Mistral 开源 Mistral Large 4 权重，1 万亿参数多模态模型

思考

摘要

Mistral 发布 Mistral Large 4（Le Chonk），这是一款 1 万亿参数的多模态模型，现已在编码、网络安全和推理效率方面得到改进。它在编码和防御性安全领域的开放权重基准测试中领先，同时提供三种推理模式以平衡成本与性能。该模型完全开放权重并在欧洲训练，支持可定制、可自托管的部署方案，为自主 AI 赋能。

我们发布 Le Chonk 的权重，推动开放模型在智能体编码和网络安全领域的前沿。

本月早些时候，我们公开发布了旗舰模型 Mistral Large 4（Le Chonk）的预览版。这是一款 1 万亿参数的原生多模态模型。预览版的反响超出预期，我们感谢开发者社区、早期访问客户和合作伙伴的支持、协作与反馈。

此后，我们将这些反馈付诸实践，同时继续扩大强化学习规模，在编码和防御性网络安全方面取得了大幅提升。进步仍在加速，没有饱和的迹象。

今天，我们发布这一改进版 Mistral Large 4 的权重。新模型在推理效率上也有显著提升，让开发者在获得更强性能的同时降低推理成本。

Mistral Large 4 是编码领域最强的开放权重模型，也是全球整体能力最强的开放模型之一。它从零开始在欧洲基础设施上训练，从立项到发布全程可追溯，为组织提供了可信的自主 AI 基础。

Mistral 正在定义自主 AI 这一品类，并引领开放前沿。我们致力于打造全球最强的模型并公开释放，让开发者、企业和机构能够拥有、定制和掌控自己的 AI。

为构建者而生。

Mistral Large 4 进入公开预览时，在多个主流编码基准上表现强劲。此后仅三周的额外强化学习，就将其推至开放权重编码模型的前列，在 FrontierCode 和 Terminal-Bench 上领先，并在 Artificial Analysis Coding Agent Index 上与最佳开放权重模型持平，同时 token 效率大幅更高。

在 Cognition 的私有 FrontierCode 2.0 基准上——该基准评估端到端代码质量，以及代码库维护者是否会合并智能体的改动——Mistral Large 4 以 19.7% 的得分领先。

推动智能体编码的帕累托前沿。

Mistral Large 4 以显著更少的 token 提供前沿编码性能，让复杂的编码智能体在大规模运行时更经济。

在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得分 48%，与领先的开放权重模型 GLM-5.3 基本持平，而每个任务平均使用的 token 少 47%。

这一提升也延伸到基于终端的编码工作流。在 Terminal-Bench 4.0 上，Mistral Large 4 相比公开预览版提升了 13 个百分点，达到 41%，在开放权重模型中领先，同时输出 token 减少了 30%。

为了让开发者能更好地权衡性能与成本，Mistral Large 4 现在支持三种推理模式：

除了基准测试，Mistral Large 4 的编程能力还得到了人类偏好的验证。在 Surge Code 的盲测两两对比中，Mistral Large 4 的受偏好程度超过了 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 等领先的开源权重模型，在受测模型中仅次于 Claude Opus 5.5。

为防御者而打造。 

自预览版发布以来，我们一直与领先的网络安全厂商合作，在真实环境中评估 Mistral Large 4，以检验它在漏洞复现和修补方面的优势。

Mistral Large 4 在 Artificial Analysis Cyber Index 上得分 51%，该指数衡量模型在代码库中发现漏洞、复现并验证漏洞，以及在不破坏现有功能的前提下修补漏洞的能力。关键在于，Mistral Large 4 能处理这些正当的防御性安全任务，而不会做出不必要的拒绝。

安全性与能力同步提升。我们模型内置的防护机制能区分防御性网络安全任务与恶意、攻击性网络安全任务。它在 Cyber 基准测试上保持强劲表现，同时对恶意网络请求的平均拒绝率达到 96.6%，是我们测得的开源模型中最高的。

以下是全球网络安全领军者对 Mistral Large 4 的评价：

在预览版发布后的这段时间里，我们仔细监测了线上流量中与网络安全相关的使用情况。尽管我们观察到模型会拒绝配合针对真实目标的黑盒攻击，但我们认为它仍存在被用于实施真实攻击的潜在风险。我们正在相应调整防护机制，并将在未来几个月持续更新。 

我们还将向 Orange Cyberdefense 等企业设计合作伙伴提供预览访问权限，让他们试用专为高级网络安全工作流优化的 Mistral Large 4 变体，涵盖渗透测试、漏洞评估和红队演练。访问需经过严格审查并签订合同保障措施，测试仅限于受控环境中自有或明确授权的系统。

与此同时，客户正使用 Mistral Forge，以专有的安全数据、策略、检测逻辑和威胁环境对 Mistral Large 4 进行定制。对于定义明确的网络安全任务，还可以进一步优化为更小的任务专用变体，以提升准确性，让安全应用更有效。

进一步了解面向网络安全的主权 AI，以及如何与我们合作。

为工作而打造。

Mistral Large 4 在一系列广泛的企业使用指标上持续提升。 

在金融相关工作上，我们提升了模型执行真实业务流程的能力，尤其是涉及财务与会计场景的电子表格创建和编辑。这体现在我们的 Finch 得分升至 73.3%，在开源模型中仅次于 Kimi K3。

网页浏览是大多数知识型工作的重要组成部分。借助强化学习流程，我们在 BrowseComp 上达到 84.5%（起点是一个成绩为 75% 的 SFT 检查点）。这让 Mistral Large 4 的表现超过了 GLM-5.3 或 DeepSeek Flash 4.1 1017 等模型。

组织部署的智能体必须安全。无论是面向内部成员还是外部用户，智能体都不应让你暴露在系统提示词泄露或恶意代码注入等威胁之下。强化学习提升了我们在 B3 智能体安全基准上的成绩：Mistral Large 4 抵御了 97.1% 的攻击，预览版为 93.3%。这使其位居开源前沿模型之首，意味着任何托管该模型的人无需额外调优即可运行安全的智能体。

Mistral AI 的这笔重大投资，印证了 La Banque Postale 一年多前做出的选择，也凸显了我们共同构建的长期战略伙伴关系的意义：支持一个开放、自主的欧洲 AI 领军者崛起。对一家面向公众和公民的银行而言，技术自主不是可选项，而是维系客户信任的关键前提。这款开放模型的推出带来了新的机遇和应用场景。通过与 Mistral AI 合作，我们的目标是长期结合人类专业能力与数字技术的优势，为客户和员工带来更优质的体验。

Zakaria Moursli，La Banque Postale 运营绩效、支付与数字服务执行副总裁

观看实际演示

网络漏洞分诊：智能体读取收到的漏洞报告，调查源代码和产品上下文，在隔离沙箱中复现缺陷，然后编写并反复修改补丁，直到金丝雀漏洞利用不再奏效。

智能体网页开发：在无人协助的情况下，Mistral Large 4 构建了 Orbital Trace——一张展示约 19,000 颗卫星和碎片绕地球运行的实时 3D 地图。它拉取真实追踪数据，编写应用，在浏览器中使用它来发现自身的缺陷和卡顿，然后修复独立审查者指出的问题，直到所有要求都通过。

量子化学求解器：Mistral Large 4 从零编写软件，计算分子中电子的位置，并用标准化学工具校验答案。随后它围绕该软件搭建了一个 3D 页面：选择苯或水等分子，拖动滑块将其拉开，观察化学键断裂时电子如何重新排布。

为主权而构建。

当组织围绕自身知识和业务流程构建 AI 时，主权意味着他们始终掌控所依赖的模型以及所创造的智能。 

有了 Mistral Large 4，这种掌控从模型本身开始。企业可以检查、定制模型，并把它部署在自己的基础设施上。使用和改进 Mistral Large 4 时，无需依赖 Mistral 通过 API 提供服务。Mistral Large 4 在欧洲从零开始开发和训练，让企业清楚自己所依托的技术从何而来。 

这种掌控也延伸到 AI 在企业内部的运行方式。企业可以借助 Mistral Forge，围绕自有数据定制 Mistral Large 4，并用 Mistral Studio 构建、治理和改进由此产生的智能体和应用。Mistral 的应用 AI 专家可以与客户团队并肩工作，共同构建和部署这些定制系统。通过这一过程，团队能理解所构建系统的架构与决策，以及训练和运行它所采用的方法，从而独立运行并持续改进自己的 AI。

主权并不总是意味着自托管；有时只需要满足你掌控要求的部署方式。对于偏好托管服务的企业，Mistral Large 4 可通过 Microsoft Foundry 使用，Azure 开发者还可选择私有部署方案。

Microsoft 与 Mistral AI 共同致力于在下一代 AI 中扩大客户的选择。作为首家向客户提供 Mistral Large 4 的云服务商，Microsoft 通过 Microsoft Foundry 提供 Mistral 最新的开放权重模型。Microsoft Foundry 是一个企业级 AI 平台，专为大规模评估、部署和运行模型而打造。对于推进主权 AI 战略的企业，这一组合在数据、基础设施和 AI 运营方面带来了更大的灵活性与掌控力。

Tina Schuchman，Microsoft Foundry 企业副总裁

开始用 Le Chonk 构建

Mistral Large 4 现已开放试用、部署和定制。

你可以在 Mistral Studio 中上手，也可以通过 Mistral API 或 OpenRouter 使用。若想完全掌控，可从 Hugging Face 下载开放权重，并用 vLLM 或 SGLang 部署在自己的基础设施上。模型卡和许可证里有上手所需的一切。

你也可以在 Vibe Code 中试用新模型：给它一个要开发的功能，或一个要在你自己的代码仓库里修复的 bug。

Mistral Large 4 还可通过 NVIDIA 托管的端点使用，并以优化后的 NVIDIA NIM 容器形式配合 vLLM 提供服务。开发者可以用开源的 NeMo AutoModel 库进行定制，或用开源的 TensorRT LLM 库实现高吞吐服务。

企业还可以借助 Mistral Forge，让 Mistral Large 4 适配自有数据、用例和防护规则。联系我们的团队了解更多。

该模型依据Mistral 生态系统开放权重许可证 提供使用，这是一份修改版 MIT 许可证。模型可免费使用、修改、微调和商业化，只有一个条件：提供模型即服务（Model-as-a-Service）的企业，在将模型用于商业用途前，必须先从 Mistral 获得单独的商用许可证。

从今天起，Mistral Large 4 的定价为：输入 每百万 token 0.70 美元，缓存输入 每百万 token 0.07 美元，输出 每百万 token 2.10 美元。

我们鼓励社区来实测 Mistral Large 4：跑一跑你自己的评测，探一探它的能力边界，然后把发现分享给我们——可以在 X、Discord 或 GitHub 上留言。

下一步

Mistral Large 4 将成为新一代专用与优化版 Mistral 模型的基础。继 Voxtral 和 Timestral 等近期发布之后，我们会继续拓展开放权重 AI 的前沿，让开发者和企业能更自由地构建、定制并真正拥有自己的智能。