Mistral 开源万亿参数编码模型 Large 4（Le Chonk），编码领先开源模型但仍落后中国模型

Mistral 发布了 Mistral Large 4 的权重，这是其迄今最大的模型。该公司称该模型在编程方面击败了开源竞争对手。在首次独立测试中，它速度快、价格也相当便宜，但在综合排名上落后于中国模型。

在公开预览三周后，Mistral 已将 Large 4 的权重放上了 Hugging Face。该模型的昵称是 "Le Chonk"。它以文本和图像作为输入，输出文本和代码。它总共有约一万亿参数，每步激活 520 亿参数。自己运行它需要大量硬件。根据推理框架 SGLang 的文档，标准版本需要八块 Nvidia B300 GPU，而压缩程度更高的变体可在四块 GB300 GPU 上运行。

自预览版发布以来，Mistral 一直在用强化学习继续训练该模型。该公司称这带来了巨大提升，尤其是在编程和网络防御方面。Mistral 研究员 Pierre Stock 和 Corentin Petit 在媒体电话会议上介绍了这一过程。团队在内部构建了随着训练推进而越来越难的任务。他们表示，性能的唯一限制在于团队还能创建并验证多难的任务。Mistral 称这是一项如今正在获得回报的“两年赌注”。

Large 4 在开源模型的编程方面领先，但大幅落后于 Claude

再经过三周的训练，Large 4 在 Terminal-Bench 4.0 上的得分从 28% 升至 41%。这使它略高于得分为 40% 的 GLM-5.3。Mistral 称 Large 4 在 Artificial Analysis 的编程智能体指数上达到 48%。这几乎与 GLM-5.3 打平，但 Large 4 使用的 token 少了 47%。搭载 Claude Opus 5.5 的 Claude Code 以 62 分位居该指数之首。

在 Cognition 全新的 FrontierCode 2.0 基准测试中，Large 4 以 19.7% 领跑开源模型。然而 Claude Opus 5.5 得分为 46%。在 Surge 进行的盲测对比中，测试者更喜欢 Large 4 的代码而非 GLM-5.3、Kimi K3 和 DeepSeek 的代码的情况居多。对阵 Opus 5.5 时，Large 4 只在 22% 的对决中获胜。

Mistral 的对比中没有包含 Moonshot 的 Kimi K3.1 Pro。严格来说这没问题，因为它的权重尚未公开。Moonshot 计划在 2026 年 11 月 4 日之前发布。在那之后，Mistral 恐怕剩不下多少领先优势了，因为 Kimi K3.1 Pro 以 67% 位居 Terminal-Bench 4.0 榜首。

Large 4 在网络防御的开源模型中排名第三，而非第一

Mistral 称 Large 4 是网络防御领域领先的开源模型。该公司表示，正式版在 Artificial Analysis 的 Cyber 指数上得分为 51%。该指数衡量模型能否在不破坏现有功能的前提下发现、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个开源模型排在它前面，DeepSeek V4.1 Flash 得分 57%，MiMo-V2.6-Pro 得分 56%。这使得 Large 4 在开源模型中排名第三，略高于得分为 50% 的 GLM-5.3 Flash。Kimi K3.1 Pro 以 64% 领跑整个指数。

额外的训练在这里几乎没有带来变化。据 Artificial Analysis 称，预览版得分为 50 分，正式版只高出一分。

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，高于其他任何开放模型。同时它仍应能处理合法的防御任务。不过，Mistral 承认该模型可能让真实攻击变得更容易，因此计划在未来几个月内收紧安全防护。Orange Cyberdefense 等特定合作伙伴已经在测试一个用于渗透测试的特殊版本。访问需要经过审查，并附带合同限制。

Mistral 还看到了办公工作方面的进展。该公司表示，在编辑电子表格和搜索网络方面，Large 4 在开放模型中仅次于 Kimi K3。

Mistral 降价，但附带许可协议的限制

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。预览版的标价为 1.36 美元和 4.18 美元。发布时，Mistral 曾在两周内降价至 0.68 美元和 2.09 美元，因此新价格大致相当于之前的优惠价。作为对比，Kimi K3.1 Pro 的价格为输入 2 美元、输出 10 美元。

Mistral 以修改版 MIT 许可证发布了该模型。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从 Mistral 获得单独的许可证。该公司主要将这个模型宣传为“主权”AI，因为它完全在欧洲训练，并且可以在你自己的服务器上运行。如果你不想自己托管，它也在 Microsoft Foundry 等平台上提供。

独立测试显示 Large 4 速度快、价格低，但仍赶不上中国最强的模型

Artificial Analysis 于周三发布了其 Intelligence Index 第 5 版。此后，它以高模式对 Large 4 的正式版进行了评分，得分为 26 分。该指数如今有五分之三依赖于任务或解决方案不公开的测试。这九项测试包括 Terminal-Bench 4.0 和 FrontierCode 2.0。

预览版得分为 25 分，因此额外的三周训练总共只增加了 1 分。Artificial Analysis 表示，Large 4 优于同规模开放模型的平均水平，后者的中位数为 23 分。但它仍不及来自中国的最强开放模型。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 的正面对比中，只有 DeepSeek V4.1 Flash 和 Muse Wonder 更快。使用 Large 4 完成一项指数任务平均花费 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）便宜，但远贵于 DeepSeek V4.1 Flash（0.60 美元）和 MiMo-V2.6-Pro（0.26 美元）。与同规模的其他开放模型相比，Artificial Analysis 仍认为其每 token 价格偏高。

Mistral 还承诺 Large 4 在 token 使用上是高效的，如今这一说法可以得到验证。该模型在整个指数上生成了 1.1 亿个输出 token，而预览版为 1.5 亿个。这是一个很大的改进。但同类模型的中位数为 1 亿，因此 Large 4 仍略高于中位数。

排行榜顶部的差距很大。Google 的 Gemini 4 Carbon 以 59 分领跑，领先 Claude Opus 5.5 一分。不过，目前只有特定的网络安全合作伙伴才能使用 Gemini 4 Carbon。排名最高的开源模型是 46 分的 Kimi K3.1 Pro，但其权重尚未发布。

Mistral 仍然认为自己走在正轨上。团队在新闻发布会上表示，他们所用的资源只是美国和中国实验室的一小部分，如果资本多十倍，他们就能位居榜首。Large 4 将作为 Mistral 专用模型的基础。对于基于它构建的更小版本，该公司暂未置评。

AI 新闻，不炒作 – 人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 新闻通讯、每年六期独家 "AI Radar" 前沿报告、完整档案访问权限，以及评论区的访问权限。