Mistral Large 4 放出权重：价格砍半、编码并列第一，综合智能指数比 GLM-5.3 低 6 分 (2026)

北京时间 10 月 29 日 20 点，Mistral 挂出公告，Mistral Large 4 的权重放出来了。1

两个多小时后，Hugging Face 权重仓才出现第一条提交，标题是 Initial release。2

仓库里是 54 个分片，合计 1.06 TB。3

先说结论

是什么：10 月 6 日预览过的那个 1T 参数多模态 MoE（混合专家，每次只激活一小部分参数），这次是同一个模型又训了三周，然后连权重一起放出来。1 4
规格：模型卡写每 token 激活 49B，52B 是把 embedding 与输出层算进去；模型页写 1.05T 总参、52B 激活、1.6B 视觉编码器。3 5
官方说法：编码是开源第一，网络安全、金融、制造都是开源最强，恶意请求的拒答率也是开源最高。1 3
独立口径：AA 编码智能体指数 48，比 GLM-5.3 的 49 低 1 分；AA 智能指数 v5 是 26 分，比 GLM-5.3 和 DeepSeek V4.1 Flash 的 32 低 6 分。3
多少钱：每百万 token 输入 0.70 美元、缓存输入 0.07、输出 2.10；Batch 再打五折。1 6
怎么拿：FP8 权重 1.06 TB，NVFP4 版 610 GB；许可是改过的 MIT，拿它做 MaaS 生意要先跟 Mistral 另签。3 7 8

快速核对

项目	内容	来源
发布时刻	2026-10-29 20:00（北京时间）；权重仓 22:11 才有第一条提交	公告 · 提交记录
模型谱系	10 月 6 日公开预览的那个模型，多训三周后开放权重	公告
规格	1T 总参（模型页写 1.05T）、每 token 49B 激活、52B 含 embedding 与输出层、1.6B 视觉编码器	模型卡 · 模型页
架构	72 层、128 个路由专家每 token 选 4 个加 1 个共享专家、MLA（多头潜在注意力）加稀疏注意力每次选 2,048 个位置、KV 跨层共享	HF 博客 · params.json
上下文与输出	上下文 1,048,576 token；OpenRouter 记单次输出上限 262,144	params.json · OpenRouter 目录
权重	FP8 1.06 TB、54 分片；NVFP4 610 GB、32 分片	FP8 仓 · NVFP4 仓
许可	Mistral Ecosystem Open-Weight License，改过的 MIT；做 MaaS 要另签商业许可	许可全文
价格	每百万 token 输入 0.70 / 缓存输入 0.07 / 输出 2.10 美元；Batch 五折	公告 · 定价说明
可用入口	Mistral API 与 Studio、Vibe Code、OpenRouter、微软 Foundry、NVIDIA 托管端点与 NIM 容器、社区 GGUF	公告
时效窗口	官方 demo 站首发一周给每位访客一点免费额度；要评测趁现在，AA 榜上还没有终版	模型卡 · AA 榜单

1.06 TB 的下载，八卡一个节点

FP8 权重按 128×128 的分块量化存放，54 个分片加起来 1.06 TB。3

NVFP4 版把同样的参数压到 610 GB，官方说这一版面向 Blackwell 显卡。3 7

官方给的部署例子都用 8 卡一个节点：vLLM 用 tensor-parallel-size 8，SGLang 用 tp-size 8。3

显存里扣掉权重之后，还要留一块给 1M 上下文的 KV 缓存（推理时要保存的上下文状态）。

checkpoint 里还塞了一个叫 DSpark 的投机解码头，3 层稠密 MLA：先用它猜一小段草稿，再由主模型批量校验。3 打开后官方测到最高 1.9 倍的吞吐提升，代价是多占一点显存。

架构上，文本解码器 72 层、隐层 6,144、64 个注意力头。每四层里有三层用 RoPE、一层不用，层与层之间共享 KV 状态。9

专家路由是 128 选 4，另加 1 个共享专家，词表 204,800。10 这些数字决定了自建的硬件底线：整机多卡，单卡放不下。

那两个参数量，是同一件事的两种数法

10 月 6 日预览时留下的口径疑问，这次模型卡自己说清了：每 token 激活 49B，把 embedding 与输出层算进来是 52B。3

模型页仍然写 52B 激活，两处不再打架。5 1T 与 1.05T 的差距来自取整，模型卡写「约 1T」，模型页写 1.05T。

训练规模没变：3,800 张 NVIDIA Grace Blackwell，在 Mistral 自己的欧洲机房从零训练。3

编码成绩单，分三个口径看

第一个是 Cognition 的 FrontierCode 2.0，一个私有榜，评的是改动能不能被仓库维护者合并。1

Mistral Large 4 拿 19.7%，排第一；第二名 DeepSeek V4.1 Flash 19.3%，差 0.4 个百分点。1

题集不公开，外部能看到的就是官方的柱状图。

第二个是 Artificial Analysis 的编码智能体指数。Mistral Large 4 是 48，GLM-5.3 是 49，DeepSeek V4.1 Flash 46，Kimi K3 41。3

公告的说法是「实际上与 GLM-5.3 持平，每任务少用 47% 的 token」。1

分数能核，省下的 token 数没有公开数字：AA 的公开页没给这批模型的逐家 token 量。

两栏柱状图：左边是 AA 编码智能体指数，Mistral Large 4 为 48、GLM-5.3 为 49、DeepSeek V4.1 Flash 1017 为 46；右边是 AA 智能指数 v5，三家分别为 26、32、32 — *自制图，数据取自官方模型卡里的两张图表。同一个模型，编码差 1 分、综合差 6 分，这两个差距要分开记。出自权重仓模型卡。*

第三个是 Terminal-Bench 4.0。这一版 41%，预览版自报 28%，GLM-5.3 是 40%。1

三个数字放在一起，进步主要发生在预览到正式之间。

人类偏好另算一组。Surge Code 的盲测里，它相对 GLM-5.3 和 Kimi K3 都是 64 比 36 取胜。1

相对 DeepSeek V4.1 Flash 是 56 比 44，相对 Claude Opus 5.5 是 22 比 78。开源模型里它偏好最高，跨到闭源旗舰就差得很远。

网络安全：51% 与 82% 各量什么

公告正文给的数：AA Cyber Index 上 51%，理由是它能找到漏洞、复现、再打补丁，而且不随便拒答。1

同一份公告的图里，这个 51% 排在第五。1

前面的两家是中国开源模型：DeepSeek V4.1 Flash 57%，MiMo-V2.6-Pro 56%。再往下是 GLM-5.3 Flash 50%、Kimi K3 41%。

横向条形图：AA 网络安全指数上，DeepSeek V4.1 Flash 1017 为 57%、MiMo-V2.6-Pro 为 56%、Mistral Large 4 为 51%、GLM-5.3 Flash 为 50%、Kimi K3 为 41%、GLM-5.3 为 36%、Beam 1.0 为 34% — *自制图，数据取自官方公告的内嵌图表（2026-10-29）。同一张图里，Mistral Large 4 前面还有两家中国开源模型。出自公告。*

82% 是另一个数字：AA Cyber Index 里「复现一个真实漏洞再修补」那一项。9 同一天发布的 Hugging Face 博客仍按 82% 引用。9

10 月 6 日的预览公告也写这一项 82%，并说明整份指数上它是「中国之外的开源模型里领先」。4

两份说法拼起来，位置是清楚的：单项第一，整份指数第五。1 4

权重仓的模型卡却写成「网络安全上开源最强」。3 放到自家图表旁边看，这句话只在单项上成立。

真正拿到第一的是拒答率。恶意网络请求的平均拒答 96.6%，官方称开源模型里最高。1

这个数测的是 JailbreakBench、StrongREJECT、AgentHarm 三个题库里的网络类提示。1

公告末尾还有一段值得留意。预览期他们观察到模型不接受针对真实目标的黑盒攻击，但看到了被用来做真实攻击的可能，护栏会据此调整。1

同一段还写：经过审核的企业设计伙伴可以拿到一个专攻渗透测试、漏洞评估与红队的变体，测试限于自有或书面授权的系统。1

综合智能指数 26 分

AA 智能指数 v5 上，Mistral Large 4 是 26 分。3

同图里 GLM-5.3 与 DeepSeek V4.1 Flash 都是 32，MiMo-V2.6-Pro 30，Muse Spark Open 25。3

官方把这句话限定成「西方开源模型里最高」。3 放到全开源里，它比榜首低 6 分。

AA 的公开榜此刻只有预览版：25 分，每任务 5.54 美元，上下文记的是 524k。11 终版还没进榜。

另外三张图

金融场景的 Finch 是 73.3%，官方说开源第二，第一是 Kimi K3 的 77.3%。1

网页浏览的 BrowseComp 是 84.5%。官方只跟 GLM-5.3 的 82.5 和 DeepSeek 的 83.4 比。1 同图里 Kimi K3 是 91.2。

智能体安全基准 B3 上，攻击抵抗率从预览版的 93.3% 升到 97.1%，官方称自建方不用额外调优就能跑一个安全的 agent。1

价格、Batch，和第三方还没换的价目

官方价格是每百万 token 输入 0.70 美元、缓存输入 0.07、输出 2.10，公告用了「Starting today」。1 模型页显示同样的三个数。5

Mistral 的定价说明写 Batch 处理打五折、缓存输入最多省 90%。6

第三方那条路还没跟上。截至 10 月 29 日 22 时 25 分，OpenRouter 目录里同一个模型仍是输入 1.36、缓存输入 0.14、输出 4.18。12

这三个数正好是 Mistral 新价的两倍，像是预览期的价目还没换。

AA 上预览版的每任务成本是 5.54 美元。11

官方说这一版在 Terminal-Bench 4.0 上输出 token 少三成，单价又减半，同样的活应该更便宜。AA 没有给出新数字。

模型页面的版本标记仍停在「October 6, 2026 / Public Preview v26.10」，描述里已经写成 open-weight。5

查版本信息时，看价格比看标签准。

许可里有一条会掐住转售

许可是 Mistral Ecosystem Open-Weight License，改过的 MIT：可以用、改、微调、商用。8

唯一的附加条件在第 2 条。如果经营「模型即服务」业务，把模型或衍生品以 API、托管端点等方式提供给第三方，且第三方能实质控制输入、参数或训练数据，就要先跟 Mistral 签一份商业许可。8

内部使用不受这一条约束，通过 Mistral 官方产品访问也不受约束。8 把模型能力嵌进面向终端用户的具体功能或流程里，同样在豁免范围内。8

社区这边已有现成的量化与运行支持：Unsloth 与 llama.cpp 团队都放了 GGUF，vLLM 和 SGLang 都发了这一模型的官方镜像。3 9

该不该试

已经在用预览 API：先把 reasoning 档位查一遍。新版有低、中、高三档，默认高档，档位直接决定 token 与账单。1
想自建：按 1.06 TB 的权重规划机器，先试 NVFP4 的 610 GB；官方示例一律 8 卡一个节点。3 7
做编码 agent：AA 指数 48 对 GLM-5.3 的 49，差 1 分；「省 47% token」是官方口径，拿自己的仓库跑 A/B 才算数。1
做安全工具：区分两个数——整份指数 51%，复现加修补那一项 82%；要评估误伤，看 96.6% 的拒答率。1 9
想做托管转售：先看许可第 2 条，跟 Mistral 谈商业许可，再算成本。8

还没有的数字

技术报告与后训练方法：预览公告承诺会公开架构、更多基准和后训练方法。这次给了架构，训练配方仍然缺。4
FrontierCode 的题集与评分细节：19.7% 与 19.3% 差在哪些题上，外部看不到。1
AA 的终版条目：榜单还是预览版的 25 分，新版本的每任务成本、速度、首 token 都要等复跑。11
51% 与 82% 的关系：官方没有解释这两个数怎么落到同一份指数上。1 9
训练算力细节：只有 3,800 张 Grace Blackwell 这一句，token 数与数据构成都没给。3

References

1
Mistral Large 4 (Le Chonk) is now open weight
mistral.ai
2
权重仓提交记录
huggingface.co
3
Mistral-Large-4-1T-A52B 模型卡
huggingface.co
4
Introducing Mistral Large 4
mistral.ai
5
Mistral Large 4 模型页
docs.mistral.ai
6
Mistral 定价说明
docs.mistral.ai
7
NVFP4 权重仓
huggingface.co
8
Mistral Ecosystem Open-Weight License
huggingface.co
9
Welcome Le Chonk: Mistral Large 4 on Hugging Face
huggingface.co
10
params.json
huggingface.co
11
Artificial Analysis LLM Leaderboard
artificialanalysis.ai
12
OpenRouter 模型目录
openrouter.ai

北京时间 10 月 29 日 20 点，Mistral 挂出公告，Mistral Large 4 的权重放出来了。1

两个多小时后，Hugging Face 权重仓才出现第一条提交，标题是 Initial release。2

仓库里是 54 个分片，合计 1.06 TB。3

先说结论

是什么：10 月 6 日预览过的那个 1T 参数多模态 MoE（混合专家，每次只激活一小部分参数），这次是同一个模型又训了三周，然后连权重一起放出来。1 4
规格：模型卡写每 token 激活 49B，52B 是把 embedding 与输出层算进去；模型页写 1.05T 总参、52B 激活、1.6B 视觉编码器。3 5
官方说法：编码是开源第一，网络安全、金融、制造都是开源最强，恶意请求的拒答率也是开源最高。1 3
独立口径：AA 编码智能体指数 48，比 GLM-5.3 的 49 低 1 分；AA 智能指数 v5 是 26 分，比 GLM-5.3 和 DeepSeek V4.1 Flash 的 32 低 6 分。3
多少钱：每百万 token 输入 0.70 美元、缓存输入 0.07、输出 2.10；Batch 再打五折。1 6
怎么拿：FP8 权重 1.06 TB，NVFP4 版 610 GB；许可是改过的 MIT，拿它做 MaaS 生意要先跟 Mistral 另签。3 7 8

快速核对

项目	内容	来源
发布时刻	2026-10-29 20:00（北京时间）；权重仓 22:11 才有第一条提交	公告 · 提交记录
模型谱系	10 月 6 日公开预览的那个模型，多训三周后开放权重	公告
规格	1T 总参（模型页写 1.05T）、每 token 49B 激活、52B 含 embedding 与输出层、1.6B 视觉编码器	模型卡 · 模型页
架构	72 层、128 个路由专家每 token 选 4 个加 1 个共享专家、MLA（多头潜在注意力）加稀疏注意力每次选 2,048 个位置、KV 跨层共享	HF 博客 · params.json
上下文与输出	上下文 1,048,576 token；OpenRouter 记单次输出上限 262,144	params.json · OpenRouter 目录
权重	FP8 1.06 TB、54 分片；NVFP4 610 GB、32 分片	FP8 仓 · NVFP4 仓
许可	Mistral Ecosystem Open-Weight License，改过的 MIT；做 MaaS 要另签商业许可	许可全文
价格	每百万 token 输入 0.70 / 缓存输入 0.07 / 输出 2.10 美元；Batch 五折	公告 · 定价说明
可用入口	Mistral API 与 Studio、Vibe Code、OpenRouter、微软 Foundry、NVIDIA 托管端点与 NIM 容器、社区 GGUF	公告
时效窗口	官方 demo 站首发一周给每位访客一点免费额度；要评测趁现在，AA 榜上还没有终版	模型卡 · AA 榜单

1.06 TB 的下载，八卡一个节点

FP8 权重按 128×128 的分块量化存放，54 个分片加起来 1.06 TB。3

NVFP4 版把同样的参数压到 610 GB，官方说这一版面向 Blackwell 显卡。3 7

官方给的部署例子都用 8 卡一个节点：vLLM 用 tensor-parallel-size 8，SGLang 用 tp-size 8。3

显存里扣掉权重之后，还要留一块给 1M 上下文的 KV 缓存（推理时要保存的上下文状态）。

架构上，文本解码器 72 层、隐层 6,144、64 个注意力头。每四层里有三层用 RoPE、一层不用，层与层之间共享 KV 状态。9

专家路由是 128 选 4，另加 1 个共享专家，词表 204,800。10 这些数字决定了自建的硬件底线：整机多卡，单卡放不下。

那两个参数量，是同一件事的两种数法

10 月 6 日预览时留下的口径疑问，这次模型卡自己说清了：每 token 激活 49B，把 embedding 与输出层算进来是 52B。3

模型页仍然写 52B 激活，两处不再打架。5 1T 与 1.05T 的差距来自取整，模型卡写「约 1T」，模型页写 1.05T。

训练规模没变：3,800 张 NVIDIA Grace Blackwell，在 Mistral 自己的欧洲机房从零训练。3

编码成绩单，分三个口径看

第一个是 Cognition 的 FrontierCode 2.0，一个私有榜，评的是改动能不能被仓库维护者合并。1

Mistral Large 4 拿 19.7%，排第一；第二名 DeepSeek V4.1 Flash 19.3%，差 0.4 个百分点。1

题集不公开，外部能看到的就是官方的柱状图。

第二个是 Artificial Analysis 的编码智能体指数。Mistral Large 4 是 48，GLM-5.3 是 49，DeepSeek V4.1 Flash 46，Kimi K3 41。3

公告的说法是「实际上与 GLM-5.3 持平，每任务少用 47% 的 token」。1

分数能核，省下的 token 数没有公开数字：AA 的公开页没给这批模型的逐家 token 量。

第三个是 Terminal-Bench 4.0。这一版 41%，预览版自报 28%，GLM-5.3 是 40%。1

三个数字放在一起，进步主要发生在预览到正式之间。

人类偏好另算一组。Surge Code 的盲测里，它相对 GLM-5.3 和 Kimi K3 都是 64 比 36 取胜。1

相对 DeepSeek V4.1 Flash 是 56 比 44，相对 Claude Opus 5.5 是 22 比 78。开源模型里它偏好最高，跨到闭源旗舰就差得很远。

网络安全：51% 与 82% 各量什么

公告正文给的数：AA Cyber Index 上 51%，理由是它能找到漏洞、复现、再打补丁，而且不随便拒答。1

同一份公告的图里，这个 51% 排在第五。1

前面的两家是中国开源模型：DeepSeek V4.1 Flash 57%，MiMo-V2.6-Pro 56%。再往下是 GLM-5.3 Flash 50%、Kimi K3 41%。

82% 是另一个数字：AA Cyber Index 里「复现一个真实漏洞再修补」那一项。9 同一天发布的 Hugging Face 博客仍按 82% 引用。9

10 月 6 日的预览公告也写这一项 82%，并说明整份指数上它是「中国之外的开源模型里领先」。4

两份说法拼起来，位置是清楚的：单项第一，整份指数第五。1 4

权重仓的模型卡却写成「网络安全上开源最强」。3 放到自家图表旁边看，这句话只在单项上成立。

真正拿到第一的是拒答率。恶意网络请求的平均拒答 96.6%，官方称开源模型里最高。1

这个数测的是 JailbreakBench、StrongREJECT、AgentHarm 三个题库里的网络类提示。1

公告末尾还有一段值得留意。预览期他们观察到模型不接受针对真实目标的黑盒攻击，但看到了被用来做真实攻击的可能，护栏会据此调整。1

同一段还写：经过审核的企业设计伙伴可以拿到一个专攻渗透测试、漏洞评估与红队的变体，测试限于自有或书面授权的系统。1

综合智能指数 26 分

AA 智能指数 v5 上，Mistral Large 4 是 26 分。3

同图里 GLM-5.3 与 DeepSeek V4.1 Flash 都是 32，MiMo-V2.6-Pro 30，Muse Spark Open 25。3

官方把这句话限定成「西方开源模型里最高」。3 放到全开源里，它比榜首低 6 分。

AA 的公开榜此刻只有预览版：25 分，每任务 5.54 美元，上下文记的是 524k。11 终版还没进榜。

另外三张图

金融场景的 Finch 是 73.3%，官方说开源第二，第一是 Kimi K3 的 77.3%。1

网页浏览的 BrowseComp 是 84.5%。官方只跟 GLM-5.3 的 82.5 和 DeepSeek 的 83.4 比。1 同图里 Kimi K3 是 91.2。

智能体安全基准 B3 上，攻击抵抗率从预览版的 93.3% 升到 97.1%，官方称自建方不用额外调优就能跑一个安全的 agent。1

价格、Batch，和第三方还没换的价目

官方价格是每百万 token 输入 0.70 美元、缓存输入 0.07、输出 2.10，公告用了「Starting today」。1 模型页显示同样的三个数。5

Mistral 的定价说明写 Batch 处理打五折、缓存输入最多省 90%。6

第三方那条路还没跟上。截至 10 月 29 日 22 时 25 分，OpenRouter 目录里同一个模型仍是输入 1.36、缓存输入 0.14、输出 4.18。12

这三个数正好是 Mistral 新价的两倍，像是预览期的价目还没换。

AA 上预览版的每任务成本是 5.54 美元。11

官方说这一版在 Terminal-Bench 4.0 上输出 token 少三成，单价又减半，同样的活应该更便宜。AA 没有给出新数字。

模型页面的版本标记仍停在「October 6, 2026 / Public Preview v26.10」，描述里已经写成 open-weight。5

查版本信息时，看价格比看标签准。

许可里有一条会掐住转售

许可是 Mistral Ecosystem Open-Weight License，改过的 MIT：可以用、改、微调、商用。8

内部使用不受这一条约束，通过 Mistral 官方产品访问也不受约束。8 把模型能力嵌进面向终端用户的具体功能或流程里，同样在豁免范围内。8

社区这边已有现成的量化与运行支持：Unsloth 与 llama.cpp 团队都放了 GGUF，vLLM 和 SGLang 都发了这一模型的官方镜像。3 9

该不该试

已经在用预览 API：先把 reasoning 档位查一遍。新版有低、中、高三档，默认高档，档位直接决定 token 与账单。1
想自建：按 1.06 TB 的权重规划机器，先试 NVFP4 的 610 GB；官方示例一律 8 卡一个节点。3 7
做编码 agent：AA 指数 48 对 GLM-5.3 的 49，差 1 分；「省 47% token」是官方口径，拿自己的仓库跑 A/B 才算数。1
做安全工具：区分两个数——整份指数 51%，复现加修补那一项 82%；要评估误伤，看 96.6% 的拒答率。1 9
想做托管转售：先看许可第 2 条，跟 Mistral 谈商业许可，再算成本。8

还没有的数字

技术报告与后训练方法：预览公告承诺会公开架构、更多基准和后训练方法。这次给了架构，训练配方仍然缺。4
FrontierCode 的题集与评分细节：19.7% 与 19.3% 差在哪些题上，外部看不到。1
AA 的终版条目：榜单还是预览版的 25 分，新版本的每任务成本、速度、首 token 都要等复跑。11
51% 与 82% 的关系：官方没有解释这两个数怎么落到同一份指数上。1 9
训练算力细节：只有 3,800 张 Grace Blackwell 这一句，token 数与数据构成都没给。3

References

1
Mistral Large 4 (Le Chonk) is now open weight
mistral.ai
2
权重仓提交记录
huggingface.co
3
Mistral-Large-4-1T-A52B 模型卡
huggingface.co
4
Introducing Mistral Large 4
mistral.ai
5
Mistral Large 4 模型页
docs.mistral.ai
6
Mistral 定价说明
docs.mistral.ai
7
NVFP4 权重仓
huggingface.co
8
Mistral Ecosystem Open-Weight License
huggingface.co
9
Welcome Le Chonk: Mistral Large 4 on Hugging Face
huggingface.co
10
params.json
huggingface.co
11
Artificial Analysis LLM Leaderboard
artificialanalysis.ai
12
OpenRouter 模型目录
openrouter.ai

Mistral Large 4 放出权重：价格砍半、编码并列第一，综合智能指数比 GLM-5.3 低 6 分

先说结论

快速核对

1.06 TB 的下载，八卡一个节点

那两个参数量，是同一件事的两种数法

编码成绩单，分三个口径看

网络安全：51% 与 82% 各量什么

综合智能指数 26 分

另外三张图

价格、Batch，和第三方还没换的价目

许可里有一条会掐住转售

该不该试

还没有的数字

References

Related content

Mistral Large 4 放出权重：价格砍半、编码并列第一，综合智能指数比 GLM-5.3 低 6 分

先说结论

快速核对

1.06 TB 的下载，八卡一个节点

那两个参数量，是同一件事的两种数法

编码成绩单，分三个口径看

网络安全：51% 与 82% 各量什么

综合智能指数 26 分

另外三张图

价格、Batch，和第三方还没换的价目

许可里有一条会掐住转售

该不该试

还没有的数字

References

Related content