Mistral Large 4 公开预览：1.05T 总参的欧洲模型，网络安全压过闭源旗舰
Mistral AI 放出 Mistral Large 4 的公开预览：1.05T 总参、52B 激活的多模态 MoE，每百万 tokens 输入 1.36 美元、输出 4.18 美元，官方称网络安全超过闭源旗舰，Artificial Analysis 的独立智能指数只给 38 分，权重月底才放出。
Mistral AI 在 2026 年 10 月 6 日放出 Mistral Large 4 的公开预览，官方给它起的昵称是 le Chonk，内部简称 ML4。1官方称这是自家最大的模型：一个原生多模态的细粒度 MoE，在同一天的模型文档页写成 1.05T 总参、52B 激活参数，外加一个 1.6B 的视觉编码器。12
它要卖的点不是通用能力，而是网络安全。官方给出的对照里，ML4 在 Artificial Analysis 的 Cyber Index 上进到全球前五，其中一项测试要求模型复现一处开源软件里的真实漏洞、再把它修好，ML4 拿到 82%，官方说这是所有模型里的最高分；同一项上，官方称 Claude Opus 5.5 与 GPT-6 Astra 接近零分，原因是拒答。1通用这一侧的落点是 Artificial Analysis 的独立智能指数：推理版 38 分，低于同为开放权重的 GLM-5.3（45 分）与 Kimi K3（44 分）。34
眼下能拿到的是预览 API，权重官方说本月底才放。1
先说结论
- 家族位置：Mistral Large 4 是 Mistral 到目前为止最大的模型，官方把它定位成开放权重阵营里「欧洲最大」，同一代里还会以它为基础派生专用模型。1
- 参数规模：模型文档写 1.05T 总参、52B 激活参数、1.6B 视觉编码器；公告正文写的是 1 万亿总参、490 亿激活参数，两处口径不一致。12
- 独立评测：Artificial Analysis 智能指数 v4.3.2 给推理版 38 分，每跑完一道指数题成本 1.13 美元，输出速度 116.1 tokens/s，首 token 延迟 1.46 秒。3
- 价格：每百万 tokens 输入 1.36 美元、缓存输入 0.14 美元、输出 4.18 美元。2
- 上下文：文档页写 1M tokens，Artificial Analysis 记 524k，两处不一致。23
- 可用范围：现阶段只有 Mistral 自家平台的预览 API（Mistral Studio / La Plateforme），权重、许可证与架构细节要等月底。1
快速核对
| 项目 | 内容 | 来源 |
|---|---|---|
| 名称与公开状态 | Mistral Large 4（ML4，昵称 le Chonk）；Public Preview v26.10，权重未放出 | 官方公告、模型文档 |
| 发布方与时间 | Mistral AI，2026 年 10 月 6 日 | 官方公告 |
| 家族位置 | Mistral 最大模型；官方下一代会以它为基座做专用模型 | 官方公告 |
| 参数规模 | 文档：1.05T 总参 / 52B 激活 / 1.6B 视觉编码器；公告：1T 总参 / 49B 激活 | 模型文档、官方公告 |
| 上下文与模态 | 文档写 1M tokens；文本、图像输入，文本输出；细粒度 MoE | 模型文档 |
| 训练与算力 | 3,800 张 NVIDIA Grace Blackwell，Mistral 自有欧洲数据中心，从零训练；训练语料覆盖 160 多种语言 | 官方公告 |
| 价格 | 每百万 tokens 输入 $1.36 / 缓存输入 $0.14 / 输出 $4.18；Batch 减半为 $0.68 / $0.07 / $2.09 | 模型文档、Mistral 价格说明 |
| 可用范围 | 仅 Mistral 自家平台的预览 API；权重、许可证待公布 | 官方公告 |
| 时间窗口 | 预览即刻可用；权重「本月底」；RL 训练仍在进行 | 官方公告 |
官方自测：网络安全是主打，编码是短板
网络安全这一节，官方给了三组数字。Cyber Index 一项「复现真实漏洞再补上」的测试里 ML4 拿 82%，官方称是所有模型里的最高分；安全竞赛题库 Cybench 的 40 道题里解出 93%，官方称这在开放权重模型里属于最高一档；内部测试里它还被用来分析恶意软件、排漏洞优先级和写检测规则。1官方对 82% 这个数字的解释是，防御方要先能证明漏洞是真的，而闭源模型的安全过滤恰好会挡住这类工作。1
代理编码这一侧是另一回事。官方自测给出 DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，并称合成后的 Coding Agent Index 49.8% 高于 DeepSeek V4 Pro 0813 与 Qwen3.8 Max。1同一组图里，Terminal-Bench 4 的横轴只有五个模型，Mistral Large 4 的 28 高于 DeepSeek V4 Pro 的 10、Qwen3.8 Max 的 17 与 Kimi K3 的 21，低于 GLM-5.3 的 40。1
知识工作与多模态的成绩单如下，全部为官方自述：
| 评测 | 结果 | 对照 | 来源 |
|---|---|---|---|
| Surge AI 盲测（代码质量，1–5 分） | 3.74，五款模型里第二 | 落后 Claude Opus 5 的 4.22，高于 GLM-5.3 的 3.60、Kimi K3 的 3.59、GLM-5.2 的 3.40 | 官方公告 |
| AutomationBench（657 条业务工作流） | 59.9% | 高于 Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Pro | 官方公告 |
| AA-Briefcase（长程知识工作） | 1,393 Elo | 高于 DeepSeek V4 Pro | 官方公告 |
| Vals.ai Finance Agent v2 | 54.7% | 官方称两项都超过 GPT-6 Astra | 官方公告 |
| Harvey 法律代理基准 | 15.8% | 官方称在开源模型里最好 | 官方公告 |
| Dense 200（视觉定位） | 42% | GPT-6 Astra 41% | 官方公告 |
| SciCode-Verified | 官方称开源权重里最强 | — | 官方公告 |
| 人类评测（对 GLM-5.3） | CAD 与 STEM 更好 | 金融与编码接近持平 | 官方公告 |
第三方独立评测
Artificial Analysis 这条线可以单独看。智能指数 v4.3.2 由 10 项评测加权而成，ML4 推理版拿到 38 分，该站按价格档比较后给出的评语是「高于同档中位数 26 分」，属于中上水平，模型页同时把所有权重、智能指数散点和逐项分数栏标成未公开。3
放到开放权重阵营里横向比，这个分数低于 GLM-5.3 的最高档 45 分与 Kimi K3 的 44 分，也低于小米 MiMo-V2.6-Pro 的 46 分。4
成本这一项 ML4 有优势。每百万 tokens 输入 1.36 美元、输出 4.18 美元，缓存命中按输入价减 90%，折合每跑完一道指数题 1.13 美元，输出速度 116.1 tokens/s（同档中位数 86.1），首 token 1.46 秒（同档中位数 3.83 秒）。3
低单价被用量吃掉一部分。跑完整个智能指数，ML4 输出了 2 亿 tokens，Artificial Analysis 的用词是「非常啰嗦」（同档中位数 8,100 万 tokens）。3
价格与可用范围
标准档每百万 tokens：输入 1.36 美元、缓存输入 0.14 美元、输出 4.18 美元；Batch 走五折，变成 0.68 / 0.07 / 2.09 美元；缓存输入相对输入价减约 90%，Batch 再减 50%，是 Mistral 全站通用的两档规则。25
功能上，模型文档列出结构化输出、函数调用、文档问答、前缀续写、Chat Completions、批处理、Agents & Conversations 与内置工具。2
预览期只能走 Mistral 自家平台，公告给的两个入口是 Mistral Studio 与模型文档页上标注的预览 API。12按官方的说法，各地区的部署会陆续铺开，其中欧洲的部署由 Mistral 端到端自营，不经过其他数字服务商。1
权重与开放节奏
官方把「开放权重」做成了这次发布的主线：欧洲自有数据中心、3,800 张 Grace Blackwell、160 多种训练语言（含欧盟全部官方语言），都写进了同一段。1
权重放出前有一段受控窗口。官方称正在与网络安全机构、经过审核的伙伴与国家机构做真实环境红队测试，这批使用者拿到的是同一个模型，但过滤更少、网络能力更强。1
安全的另外几项数字来自官方自测：Lakera 的 B3 代理安全基准上挡住 93.3% 的攻击，官方称没看到更高的同行分数；KORA 基准 1.691（满分 2，2 分定义为「示范级」），是 Mistral 自有模型里的最高分；在 JailbreakBench、StrongREJECT、AgentHarm 三个越狱数据集组成的网络类请求上，ML4 的平均拒答率高于所有开放权重模型。1
后训练方面，官方披露这次 RL 用了 3,000 张 GPU，一次训练每天产出约 330 亿 tokens，过滤与掩码后约 160 亿是可训练的回答 tokens；这条 RL 训练线目前仍在跑，官方称模型还没有饱和迹象。1
该不该试：先看自己在哪一类
- 你需要自己托管权重。 现在拿不到，权重官方说本月底放出，许可证、架构细节与更多 benchmark 也留到那时一并公布，本周能做的只是先用预览 API 摸一遍能力边界。1
- 你的活是漏洞研究、恶意软件分析或安全运营。 这是它唯一明显领先的一类任务，而且领先有一部分来自闭源模型在同类请求上直接拒答；真要落地，先拿自己手上的样本跑一遍，再对比你已经在用的模型。1
- 你要的是通用推理或代理流水线。 独立智能指数 38 分落在开放权重的中游偏上，低于 GLM-5.3、Kimi K3 与 MiMo-V2.6-Pro；它的优势在单价、缓存折扣与输出速度，代价是每道题要吐出的 tokens 约为同档中位数的 2.5 倍。34
还没有的数字
- 架构细节。 官方只给了「细粒度 MoE」这一句，层数、专家数、路由方式都留到月底与权重一起公布。1
- 权重的许可证。 官方称月底放出，但没有说用哪一份许可；Mistral 现有的开放权重模型走自有许可，商用与衍生条款要单独确认。15
- 独立评测只到总分。 Artificial Analysis 的模型页把智能指数的逐项分数、成本-智能散点与速度曲线都标成未公开，除总指数外暂时没有第二组可比数字。3
- 官方安全报告。 这一版没有单独的模型卡或系统卡，安全数字全部散在公告正文里。1
- 参数与上下文的口径差。 公告与模型文档在总参、激活参数量上不一致，上下文也有 1M 与 524k 两个记录，哪一个是发布口径要等权重与模型卡出来才能定。12
References
- 1Introducing Mistral Large 4
mistral.ai
- 2Mistral Large 4｜Mistral Docs
docs.mistral.ai
- 3Mistral Large 4 Preview｜Artificial Analysis
artificialanalysis.ai
- 4Artificial Analysis LLM 榜单
artificialanalysis.ai
- 5Pricing｜Mistral Docs
docs.mistral.ai
This story was produced automatically by a channel. One sentence is all it takes for Neodrop to keep producing for you.