Mistral 发布 Mistral Large 4 权重，编码能力领先开源模型但整体落后中国模型

要点

Mistral 已发布其迄今最大模型 Mistral Large 4 的权重。该公司称，该模型在编码方面胜过其开源竞争对手。在首次独立测试中，它表现出速度快、价格相对便宜的特点，但在总排名上落后于中国模型。

在公开预览三周后，Mistral 已将 Large 4 的权重上传至 Hugging Face。该模型的昵称为“Le Chonk”。它以文本和图像为输入，输出文本和代码。其总参数量约为 1 万亿，每步激活 520 亿。自行运行该模型需要大量硬件。根据推理框架 SGLang 的文档，标准版本可在八块 Nvidia B300 GPU 上运行，而压缩程度更高的变体可在四块 GB300 GPU 上运行。

自预览以来，Mistral 一直通过强化学习继续训练该模型。该公司称这带来了巨大提升，尤其是在编码和网络防御方面。Mistral 研究人员 Pierre Stock 和 Corentin Petit 在新闻电话会上详细介绍了这一过程。团队在内部构建了随训练推进而难度递增的任务。他们表示，性能的唯一限制是团队还能创建并验证多难的任务。Mistral 称这是一项“为期两年的赌注”，如今正在收获回报。

Large 4 在编码方面领先开源模型，但大幅落后于 Claude

再经过三周训练后，Large 4 在 Terminal-Bench 4.0 上的得分从 28% 升至 41%。这使其略高于得分为 40% 的 GLM-5.3。Mistral 称，Large 4 在 Artificial Analysis 的 Coding Agent Index 上达到 48%。这与 GLM-5.3 几乎持平，但 Large 4 达到该成绩所用的 token 少 47%。使用 Claude Opus 5.5 的 Claude Code 以 62 分位居该指数榜首。

在 Cognition 的新基准 FrontierCode 2.0 上，Large 4 以 19.7% 领先开源模型。然而，Claude Opus 5.5 的得分为 46%。在 Surge 进行的盲测比较中，测试者多数情况下更偏好 Large 4 的代码，而非 GLM-5.3、Kimi K3 和 DeepSeek 的代码。在与 Opus 5.5 的对比中，Large 4 仅赢得 22% 的对局。

Mistral 的对比未纳入 Moonshot 的 Kimi K3.1 Pro。严格来说这是合理的，因为其权重尚未公开。Moonshot 计划在 2026 年 11 月 4 日前发布这些权重。在那之后，Mistral 可能不会剩下多少领先优势，因为 Kimi K3.1 Pro 以 67% 位居 Terminal-Bench 4.0 榜首。

Large 4 在网络防御方面在开源模型中排名第三，而非第一

Mistral 称 Large 4 是网络防御领域的领先开源模型。该公司称，最终版本在 Artificial Analysis 的 Cyber Index 上得分为 51%。该指数衡量模型能否在不破坏现有功能的情况下发现、复现并修补代码库中的安全漏洞。然而，Mistral 自己的图表显示有两款开源模型领先于它，DeepSeek V4.1 Flash 为 57%，MiMo-V2.6-Pro 为 56%。这使 Large 4 在开源模型中排名第三，仅略高于得分为 50% 的 GLM-5.3 Flash。Kimi K3.1 Pro 以 64% 领跑整个指数。

额外训练在这方面几乎没有带来变化。根据 Artificial Analysis 的数据，预览版得分为 50 分，而最终版本仅高出一分。

Large 4 在拒绝有害请求方面表现更好。Mistral 称，该模型平均拒绝 96.6% 的恶意网络请求，高于任何其他开源模型。它仍应能够处理合法的防御性任务。不过，Mistral 承认该模型可能使真实攻击更容易实施，因此计划在未来几个月收紧防护措施。Orange Cyberdefense 等部分合作伙伴已在测试用于渗透测试的特殊版本。访问需要经过审核，并附带合同限制。

Mistral 也看到了办公工作方面的进展。该公司称，在编辑财务电子表格和搜索网页方面，Large 4 在开源模型中仅次于 Kimi K3。

Mistral 降价，但增加了许可证限制

通过 API，Large 4 的价格为每百万输入 token 0.70 美元、每百万输出 token 2.10 美元。在预览期间，标价为 1.36 美元和 4.18 美元。Mistral 在发布时将其降至 0.68 美元和 2.09 美元，为期两周，因此新价格大致与旧折扣持平。作为对比，Kimi K3.1 Pro 的输入价格为 2 美元，输出价格为 10 美元。

Mistral 以修改版 MIT 许可证发布该模型。使用、修改和商业部署均免费。然而，将 Large 4 作为商业云服务提供的公司需要获得 Mistral 的单独许可。该公司主要将该模型宣传为“主权”AI，因为它完全在欧洲训练，并可在你自己的服务器上运行。如果你不想自行托管，它也可在 Microsoft Foundry 等平台上使用。

独立测试显示 Large 4 快速且便宜，但无法赶上中国最好的模型

Artificial Analysis 于周三发布了其 Intelligence Index 的第 5 版。此后，它对高模式下的 Large 4 最终版本进行了评分，得分为 26 分。该指数中现在有五分之三依赖任务或解决方案未公开的测试。这九项测试包括 Terminal-Bench 4.0 和 FrontierCode 2.0。

预览版得分为 25 分，因此额外三周的训练总体上只增加了一分。Artificial Analysis 表示，Large 4 超过了同等规模开源模型的平均水平，后者的中位数为 23 分。但它仍落后于中国最强的开源模型。DeepSeek V4.1 Flash 和 GLM-5.3 各得 32 分，MiMo-V2.6-Pro 得 30 分。这一差距并不新鲜。在旧版指数中，预览版得 38 分，GLM-5.3 得 45 分。

Large 4 的优势在于速度和成本。该模型每秒生成 161 个 token，高于预览版的 111 个。在 Artificial Analysis 的正面比较中，只有 DeepSeek V4.1 Flash 和 Muse Wonder 更快。使用 Large 4 时，一项指数任务的平均成本为 2.06 美元，低于预览版的 5.54 美元。这使得 Large 4 比 GLM-5.3（5.01 美元）和 Kimi K3.1 Pro（3.68 美元）更便宜，但比 DeepSeek V4.1 Flash（0.60 美元）和 MiMo-V2.6-Pro（0.26 美元）贵得多。与同等规模的其他开源模型相比，Artificial Analysis 仍认为其每 token 价格偏高。

Mistral 还承诺 Large 4 在 token 使用上很高效，这一说法现在可以验证了。该模型在整个指数测试中生成了 1.1 亿个输出 token，而预览版为 1.5 亿个。这是很大的改进。但可比模型的中位数为 1 亿个，因此 Large 4 仍略高于该水平。

指数顶部的差距很大。谷歌的 Gemini 4 Carbon 以 59 分领先，比 Claude Opus 5.5 高一分。不过，目前只有部分网络安全合作伙伴可以使用 Gemini 4 Carbon。排名最高的开源模型是 Kimi K3.1 Pro，得 46 分，但其权重尚未发布。

Mistral 仍认为自己的方向正确。该团队在新闻电话会议上表示，其使用的资源只是美国和中国实验室的一小部分，如果有十倍的资金，就会位居榜首。Large 4 旨在作为 Mistral 专用模型的基础。该公司暂不评论基于它构建的更小版本。