Mistral AI 宣布开放新版 Le Chonk 的模型权重，称其在智能体编码与网络安全方向推进了开放前沿。该模型在 Cognition 的 FrontierCode 上位列开放模型第一，并在 Artificial Analysis 的 Pareto 效率上创下新基准；网络安全方面称达到 SOTA，经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。权重可在 Hugging Face 下载，并可用 Mistral Forge 定制后部署。Arthur Mensch 转发并表示近几周进展良好，如今权重已开放。
匹配字段标题、摘要
Mistral AI 于当地时间 10 月 29 日正式开放 Mistral Large 4（代号 le Chonk）模型权重，这是一款 1 万亿总参数、490 亿激活参数的原生多模态模型，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。官方称其在 Artificial Analysis Coding Agent Index 得分 48%，与 GLM-5.3 基本持平，但平均每个任务消耗的 Token 减少 47%。模型基于修改版 MIT 许可证发布，个人、学术、微调及常规商业化可免费使用，提供 MaaS 转售的云厂商需单独获取商业授权；在线调用定价为输入每百万 Token 0.70 美元、输出 2.10 美元。
匹配字段标题、摘要、正文
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型系列，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK，将听、思考、工具调用和说话整合进单一流式管线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言并带情感适配，智能体可在实时对话中调用外部系统，例如预约或查询发票。该系统可部署在自有基础设施或通过欧盟托管的 API 运行，转写定价为每分钟 0.0035 美元起。
匹配字段标题、摘要、正文
Mistral AI 发布首个时间序列基础模型系列 Timestral，包含 5M、28M、123M、209M 四个零样本预测模型，支持最长 32,768 个时间步的上下文。据 Mistral 自测，209M 版本在 GIFT-Eval、TIME 和 fev-bench 上位列零样本预训练模型第一，fev-bench SQL skill 得分为 50.39，高于 TimesFM-3 的 48.99。模型无需 GPU，在 8 线程服务器 CPU 上 209M 版本单次预测耗时 140 ms，权重以 Modified MIT 许可开放，可通过 pip 安装并部署在本地、VPC 或隔离环境。
匹配字段标题、摘要、正文
Mistral AI 以公开预览形式发布 Mistral Large 4（内部代号 Le Chonk），这是一个 1.05 万亿总参数、每 token 激活 49B 的细粒度 MoE 模型，配备 1.6B 视觉编码器和 100 万 token 上下文窗口，在 Mistral 自有欧洲数据中心用 3800 块 NVIDIA Grace Blackwell GPU 从零训练。API 预览已上线，输入每 100 万 token 收费 1.36 美元、输出 4.18 美元，缓存输入 0.14 美元，但权重要到 10 月底才发布，暂时无法自行部署。Mistral 报告其在网络安全任务上表现突出，Cybench 得分 93%、CyberGym-E2E 得分 82%，并称部分闭源前沿模型因直接拒绝任务而接近零分。
匹配字段标题、摘要、正文
Mistral AI 发布首款文本转语音模型 Voxtral TTS，参数规模 4B，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语共 9 种语言，具备情感表达和零样本跨语言音色适配能力。模型在 10 秒参考音频、500 字符输入的典型场景下延迟为 70ms，实时系数约 9.7x，现已通过 API 和 Mistral Studio 提供，定价为每 1k 字符 0.016 美元。官方称人工评测中其自然度优于 ElevenLabs Flash v2.5，并与 ElevenLabs v3 质量持平；带参考音色的版本以 CC BY-NC 4.0 许可在 Hugging Face 开放权重。
匹配字段标题、摘要、正文
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个主要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的版本，采用 Apache 2.0 许可。模型为 MoE 架构，128 个专家、每 token 激活 4 个，总参数 119B、每 token 激活 6B（含嵌入和输出层为 8B），上下文窗口 256k，支持文本与图像输入，并可通过 reasoning_effort 参数在快速响应与深度推理之间切换。官方称相比 Mistral Small 3，端到端完成时间减少 40%，每秒请求数提升 3 倍；推理模式下在三项基准上匹配或超过 GPT-OSS 120B，且输出更短。
匹配字段标题、摘要
Mistral AI 发布 Voxtral Transcribe 2，包括批量转写模型 Voxtral Mini Transcribe V2 和实时模型 Voxtral Realtime。两者支持 13 种语言；前者提供说话人分离、上下文偏置和词级时间戳，单次可处理最长 3 小时音频，API 价格为 $0.003/min。4B 参数的 Realtime 延迟最低可配置至 200ms 以下，API 价格为 $0.006/min，并以 Apache 2.0 许可开放权重。
匹配字段标题、摘要
Mistral AI 发布 Mistral OCR 3，其在表单、扫描文档、复杂表格和手写内容上相较 Mistral OCR 2 的总体胜率为 74%。该模型可通过 API（mistral-ocr-2512）及 Document AI Playground 使用，支持输出 Markdown、嵌入图片和以 HTML 重建的表格。价格为每 1,000 页 $2，Batch API 优惠价为 $1，并支持向后兼容和私有化部署。
匹配字段标题、摘要、正文
Mistral AI 推出 Devstral 2 编程模型家族及开源命令行智能体 Mistral Vibe CLI，可执行跨文件代码修改与工程任务。123B 和 24B 模型均支持 256K 上下文，在 SWE-bench Verified 上分别获得 72.2% 和 68.0%；小模型支持消费级硬件本地部署。Devstral 2 目前可免费调用 API，免费期后输入与输出每百万 Token 分别为 $0.40 和 $2.00。
匹配字段标题、摘要、正文
Mistral AI 推出 Mistral 3 模型家族，包括 3B、8B 和 14B 的 Ministral 3，以及采用稀疏 MoE 架构、含 41B 激活参数和 675B 总参数的 Mistral Large 3，均以 Apache 2.0 许可证发布。Ministral 3 提供 base、instruct 和 reasoning 版本，Mistral Large 3 提供 base 与 instruct 版本并将推出 reasoning 版本；该系列现已登陆 Mistral AI Studio、Amazon Bedrock、Azure Foundry、Hugging Face 等平台。
匹配字段标题、摘要、正文
Mistral AI 发布 Codestral 25.08，并公布完整企业编程技术栈，称实测中已接受的补全增加 30%、建议后保留代码增加 10%，失控生成减少 50%。该技术栈整合 Codestral Embed、Devstral 与 Mistral Code，支持云、VPC 和本地部署，并提供 SSO、审计日志与使用可观测性；Mistral Code 的完整本地部署计划于 Q3 GA。
匹配字段标题、摘要、正文
Mistral AI 发布 Voxtral 语音理解模型，包括面向生产应用的 24B 版本和面向本地及边缘部署的 3B 版本，均采用 Apache 2.0 许可证。模型支持 32k Token 上下文、最长 30 分钟转录或 40 分钟理解，并提供音频问答、摘要、多语言识别和语音 Function Calling。模型可从 Hugging Face 下载或通过 API 使用，价格为每分钟 $0.001 起。
匹配字段标题、摘要
Mistral AI 发布首款推理模型 Magistral，主打专业领域、透明且多语言的推理能力，提供 24B 参数的 Magistral Small 和企业版 Magistral Medium。两者在 AIME2024 分别得分 70.7% 和 73.6%，采用 majority voting @64 后升至 83.3% 和 90%。Small 以 Apache 2.0 许可开放权重并支持自行部署；Medium 预览版可通过 Le Chat 和 La Plateforme API 使用。
匹配字段标题、摘要、正文
Mistral AI 发布首款专用于代码的嵌入模型 Codestral Embed，称其在真实代码检索评测中优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。该模型支持调整嵌入维度和精度，即使采用 256 维 int8 输出也领先上述竞品。其上下文长度为 8192 tokens，但官方建议检索时使用 3000 字符、重叠 1000 字符的分块。
匹配字段标题、摘要
Mistral AI 与 All Hands AI 联合推出面向软件工程任务的智能体大语言模型 Devstral，并以 Apache 2.0 许可证开放。该模型在 SWE-Bench Verified 上得分 46.8%，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。Devstral 目前为研究预览版，API 价格为每百万输入 Token $0.1、每百万输出 Token $0.3，也支持自行部署。
匹配字段标题、摘要、正文
Mistral AI 发布 Mistral Medium 3，称其在多项基准测试中达到或超过 Claude Sonnet 3.7 约 90% 的表现，并重点提升编码和多模态理解能力。该模型定价为每百万 Token 输入 $0.4、输出 $2，支持云端、企业本地或 in-VPC 部署，自托管至少需要四块 GPU，并提供定制后训练及企业系统集成能力。
匹配字段标题、摘要、正文
Mistral AI 发布 Mistral Small 3.1，提升文本性能和多模态理解，将上下文窗口扩展至 128k tokens，推理速度达每秒 150 tokens。该模型采用 Apache 2.0 许可证，基础版和指令版均已开放，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。用户现可通过 La Plateforme API 和 Google Cloud Vertex AI 使用，NVIDIA NIM 与 Microsoft Azure AI Foundry 将在未来几周提供。
匹配字段标题、摘要、正文
Mistral AI 发布 24B 参数区域语言模型 Mistral Saba，面向中东和南亚，支持阿拉伯语及多种印度语言，尤其擅长泰米尔语。该模型可通过 API 使用，也可在客户安全环境内以单 GPU 本地部署，响应速度超过 150 tokens per second。Mistral AI 称其回答比参数量超过其 5 倍的模型更准确、更相关，同时速度更快、成本更低。
匹配字段标题、摘要、正文
Mistral AI 发布延迟优化的 24B 参数模型 Mistral Small 3，并以 Apache 2.0 许可开放预训练和指令微调检查点。官方称其 MMLU 准确率超过 81%、推理速度达 150 tokens/s，与 Llama 3.3 70B instruct 表现相当且在同一硬件上快 3x 以上。量化后可在单张 RTX 4090 或配备 32GB RAM 的 Macbook 上本地运行，并已通过 la Plateforme 及合作平台提供。
匹配字段标题、摘要