Mistral Large 4 发布说明

Mistral Large 4 (ML4)，非官方昵称为“le Chonk”，是一款拥有 1 万亿参数的原生多模态模型，旨在推动开源权重性能的前沿。该模型目前可通过 Mistral Studio API 以公开预览形式获取，完整权重预计将于 2026 年 10 月底发布。

模型架构与基础设施

ML4 是一种混合专家（MoE）模型，总参数量达 1 万亿，活跃参数为 490 亿。该模型使用 Mistral 自有的欧洲数据中心内的 3,800 块 NVIDIA Grace Blackwell GPU 从零开始训练。

为确保人工智能主权，该模型部署在 Mistral 完全运营的基础设施上，受欧洲法律管辖，独立于其他数字服务提供商。训练数据具有广泛的多语言特性，涵盖超过 160 种语言，包括所有欧盟官方语言。

ML4 被定位为最先进的开源权重模型，专为网络安全设计，旨在避免封闭模型中常见的“供应商级拒绝”问题，这些问题可能阻碍合法的漏洞研究。

人工分析网络安全指数：ML4 在全球范围内位列前五，并在非中国开发的开源模型中处于领先地位。
漏洞复现：在一项要求复现并修补真实开源软件漏洞的测试中，ML4 得分为 82%，优于 Claude Opus 5.5 和 GPT-6 Astra 等封闭模型，后两者因安全拒绝而得分接近零。
Cybench：该模型在该安全竞赛数据集的 40 个练习中解决了 93%。

B3 AI 安全基准：ML4 抵御了 93.3% 的攻击，表现出对间接提示注入的高鲁棒性。
KORA 基准：ML4 得分为 1.691（满分 2 为优秀），是所测试开源模型中的最高分。
恶意请求：尽管具备强大的网络安全能力，ML4 对恶意请求（通过 JailbreakBench、StrongREJECT 和 AgentHarm 测试）的平均拒绝率高于其他开源模型。

ML4 在软件工程和复杂业务自动化方面表现出高度熟练。

编程代理指数：ML4 综合得分为 49.8%，领先于 DeepSeek V4 Pro 0813 和 Qwen3.8 Max。
具体基准测试：在 DeepSWE v1.1 上得分为 61.7%，在 SWE-Atlas-QnA 上得分为 59.4%，在 Terminal-Bench 4 上得分为 28.3%。
人工评估：在 Surge AI 的盲测研究中，ML4 以 3.74 分位列五款模型中的第二名，仅次于 Claude Opus 5（4.22 分）。

AutomationBench：在包含 Gmail、Slack 和 Salesforce 等 657 个业务工作流中，ML4 得分为 59.9%，优于 Kimi K3 和 DeepSeek V4 Pro。
AA-Briefcase：在长周期知识工作中，ML4 达到 1,393 Elo 分，超过 DeepSeek V4 Pro。

ML4 在视觉理解与科学推理方面实现了显著进步。

ML4 能够对复杂文档、图表和千兆像素卫星图像进行推理。在视觉定位测试中，其在 Dense 200 基准上超越了 GPT-6-Astra（42% vs 41%）。

ML4 专为高精度专业任务优化。第三方评估机构 vals.ai 指出，ML4 在代表性法律和金融任务中超越了 GPT-6-Astra。此外，ML4 在 HarveyAI 的 Legal Agent 基准测试中优于所有开源模型。

Mistral 使用可组合的强化学习（RL）库，随着模型演进持续适应。该系统允许单次训练运行结合多种任务——从安全对齐到长周期工具使用——利用共享的代码沙箱和网络搜索等基础设施。

在 3,000 块 GPU 的规模下，单次训练每天可生成约 330 亿个 token，其中 160 亿为可训练的完成 token。Mistral 报告称，RL 过程目前“仍在进行中”，尚未达到饱和，表明随着计算资源的扩展，性能还将进一步提升。

来自 Hacker News 的社区反应呈现出兴奋与批判性观察的混合：

"开源权重，欧洲制造，网络安全能力媲美 GLM-5.3。还有什么不满意的？"

一些用户表达了对更多非中国开源模型的渴望，以挑战当前中国开源权重模型的主导地位；而另一些用户则指出，与 ML4 的庞大规模相比，像 DeepSeek v4.1 Flash 这样的小型模型在效率上更具优势。