Mistral AI 發佈 Mistral Large 4（Le Chonk）公開預覽版，總參數達 1.05T

Mistral AI 剛宣佈推出 Mistral Large 4（ML4）公開預覽版，內部暱稱為 Le Chonk。根據模型文件，ML4 是一款細粒度混合專家模型，總計有 1.05 萬億個參數，每個 token 啟用 490 億個參數，配備 16 億個參數的視覺編碼器，並具備 100 萬 token 的上下文視窗。模型使用 Mistral 自有歐洲數據中心內的 3,800 個 NVIDIA Grace Blackwell GPU 從頭訓練。

重點摘要

Mistral AI 於 2026 年 10 月 6 日以公開預覽版形式推出 Mistral Large 4（「Le Chonk」）：這是一款總參數量達 1.05T、每個 token 啟用 49B 的細粒度 MoE，支援原生圖片輸入，並具備 1M 上下文視窗，使用 Mistral 自有歐盟數據中心內的 3,800 個 NVIDIA Grace Blackwell GPU 從頭訓練。API 現已開放，輸入 token 每 1M 個收費 $1.36，輸出 token 每 1M 個收費 $4.18；但模型權重要到 10 月底才會提供，因此目前尚未能自行託管。其最突出成果在網絡安全領域，Mistral 表示模型在 Cybench 得分 93%，在 CyberGym-E2E 得分 82%，並指出若干封閉式前沿模型因拒絕執行任務而得分接近零。

採用甚麼架構？

ML4 是一款結合指令遵循與推理能力的混合 MoE，原生支援圖片輸入。每個 token 只會啟用約 4.7% 的權重，讓 1 萬億級模型能以中階價格提供服務。完整的 1.05T 權重仍須存放在記憶體中，因此啟用數量決定的是運算量，而非硬件成本。

Mistral 尚未公佈專家數量、top-k 路由或層配置；這些資訊將隨權重一併發布。訓練數據涵蓋超過 160 種語言，包括所有歐盟官方語言。

互動解説

效能如何？

在網絡安全方面，Mistral 表示模型在 Cybench 得分 93%，在 CyberGym-E2E 得分 82%，在 Artificial Analysis Cyber Index 排全球前 5。更值得注意的是其結構性問題：Mistral 指出，若干封閉式前沿模型在 CyberGym-E2E 得分接近零，原因是它們直接拒絕執行任務。重現漏洞以證明其真實存在，是標準的防禦工作；供應商層級的拒絕會阻礙這類工作。

在Agent 式編碼方面，Mistral 表示模型在 DeepSWE v1.1 得分 61.7%，在 SWE-Atlas-QnA 得分 59.4%，在 Terminal-Bench 4.0 得分 28.3%，綜合Artificial Analysis Coding Agent Index 得分為 49.8%。Mistral 指出，這些測試是在評測框架公開前私下進行，因此目前尚無法由第三方獨立重現。

由 Surge AI 執行的盲測人類評估，提供了較可靠的參考。專業標註員給 ML4 Preview 評 3.74 分（滿分 5 分），在 5 個模型中排名第二，高於 GLM-5.3（3.60）和 Kimi K3（3.59），但低於取得 4.22 分的 Claude Opus 5。

在安全性方面，ML4 在 Lakera 的 B3 基準測試中抵禦了 93.3% 的攻擊，並在 KORABench 取得 1.691 分（最高 2.0 分）。

與最接近的開放權重競爭對手相比如何？

功能	Mistral Large 4	DeepSeek V4 Pro	Kimi K3	GLM-5.3
總參數量	1.05T	1.6T	2.8T	尚未正式公佈
每個 token 啟用參數	49B	49B	~104B	尚未正式公佈
上下文視窗	1M	1M	1M	1M
原生圖片輸入	是	否	是	否
是否提供權重	尚未提供，預計於 2026 年 10 月底提供	是，已在 Hugging Face 提供	是，自 2026 年 7 月 27 日起提供	是，據 Artificial Analysis 所述
授權條款	尚未公佈	MIT	修改版 MIT	GLM-5.3 License
每 1M 輸入／輸出 token 的 API 價格	$1.36 / $4.18	視供應商而異	$3.00 / $15.00	$1.40 / $4.40
發布日期	2026 年 10 月 6 日	Aug 2026 (0813 build)	16 Jul 2026	14 Aug 2026

目前你可以用它開發甚麼？

預覽版 API 支援函數呼叫、結構化輸出、文件問答、批次處理，以及 Agents 和 Conversations 端點。快取輸入的價格為每 1M tokens $0.14，大幅改變了在 1M 視窗下執行長上下文 Agent 迴圈的成本效益。

重點摘要

總參數為 1.05T，每個 token 啟用 49B 個參數，1M 上下文，1.6B 視覺編碼器。
使用 Mistral 自有的歐盟數據中心內 3,800 部 Grace Blackwell GPU 訓練。
API 預覽版現已推出，每 1M 個輸入 tokens 收費 $1.36，每 1M 個輸出 tokens 收費 $4.18。
權重承諾於 2026 年 10 月底前推出，因此目前仍無法自行託管。
最出色的結果來自網絡安全領域，封閉模型往往會拒絕執行相關任務。

請參閲Mistral Large 4 公告、Mistral Large 4 模型文件及Artificial Analysis 模型比較。所有功勞均歸於本項目的研究員。另外，歡迎在 Twitter 追蹤我們，也別忘記加入我們的 150k+ML SubReddit 並訂閲 我們的電子報。等等！你有使用 Telegram 嗎？ 現在你也可以在 Telegram 加入我們。

[贊助] 網絡是大多數 Agent 所欠缺的那一個 API。資料庫、日曆和程式碼儲存庫都有 API，但開放網絡大多沒有。TinyFish MCP server 為任何 MCP 用戶端提供四種工具：TinySearch、TinyFetch（以 Markdown 格式呈現完整頁面，並包括 JavaScript）、用於登入和表格的 TinyBrowser，以及用於多步驟工作的 TinyAgent。Search 和 Fetch 免費。

文章Mistral AI 發佈 Mistral Large 4（Le Chonk）：一款 1.05T 參數多模態 MoE 模型最初刊登於MarkTechPost。