Mistral Large 4（Le Chonk）为开发者打造，受防御者信赖。
Mistral Large 4（Le Chonk）为开发者打造，受防御者信赖。
返回博客
分享这篇文章 复制链接到剪贴板已复制思考
摘要
Mistral 发布了 Mistral Large 4（Le Chonk），这是一个 1 万亿参数的多模态模型，现已推出，在编码、网络安全和推理效率方面均有提升。它在编码和防御性安全领域的开放权重基准测试中领先，同时提供三种推理模式以平衡成本与性能。该模型完全开放权重并在欧洲训练，通过可定制的自托管部署选项赋能主权 AI。
我们发布 Le Chonk 的权重，推动开放模型在智能体编码和网络安全领域的前沿发展。
本月早些时候，我们在公开预览中发布了 Mistral Large 4（Le Chonk），这是我们旗舰级的 1 万亿参数原生多模态模型。预览版的反响超出了我们的预期，我们感谢开发者社区、早期访问客户和合作伙伴的支持、协作与反馈。
此后，我们将这些反馈付诸实践，同时继续扩大强化学习的规模，在 编码 和防御性 网络安全方面取得了巨大进步。提升仍在加速，没有饱和的迹象。
今天，我们发布这一改进版 Mistral Large 4 的权重。 新模型在推理效率方面也有大幅提升，让开发者在降低推理成本的同时获得更强的性能。
Mistral Large 4 被评为 编码领域最佳开放权重模型 ，也是全球整体能力最强的开放模型之一。它从零开始在欧洲基础设施上训练，从诞生到发布有着清晰的传承脉络，为组织提供了可信的主权 AI 基础
Mistral 正在定义主权 AI 这一类别，并引领开放前沿。我们致力于打造全球能力最强的模型并公开释放，让开发者、企业和机构能够拥有、定制并控制自己的 AI。
为构建者而生。
Mistral Large 4 在公开预览时就在各大领先编码基准测试中取得了强劲成绩。此后仅三周的额外强化学习就将其推至开放权重编码领域的前沿，在 FrontierCode 和 Terminal-Bench 上取得领先，同时在 Artificial Analysis Coding Agent Index 上与最佳开放权重模型持平，且 token 效率显著更高。
在 Cognition 的私有 FrontierCode 2.0 基准测试中——该测试评估端到端代码质量以及仓库维护者是否会合并智能体的改动——Mistral Large 4 以 19.7% 的得分领先。
Cognition - FrontierCode 2.0
推动智能体编码的帕累托前沿。
Mistral Large 4 以显著更少的 token 提供前沿编码性能，使复杂的编码智能体在大规模运行时更具经济性。
在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得分为 48%，与领先的开放权重模型 GLM-5.3 基本持平，而每任务平均使用的 token 少 47%。
Artificial Analysis Coding Agent Index 与 token 效率对比
Mistral
其他模型
Artificial Analysis 上各推理级别的 Coding Agent Index 得分与 token 效率
这些提升也延伸到了基于终端的编码工作流。在 Terminal-Bench 4.0 上，Mistral Large 4 相比公开预览版提升了 13 个百分点至 41%，在开放权重模型中领先，同时输出 token 减少了 30%。
Artificial Analysis Coding Agent Index - Terminal-Bench 4.0
为了让开发者更好地控制性能与成本之间的权衡，Mistral Large 4 现支持三种推理模式：
模式 | 推荐用途 |
低 | 简单任务；替代“无”推理模式 |
中 | 日常任务 |
高（默认） | 需要高精度和深入推理的最难用例 |
除基准测试外，Mistral Large 4 的编码能力还得到了人类偏好的验证。在 Surge Code 的盲测成对评估中，Mistral Large 4 相比包括 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 在内的领先开放权重模型更受青睐，在受评估模型中仅次于 Claude Opus 5.5。
Surge Code - 代码上的人类偏好
与其他模型盲测对比的胜率
Mistral Large 4 胜
其他模型
评分者更偏好 Mistral Large 4 回答而非对手回答的提示占比。
为防御者而生。
自预览以来，我们一直与领先的网络安全厂商合作，在真实环境中评估 Mistral Large 4，以检验其在漏洞复现和修补方面的优势。
Mistral Large 4 在 Artificial Analysis Cyber Index 上得分为 51%，该指数衡量模型发现代码库中的漏洞、复现并验证漏洞，以及在不破坏现有功能的情况下修补漏洞的能力。关键在于，Mistral Large 4 能在没有不必要拒绝的情况下处理这些正当的防御性安全任务。
Artificial Analysis - Cyber Index
安全性随能力同步提升。我们模型内置的防护机制能够区分防御性与恶意的攻击性网络安全任务。它在 Cyber 基准测试上保持强劲表现，同时对恶意网络请求的平均拒绝率达到 96.6%，是我们所测开放模型中最高的。
对有害网络请求的拒绝率
在 JailbreakBench、StrongREJECT 和 AgentHarm 网络相关提示上的平均拒绝率
以下是全球网络安全领袖对 Mistral Large 4 的评价：
Booz Allen的测试表明，欧洲的Mistral Large 4模型在我们内部的源代码安全分析基准测试中取得了成功。该模型在漏洞检测召回率上能够与其他前沿网络模型相匹敌，同时具备极具吸引力的成本曲线。此外，Mistral对模型定制和数据主权部署的支持，也让我们能够针对任务需求以及具有严格数据驻留要求的客户环境对其进行定制。我们期待与Mistral合作，共同加强全球关键基础设施。
Brad Medairy，Booz Allen Hamilton国家网络业务总裁
将透明和开放视为优势的组织，在AI日益成为安全运营核心的当下处于有利位置。开放权重网络安全模型将这种透明度延伸至需要在自身控制下托管和定制AI的企业与政府，并让研究人员能够研究这些模型的行为方式，包括它们可能被滥用的环节。随着对手越来越多地利用AI加速其行动，我们力求与Mistral等模型开发者并肩合作，帮助安全团队在此基础上建立控制，奠定“设计即韧性”的基础，而非被动应对威胁管理。
Amy Chang，Cisco AI威胁情报与安全研究负责人
当威胁以机器速度移动时，人工防御无法跟上节奏。更糟的是，你无法控制的防御不是防御——而是暴露。安全团队在掌握方向盘时表现最佳。Mistral的ML4让防御者能够审计架构、部署在自有基础设施上，并保持完全主权。韧性始于自主，开放权重模型有助于赋予组织掌控自身防御的主导权。
Stephanie Cohen，Cloudflare首席战略官
仅靠强大的AI模型无法在网络安全领域扭转局势。它需要深厚的安全专业知识、真实世界的威胁情报以及严格的测试。我们与Mistral Large 4的合作测试了前沿AI在推理复杂漏洞、加速修复以及确保防御者比对手行动更快方面的能力。
Bartley Richardson博士，CrowdStrike首席AI与自主系统官
Elastic让安全团队能够自由地将他们信任的AI引入他们掌控的数据，包括Mistral的开放模型，这些模型目前已在Elastic Security上获得支持。我们已经在真实的网络安全工作负载上评估了ML4，在这些场景中，模型需要跨复杂数据进行推理，以帮助分析师做出明智的调查与响应决策。这体现了我们正在建立的合作伙伴关系，旨在提供强大的开放权重模型，并结合客户所要求的安全上下文、透明度与控制力。
James Spiteri，Elastic产品管理高级总监
ENISA正在试验闭源和开放权重模型，以更好地了解其网络能力。开放权重模型使组织能够掌控其韧性所依赖的技术。ENISA已获得Mistral Large 4的访问权限并正在对其进行测试，以识别安全漏洞、审计代码并分析防御日志。
Laura Heuvinck，ENISA传播负责人
我们相信开放权重AI模型在推进网络安全方面发挥着重要作用，能够为组织提供更大的灵活性、选择权和控制力。像Mistral Large 4这样的创新代表着AI变革网络防御潜力的有前景的进步。我们将持续的AI创新视为加强网络安全、帮助组织应对不断演变的威胁格局的重要机遇。
John Whittle，Fortinet首席运营官
开放模型让安全研究人员和开发者能够检查、调整并基于AI进行构建。Mistral正在拓展生态系统所能构建的范围，我们在NVIDIA加速基础设施上的合作帮助开发者将这些模型投入实际使用。
Kari Briski，NVIDIA开放模型与软件副总裁
随着威胁变得愈发快速、工业化并如今实现自动化，防御必须以不同的规模运作。数量、速度、信任：这是AI时代网络安全面临的三大挑战。与Mistral AI携手，我们正在打造欧洲网络AI，由我们的专家训练并在其控制下运行。通过结合AI的力量、我们团队的专业知识以及我们的网络威胁情报，我们正在加速响应，从而能够更广泛、更快速地提供保护，并采用可信的欧洲技术。
Hugues Foulon，Orange Cyberdefense首席执行官
Rubrik支持Mistral以及推动“主权AI”的努力，为欧洲各国政府和受监管行业提供一个可信的选项，使其数据不会被路由到其他国家。客户希望有多种模型选择，包括开放权重模型和私有模型，以满足数据驻留、延迟、成本和能力要求。作为我们专注于提供网络韧性和加速从组织外部AI驱动攻击及内部代理中恢复的一部分，我们将继续对Mistral Large 4进行严格的网络安全测试，并紧密合作以满足不断变化的区域需求。
Anneka Gupta，Rubrik首席产品官
随着企业将AI投入生产，它们越来越希望模型能够按照自己的条件运行，并对模型行为、数据访问和代理权限有清晰的可见性。Mistral Large 4为开放权重AI带来了强大的网络安全和技术推理能力，许多欧洲企业已将其作为首选的主权模型加以采用。Zscaler的AI安全产品在我们的欧洲主权零信任交换平台上交付，现已与Mistral集成，帮助组织持续测试其AI部署、映射每个模型和代理可触及的范围，并内联执行策略。我们携手赋能企业采用主权AI，并具备安全创新所需的可见性、控制和数据保护。
Dhawal Sharma，Zscaler AI与数据安全执行副总裁
在预览版发布之后，我们仔细监控了实际流量中与网络安全相关的使用情况。尽管我们观察到该模型拒绝配合针对真实目标的黑盒攻击，但我们认为它存在被用于实施真实攻击的潜在提升风险。我们正在相应修改防护措施，并将在未来几个月内持续更新。
我们还将向Orange Cyberdefense等企业设计合作伙伴提供Mistral Large 4专用变体的预览访问权限，该变体针对高级网络安全工作流进行了优化，包括渗透测试、漏洞评估和红队演练。访问须经过严格审查并受合同保障措施约束，测试仅限于受控环境中自有或明确授权的系统。
与此同时，客户正在使用Mistral Forge，以专有安全数据、策略、检测逻辑和威胁环境对Mistral Large 4进行定制。对于定义明确的网络安全任务，还可进一步将其优化为更小的任务专用变体，以提高准确性，从而使安全应用更加有效。
为工作而生。
Mistral Large 4在一系列广泛的企业使用指标上持续提升。
对于财务相关工作，我们提升了模型执行真实工作流的能力，尤其是涉及财务和会计用例的电子表格创建与编辑。这体现在我们的 Finch 得分攀升至 73.3%，在开放模型中仅次于 Kimi K3。
FinWorkBench（Finch）
网页浏览 是大多数知识工作的关键组成部分。我们的强化学习流水线使我们能够在BrowseComp上达到84.5%（从达到75%的SFT检查点开始）。这使得Mistral Large 4的性能高于GLM-5.3或DeepSeek Flash 4.1 1017等模型。
网页浏览 - BrowseComp
组织部署的智能体必须具备安全性。 无论是部署给内部成员还是外部用户，智能体都不应让你暴露于系统提示词泄露或恶意代码注入等威胁之中。强化学习提升了我们在B3智能体安全基准上的成绩，Mistral Large 4抵御了97.1%的攻击，而预览版为93.3%。这使其位居开源前沿模型之首，意味着任何托管该模型的人都能无需额外调优即可运行安全的智能体。
B3 智能体安全基准——抗攻击能力
Mistral AI的这笔重大投资，印证了La Banque Postale一年多前做出的选择，也凸显了我们共同构建的长期战略伙伴关系的意义：支持一家开放且主权的欧洲AI领军企业崛起。对于一家公共与公民银行而言，技术主权并非可选项；它是维系客户信任的关键前提。这一开放模型的引入带来了新的机遇和用例。通过与Mistral AI合作，我们的目标是将人类专业知识与数字技术的最佳之处相结合，长期为客户和员工提供更优质的体验。
Zakaria Moursli，La Banque Postale 运营绩效、支付与数字服务执行副总裁
亲眼见证
网络漏洞分诊：智能体读取传入的漏洞报告，调查源代码和产品上下文，在隔离沙箱中复现缺陷，然后编写并迭代补丁，直到金丝雀漏洞利用不再奏效。
智能体网页开发： 在没有任何人工帮助的情况下，Mistral Large 4 构建了 Orbital Trace——一张实时 3D 地图，呈现约 19,000 颗卫星和碎片绕地球运行的状况。它拉取真实追踪数据，编写应用，在浏览器中使用该应用以捕捉自身的缺陷和卡顿，然后修复独立审查者指出的问题，直到所有要求都通过。
量子化学求解器： Mistral Large 4从零开始编写软件，计算电子在分子中的位置，并用标准化学工具检验其答案。随后它围绕该软件构建一个3D页面：选择苯或水等分子，拖动滑块将其拉开，观察化学键断裂时电子如何重新排布。
为主权而构建。
随着各组织围绕其知识和工作流构建 AI，主权意味着它们保留对所依赖模型以及所创造智能的控制权。
借助 Mistral Large 4，这种控制始于模型本身。各组织能够检查、定制该模型，并将其部署在自己的基础设施上。他们可以使用并改进 Mistral Large 4，而无需依赖 Mistral 通过 API 提供服务。Mistral Large 4 是在欧洲从零开始开发和训练的，这让各组织能够清楚地了解其所依托技术的来源。
控制权还延伸到 AI 在组织内部的运行方式。组织可以利用 Mistral Forge 围绕其专有数据定制 Mistral Large 4，并可以使用 Mistral Studio 构建、治理和改进由此产生的智能体与应用程序。 Forge，并可使用 Mistral Studio 构建、治理和改进由此产生的智能体与应用程序。 Studio。 Mistral 的应用 AI 专家可以与客户团队并肩合作，构建并部署这些量身定制的系统。通过这项工作，团队能够理解他们所构建系统背后的架构与决策，以及用于训练和运行该系统的方法，从而能够独立运行并改进其 AI。
在荷兰银行，我们相信开放透明的AI生态系统对于在金融行业负责任地推动创新至关重要。Mistral Large 4等进展表明，主权和开放权重的AI模型如何能够扩大欧洲组织可获得的可信解决方案范围。我们对正在取得的进展感到鼓舞，并将继续探索先进AI如何助力强化关键能力，包括网络安全。
Coen Klaver，荷兰银行（ABN AMRO Bank N.V.）网络防御总监
我们在 AI 模型领域看到的快速进展为芯片制造中的先进工程创造了令人振奋的机遇。我们使用 Mistral Large 4 的早期经验令人鼓舞，尤其是在模型性能要求更高的用例中。Mistral 对持续创新的承诺支持我们加快在整个半导体产品生命周期中应用 AI 的努力。
Arnaud Hubaux，AI 项目与战略负责人。
Mistral Large 4 是迈向金融级 AI 的重要一步：这是一个开放权重的模型，我们可以根据自身需求对其进行微调，部署在自己的基础设施上，并紧密集成到我们的数字渠道中。Hey Belfius 是这一合作伙伴关系如何帮助我们重新思考客户与银行互动方式的旗舰范例。
Nicolas Goosse，Belfius 数据洞察、分析与 AI 负责人
掌握我们的 AI，首先要掌握其架构和数据。对于最敏感的用例而言，能够使用欧洲开放权重模型并将其部署在我们自己的基础设施上，是增强我们的战略自主性和组织韧性的关键杠杆。Crédit Agricole Artificial Intelligence 与 Mistral 之间的产业合作在集团层面应对了这些挑战。“Le Chonk”模型以其推理能力和网络安全领域的表现脱颖而出，是这一合作所开启的可能性的一个充满前景的例证。
Oliver Biton，Crédit Agricole 集团首席信息官
我们对一个具有强大科学和视觉能力的开放权重模型感到兴奋。我们的工作高度专业化，因此模型的可适应性至关重要。借助 Mistral Large 4，我们看到了一个基础，可以围绕我们的科学家和工程师实际处理地球观测数据的方式构建工具——从图像到技术文档。
Giuseppe Borghi，ESA Φ-lab 负责人
AI主权不在于选择调用哪个API，而在于拥有按自己的方式运行、定制和构建AI的自由。Mistral Large 4将编码、多模态AI和网络安全方面的强大能力开放出来，为开发者、企业和国家提供了一个出色的开放基础，用以构建自己的AI并抵御网络威胁。
Jeff Boudier，Hugging Face 产品副总裁
强大的模型只是等式的一部分。开发者还需要自由决定它在哪里运行、如何优化，以及如何融入他们的系统。我们对 Mistral Large 4 感到兴奋，因为开放权重让构建者对这些决策拥有更多控制权，而不是让他们依赖单一托管服务。在 ZML，我们认为这种自由对于将 AI 的进步转化为有用、可部署的软件至关重要。
ZML 首席执行官 Steeve Morin
主权并不总是要求自托管；有时它只需要满足你控制要求的部署方式。对于偏好托管服务的组织，Mistral Large 4 可通过 Microsoft Foundry 获取，并为 Azure 开发者提供私有部署选项。
Microsoft 与 Mistral AI 共同致力于在下一代 AI 中扩大客户选择。作为首家向客户提供 Mistral Large 4 的云服务提供商，Microsoft 正通过 Microsoft Foundry 提供 Mistral 最新的开放权重模型，这是一个专为大规模评估、部署和运行模型而构建的企业 AI 平台。对于推进主权 AI 战略的组织而言，这一组合为其数据、基础设施和 AI 运营带来了更大的灵活性和控制力。
Tina Schuchman，Microsoft Foundry 企业副总裁
开始使用 Le Chonk 进行构建
Mistral Large 4 现已开放试用、部署和定制。
从 Mistral Studio 开始，通过 Mistral API 或 OpenRouter 使用。如需完全控制，请从 Hugging Face 下载开放权重，并使用 vLLM 或 SGLang 部署在你自己的基础设施上。模型卡和许可证包含了你开始使用所需的一切——而对于想要深入了解的人，完整的技术报告即将发布。你也可以在 Vibe Code 中试用新模型；给它一个要在你自己的仓库中构建的功能或要修复的 bug。Mistral Large 4 也可通过 NVIDIA 托管的端点获取。 Mistral Studio，通过 Mistral API或通过 OpenRouter如需完全控制，请从 Hugging Face 下载开放权重，并使用 vLLM 或 SGLang 部署在你自己的基础设施上。 Hugging Face ，并使用 vLLM 或 SGLang 部署在你自己的基础设施上。 模型卡 和 许可证 包含了你开始使用所需的一切——而对于想要深入了解的人，完整的技术报告即将发布。
你也可以在 Vibe Code；给它一个要在你自己的仓库中构建的功能或要修复的 bug。
NVIDIA 托管的端点，作为优化的 NVIDIA NIM 容器，用于通过 vLLM 提供服务。 NVIDIA 托管的端点，作为优化的 NVIDIA NIM 容器 用于配合 vLLM 提供服务。开发者可以使用开源的 NeMo AutoModel 库 进行定制，或使用开源 TensorRT LLM 库，用于高吞吐量服务。
企业还可以借助 Mistral Forge，根据其专有数据、用例和防护措施对 Mistral Large 4 进行定制。 联系我们的团队 了解更多。
该模型可在 Mistral 生态系统开放权重许可, 修改版 MIT 许可证。该模型可自由使用、修改、微调和商业化，唯一条件是：提供模型即服务（Model-as-a-Service）的企业在将模型用于商业用途前，必须先从 Mistral 获得单独的商用许可证。
从今天起，Mistral Large 4 的定价为 每百万输入 token $0.70 / M， $0.07 缓存输入 / M，以及 输出 / 百万 token / M tokens。
我们鼓励社区对 Mistral Large 4 进行测试。运行你自己的评估，挑战它的极限，并在 X、Discord 或 GitHub 上与我们分享你的发现。下一步计划Mistral Large 4 将成为新一代专用和优化版 Mistral 模型的基础。基于近期发布的 Voxtral 和 Timestral 等模型，我们将继续拓展开放权重 AI 的前沿，继续为开发者和企业提供更大的自由，以构建、定制并拥有自己的智能。Mistral Large 4全新开放权重的混合指令与推理 MoE，支持多模态输入；统一了指令、推理和智能体, Discord或 GitHub.
下一步
Mistral Large 4 将成为新一代专用和优化版 Mistral 模型的基础。基于近期发布的 Voxtral 和 Timestral我们将继续拓展开放权重 AI 的前沿，继续为开发者和企业提供更大的自由，以构建、定制并拥有自己的智能。
Mistral Large 4
全新
开放权重的混合指令与推理 MoE，支持多模态输入；在单一模型中统一了指令、推理和智能体能力，在网络安全、金融和制造业方面处于开放权重模型中的最先进水平，原生流利支持 160 多种语言。
多模态
推理
编码
智能体
网络安全
输入（/百万 token）
$0.7
输出（/百万 token）
$2.1
阅读更多
0%