinio intelekto rinka pamažu skyla į dvi dalis. Vienoje pusėje lieka plataus vartojimo įrankiai, kuriuos žmonės naudoja savo telefone ar naršyklėje. Kitoje atsiranda sunkesnė, mažiau matoma infrastruktūra: įmonių duomenys, vidiniai procesai, specifiniai modeliai ir saugumo ribos. Mistral vis labiau žaidžia būtent ten, kur žaidžia didelės organizacijos.

Tai ir yra priežastis, kodėl „europinis OpenAI“ palyginimas pradeda slysti. Jis patogus antraštėms, bet klaidina skaitytoją. Mistral nėra tik viešas chatbotas, kurį galima įvertinti pagal stilingą sąsają ar socialiniuose tinkluose pasidalintą ekrano nuotrauką. Bendrovė stengiasi būti tiek modelių kūrėja, tiek jų diegimo partnerė, o tokia kombinacija dažnai atneša daugiau pinigų nei vien vartotojams skirta programa.

Vienas svarbus niuansas čia yra ir žodis „atviras“. Open-weight modelis nereiškia, kad viskas staiga tampa visiškai laisva ir paprasta. Tai vis dar gali būti komerciškai valdoma ekosistema, kurioje svarbiausią vertę kuria ne pats failas, o jo palaikymas, integracija ir darbas su klientu. Kitaip tariant, Mistral gali būti atviresnė nei keli jos konkurentai, bet tai nereiškia, kad ji dirba altruistiškai ar be aiškaus verslo modelio.

Būtent todėl šios savaitės istorija neapsiriboja vien skaičiais. Ji rodo, kad europinė AI scena po truputį bręsta. Nebereikia kiekvieną kartą klausti, ar kas nors dar gali pasivyti Silicio slėnį. Kartais svarbesnis klausimas yra visai kitoks: kas gali pasiūlyti aiškų, saugų ir praktišką būdą naudoti modelius ten, kur duomenų valdymas ir atsakomybė svarbesni už triukšmą aplink demo versiją.