Mistral Large 4（Le Chonk）：欧洲 1 万亿参数开源权重模型的「主权 AI」豪赌

2026 年 10 月 6 日，Mistral AI 开放了 Mistral Large 4（ML4，绰号 Le Chonk）的公开预览。这是该公司迄今最大的模型，也是它对「开源权重」最强烈的一次表态：一个原生多模态、细粒度专家混合（MoE）的模型，总参数 1.05 万亿、每 token 激活 49B，另有一个 1.6B 的视觉编码器与 100 万 token 的上下文窗口。你今天就能通过 Mistral 的预览 API 调用它，但「权重」——那个让它称得上「开源」的部分——要等到月底才发布。这一条缝隙，正是「你能用它」与「你能自己跑它」之间的差别，也应当决定你如何看待下面的一切。

ML4 在 Mistral 欧洲数据中心、由 3800 张 NVIDIA Grace Blackwell GPU 训练

Mistral 究竟发布了什么

核心是规模：总参数 1.05 万亿、激活 49B。但细节更重要。ML4 采用细粒度专家混合（MoE）设计，每个 token 只激活网络的一小部分，正因如此，一个万亿参数模型才能被负担得起地服务。它是原生多模态的——图像与文本共用一个模型，而非外挂适配器——并以 100 万 token 上下文进入公开预览。公告里最关键的从句很容易被忽略：「权重于月底发布。」在此之前，ML4 是一个披着开源权重外衣的 API 产品。

# Mistral Large 4 (ML4), from Mistral's launch post and model docs.
# Facts, not vibes: all fields below are vendor-stated.

ML4 = {
    'release': '2026-10-06 (public preview)',
    'architecture': 'granular Mixture-of-Experts, natively multimodal',
    'total_params': '1.05T',
    'active_params': '49B',
    'vision_encoder': '1.6B',
    'context_window': '1M tokens',
    'weights': 'scheduled end of month',
    'languages': '160+',
}

为欧洲而生，也由欧洲训练

ML4 完全在 Mistral 自有的欧洲数据中心、用 3800 张 NVIDIA Grace Blackwell GPU 从零训练，预览也运行在同一套基础设施上。训练数据中有相当比例是多语言的，覆盖 160 多种语言，包括欧盟全部官方语言。这就是「主权 AI」论证的具体形态：企业或政府可以把模型与推理都留在自己掌控、且法律可审计的司法管辖区之内。Mistral 称 ML4 是一份由 30 亿欧元 D 轮融资所支撑路线图的首个里程碑，并称这是欧洲科技公司史上最大的股权融资。

# Compare cost per solved task, not cost per token.
# API rates from Mistral docs: $1.36 in / $4.18 out per 1M tokens.

PRICE = {'input': 1.36, 'cached_input': 0.14, 'output': 4.18}  # USD / 1M tokens

def cost_per_task(tokens_in, tokens_out, tasks_solved, cached=0):
    billed_in = max(tokens_in - cached, 0)
    spend = (billed_in / 1e6) * PRICE['input']
    spend += (cached / 1e6) * PRICE['cached_input']
    spend += (tokens_out / 1e6) * PRICE['output']
    return spend / max(tasks_solved, 1)

# A cheaper token that solves fewer tasks is not cheaper at all.

安全是最锋利的那把楔子：复现并修补漏洞测试得分 82%

网络安全是最锋利的楔子

ML4 划线最清晰之处在安全领域。在 Artificial Analysis Cyber Index 上，它位列全球前五，据 Mistral 称还大幅领先中国以外的开源权重模型。在一个要求模型复现真实漏洞并修补的测试中，ML4 得 82%，是 Mistral 测过的所有模型中最高；在 40 道 Cybench 题中解出 93%。而包括 Claude Opus 5.5 与 GPT-6 Astra 在内的若干领先闭源模型，在同一复现测试上接近零分——因为它们拒绝执行该任务。这正是要点：防御软件往往始于证明漏洞真实存在，而这恰恰是安全过滤器可能拦下的工作。

# Route by task. Pay frontier prices only where they change the outcome.

def pick_model(task):
    if task.kind in ('security_repro', 'vuln_patch', 'doc_reasoning'):
        return 'mistral-large-4'      # strong open-weight cyber + multimodality
    if task.kind == 'agentic_coding' and task.needs_self_host:
        return 'mistral-large-4'      # last resort: still a preview today
    if task.kind == 'cheap_classify':
        return 'ministral-3-8b'       # do not burn frontier tokens here
    return canonical_default(task)

Agent 编程与工作流数据

在编程方面，Mistral 给出 DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，合并的编程 Agent 指数 49.8%——按它援引的数据，领先 DeepSeek V4 Pro 与 Qwen3.8 Max。在覆盖 Gmail、Sheets、Slack、Salesforce 等应用、657 条业务流程的 AutomationBench 上，它得 59.9%。在长周期知识工作基准 AA-Briefcase 上达到 1393 Elo。在多模态 Dense 200 视觉定位上以 42% 对 41% 略胜 GPT-6 Astra。这些都应视为厂商自报、待独立复现的数据，但方向是一致的：安全与文档最强，Agent 编程有竞争力。

# A minimal, honest eval harness: run your own suite, not the headline.

def evaluate(candidate, baseline, suite):
    rows = []
    for case in suite:
        a = candidate.solve(case)
        b = baseline.solve(case)
        rows.append({
            'case': case.id,
            'candidate_ok': a.ok, 'baseline_ok': b.ok,
            'candidate_cost': a.cost, 'baseline_cost': b.cost,
        })
    wins = sum(r['candidate_ok'] and not r['baseline_ok'] for r in rows)
    return {'net_wins': wins, 'cases': len(rows)}

编程 Agent 指数 49.8%——很强，但仍是厂商自报数据

定价、可得性，以及「开源」在此处到底指什么

预览定价为每百万输入 token 1.36 美元、每百万输出 token 4.18 美元、每百万缓存输入 token 0.14 美元，经由 Mistral API 与 Studio 提供。权重于月底到来，在此之前，管辖它的许可证尚未敲定——这意味着你现在可以用 API 做原型，但还不能假定本地或气隙部署的可用性。Mistral 称 ML4 将可在私有云或本地运行以支撑安全运营，并将覆盖多个区域，其中包括一个由 Mistral 端到端运营的欧盟部署。对受监管的买方而言，这正是需要持续盯住的那一条。

# Pre-adoption checklist for an open-weight preview.

CHECKLIST = [
    'weights downloadable today?  -> no (end of month)',
    'license finalized?           -> no (pending)',
    'can it run air-gapped?       -> stated yes, once weights ship',
    'benchmarks independently reproduced? -> no, vendor-reported',
    'pinned a date to re-evaluate?-> yes (weights day)',
]

如何真正评估它

用你自己的任务来评判 ML4。把它放进你的编程 Agent 骨架、置于功能开关之后，跑你现有的评测集，比较「每个已解决任务的成本」，而不是「每 token 成本」。对安全团队，去测那些闭源模型拒绝执行的漏洞复现流程，然后亲自核验每一个输出。设一个月底的提醒——当权重、架构细节与最终许可证落地时，「主权、可自托管」这一主张才能被检验，而非被宣称。预览是一个假设，你的评测集才是实验。