10 月 30 日，欧洲 AI 公司 Mistral 放出了一个相当有分量的开源模型：代号“Le Chonk”的 Mistral Large4。它不只是参数规模足够大，更重要的是，它试图同时回答几个开发者真正关心的问题：模型能不能打？调用贵不贵？安全边界清不清楚？商业使用规则是否明确？

从目前公布的信息看，Mistral Large4 给出的答案相当直接。

万亿参数，但不只是“大”

Mistral Large4 拥有 1 万亿参数，是目前开源权重模型中体量最大的选手之一。它还完全基于欧洲本土基础设施从零训练而成，并强调原生多模态融合能力。

这意味着，它并不是单纯把参数堆上去，而是试图把超大模型、开源权重、多模态能力和可部署性放在同一个框架里。对于一直希望在顶级模型能力与自主可控之间寻找平衡的团队来说，这种组合本身就很有吸引力。

性能不弱，真正亮点是“省 Token”

如果只看跑分，Mistral Large4 已经足够有竞争力。

在 Cognition 的私有基准 FrontierCode 2.0 上，该模型主要评估端到端代码质量，以及代码库维护者是否愿意合并模型生成的代码。Mistral Large4 拿到 19.7%，在当前开源权重模型中排在前列。

在 Artificial Analysis 的 Coding Agent Index 评测中，它取得 48% 的成绩，基本与行业领先的 GLM-5.3 打平。

不过，更值得注意的是它的 Token 效率。

官方数据显示，在达到同等顶尖性能的情况下，Mistral Large4 平均每个编程任务比竞品少消耗 47% 的 Token。在 Terminal-Bench 4.0 测试中，它的表现较预览版提升 13 个百分点，达到 41%，同时输出 Token 数量还减少了 30%。

换句话说，它不是只追求“把题做出来”，而是在追求“用更少的动作把题做完”。对企业来说，这直接影响调用成本；对开发者来说，这意味着更少的上下文消耗、更短的响应链路，以及更高的实际可用性。

三档推理模式：把性能和成本的开关交给开发者

Mistral 还为 Large4 额外进行了长达 三周的强化学习训练，并提供三种推理模式，分别对应不同任务场景：

• 简单任务模式：适合轻量问答、基础生成和低复杂度处理；
• 中等复杂度模式：适合常规开发、分析和多步骤任务；
• 高精度深度推理模式：适合复杂问题、严谨推理和高准确率场景。

这种分层设计很有现实意义。并不是所有任务都需要模型“火力全开”，如果简单请求也要消耗大量算力和 Token，实际部署成本会迅速上升。Mistral 的思路是让开发者根据场景自己选择推理强度，而不是被动接受一个固定的高成本调用方式。

官方还表示，延长强化学习训练后，模型整体收益仍在加速释放，暂时没有看到性能饱和迹象。如果后续继续优化，其表现还有进一步提升空间。

安全表现不只是“会拒绝”

在安全与合规方面，Mistral Large4 也给出了比较具体的数据。

在 Artificial Analysis 的 Cyber Index 评测中，它拿到 51%。该测试重点考察模型在代码库中发现漏洞、复现问题、提交补丁，并且不破坏原有功能的能力。

在 JailbreakBench、StrongREJECT 和 AgentHarm 等越狱与有害请求测试中，Mistral Large4 的平均拒绝率达到 96.6%，高于预览版的 95%。

更有意思的是，Mistral 在安全策略上没有采用简单粗暴的“一刀切”。

一方面，模型会坚决拒绝针对线上目标的黑盒攻击请求；另一方面，官方也承认相关技术可以被用于合法防御和渗透测试。因此，Mistral 专门为 Orange Cyberdefense 等网络安全企业的设计伙伴开放了特定变体版本的预览权限，但前提是必须接受严格合同约束，并只能在自有或授权环境中进行测试。

这种做法比单纯强调“更安全”更务实：既防止模型被滥用，也为专业安全场景保留了可用空间。

生态与部署：主流平台已经跟进

Mistral Large4 的生态支持也相当完整。目前，Booz Allen、Cisco、Cloudflare、CrowdStrike、Elastic 和 NVIDIA 等公司都已表达支持。

开发者可以通过以下方式使用或部署该模型：

• 在 Hugging Face 下载模型权重；
• 使用 vLLM 或 SGLang 进行本地自部署；
• 通过 Microsoft Foundry、NVIDIA NIM 容器和 OpenRouter 等平台调用。

其中，Microsoft Foundry 是首个上架该模型的云平台。

API 定价如下：

从价格看，Mistral 显然希望把 Large4 打造成企业可长期调用的生产级模型，而不是只适合演示的“技术展示品”。

开源许可：开放权重，但对 MaaS 留了一道门

在许可协议上，Mistral Large4 采用的是修改版 MIT 协议，名为 Mistral Ecosystem Open-Weight license。

普通用户和企业可以免费使用、修改、微调，并进行商业化部署。但有一条关键限制：

如果企业的主营业务是“模型即服务”（MaaS），在商用前必须单独向 Mistral 申请商业许可。

这条规则很清晰：Mistral 鼓励开发者、企业和研究人员自由使用模型，但不希望其他厂商直接拿它的开源权重包装成同类托管服务来正面竞争。对于开源生态来说，这是一种相对常见的平衡方式；对于 Mistral 自己来说，则是在开放与商业化之间守住了一条护城河。

总结：开源大模型开始拼“真实使用成本”了

Mistral Large4 的发布，最值得关注的地方不只是“万亿参数”或“欧洲训练”，而是它把竞争重点从单纯的跑分，拉到了更现实的维度：

• 能不能在编程和代理任务中表现稳定；
• 能不能用更少 Token 完成同样工作；
• 能不能让企业控制调用成本；
• 能不能在安全、合规和商业许可上给出明确边界。

如果这些能力最终在实际部署中得到验证，那么 Mistral Large4 可能会成为开源大模型从“看起来很强”走向“真正可规模化使用”的一个关键节点。