Mistral发布万亿参数MoE模型Large 4

Mistral Large 4来了。法国AI实验室Mistral AI于2026年10月6日发布公开预览版旗舰模型Mistral Large 4（ML4），内部代号“Le Chonk”。这是一款总参数量达1.05万亿的细粒度混合专家（MoE）模型，每个token仅激活490亿参数，配备16亿参数视觉编码器与100万token上下文窗口，并原生支持图像输入。模型在Mistral位于欧洲的自建数据中心内，用3800块NVIDIA Grace Blackwell GPU从零训练而成。API已即时上线，模型权重则要等到10月底才正式开放——这家以开放权重路线著称的欧洲厂商，正试图用“万亿参数+开放权重”的组合，向硅谷闭源巨头与中国开源同行同时发起挑战。

稀疏激活：万亿参数为何能按中端价格提供服务

ML4采用指令与推理混合的MoE架构，每个token只激活约4.7%的权重，这正是万亿级模型能够以中端定价对外服务的关键。不过Mistral在模型文档中也提醒：全部1.05万亿参数仍需完整驻留显存，激活量决定的是计算成本，而非硬件账单——自托管者仍要为“装得下”这个模型付出真金白银。至于专家数量、top-k路由与层级结构等细节，官方尚未公布，要等权重发布后才能揭晓。

混合专家架构并非新事物——Mistral早在2023年底的Mixtral上就验证了这条稀疏化路线，此后DeepSeek、Kimi等厂商纷纷跟进，稀疏激活已成为万亿参数时代的默认选择。ML4的特别之处在于“细粒度”设计：更小的专家单元配合更灵活的路由，理论上能在同等激活量下实现更精细的能力分工，不过实际效果仍需等待权重开放后的社区验证。

训练数据覆盖超过160种语言，包括欧盟全部官方语言，这样的多语言广度在欧洲厂商中并不多见。从零开始在自建欧洲数据中心调度3800块Grace Blackwell GPU完成训练，也被视为Mistral对“欧洲AI主权”叙事的又一次加码：算力、数据与模型权重都留在欧洲境内，不依赖美国云巨头的托管服务。

网络安全成绩单：闭源模型拒答，ML4冲进全球前五

ML4最亮眼的表现在网络安全领域：Cybench得分93%，CyberGym-E2E得分82%，跻身Artificial Analysis网络安全指数全球前五。更有意思的是Mistral提出的结构性观察——多款前沿闭源模型在CyberGym-E2E上得分接近零，原因并非能力不足，而是直接拒绝执行任务。

Mistral指出，复现漏洞以证明其真实存在，本就是标准的防御性安全工作，而服务商层面的“一刀切”拒答会直接阻断这类正当流程。

这一论断直指当前大模型安全策略的痛点：过度保守的对齐让模型在防御场景中“自废武功”。这一现象也折射出行业分歧——服务商倾向于用严格拒答规避法律与声誉风险，安全从业者则认为过度拦截正在削弱模型的实战价值。如果ML4的分数经得起复现，它有望在红队演练、漏洞验证等企业安全场景中建立差异化优势，这也是Mistral把网络安全作为主打卖点的底层逻辑。

编程与盲测：分数亮眼，但暂难独立复现

在智能体编程方面，ML4在DeepSWE v1.1上得61.7%，SWE-Atlas-QnA得59.4%，Terminal-Bench 4.0得28.3%，合并后的Artificial Analysis编程智能体指数为49.8%。不过Mistral坦言，这些成绩是在评测框架公开之前私下测得的，暂时无法独立复现——换言之，官方数字目前只能“听其言”，社区验证要等评测框架公开之后。

相对更可信的信号来自与Surge AI合作的盲测：专业标注员给ML4预览版打出3.74分（满分5分），在5款参评模型中排名第二，领先GLM-5.3的3.60分与Kimi K3的3.59分，但仍明显落后于Claude Opus 5的4.22分。安全方面，ML4在Lakera B3基准上抵御了93.3%的攻击，在KORABench上取得1.691分（满分2.0）。

对比开源同行：参数、价格与开放程度的三重较量

与当前主流开放权重模型相比，ML4的处境颇为微妙：

• DeepSeek V4 Pro：总参数1.6万亿、每token激活49B，上下文同为100万token，但不支持原生图像输入；权重已上架Hugging Face（MIT许可），2026年8月发布（0813版本），API价格因服务商而异；
• Kimi K3：总参数2.8万亿、每token激活约104B，支持100万token上下文与原生图像输入，2026年7月16日发布，权重自7月27日起开放（Modified MIT许可），API定价为每百万token输入3美元、输出15美元；
• GLM-5.3：参数规模未官方公布，支持100万token上下文但不支持原生图像输入，权重已开放（采用GLM-5.3专用许可），2026年8月14日发布，API定价每百万token输入1.40美元、输出4.40美元。

ML4的优势在于原生图像输入与更低的API价格——每百万token输入1.36美元、输出4.18美元，缓存输入更是低至0.14美元；短板则是权重与许可条款均未落地。在“开放程度”这一开源阵营的核心战场上，Mistral目前反而落后于中国同行。

现在能用什么：API已上线，权重月底见分晓

预览版API已支持函数调用、结构化输出、文档问答、批处理以及Agents与Conversations端点。缓存输入定价为每百万token 0.14美元，在100万token窗口下，这将实质性改变长上下文智能体循环的成本结构——反复读取同一份长文档的场景，费用可以压缩一个数量级。

至于自托管，目前仍无从谈起：权重未发布、许可证未公布，企业用户只能观望。参照Mistral此前的惯例，其多个开放权重模型采用Apache 2.0等宽松许可，但ML4作为旗舰产品是否会延续这一策略，官方尚未表态——这也是10月底最值得关注的变量之一。

展望未来，ML4的真正考验在10月底：权重能否如期开放、许可条款是否足够宽松、第三方基准能否复现官方分数，将决定它是“开源阵营的新旗舰”，还是又一次“期货式发布”。在DeepSeek、Kimi、GLM相继把万亿参数模型权重摆上台面的当下，Mistral手里握着欧洲自建算力与多语言数据两张牌，但时间窗口并不宽裕。如果权重如期落地，100万token上下文加上0.14美元的缓存定价，可能让ML4成为长文档分析、合规审查与多语言智能体工作流的高性价比选项；反之，若发布再度跳票，市场对“欧洲开源旗手”的耐心也将被逐渐消耗。