Mistral AI 發佈 Mistral Large 4 權重並上架 Hugging Face

Mistral AI 於2026年10月29日發布 Mistral Large 4 的權重。這款旗艦級原生多模態模型擁有 1 萬億個參數，名為 Le Chonk；其檢查點可從 Hugging Face 下載，以供自行託管，亦可透過其 API 及合作夥伴平台使用，授權條款為經修改的 MIT 開放權重授權。

此次發布緊接模型於2026年10月6日公開預覽，當時 Mistral 首次介紹這個擁有 1.05 萬億個參數的專家混合系統。在公告中，Mistral 表示已根據預覽版的意見作出改進，同時持續擴大強化學習規模，並稱在程式編寫、防禦性網絡安全及推理效率方面取得重大提升。該公司形容 Mistral Large 4 是最佳的開放權重程式編寫模型，並表示增益仍在加速，未見飽和跡象。

授權、定價與供應情況

權重已在Hugging Face發布，採用 Mistral Ecosystem Open-Weight License，這是經修改的 MIT 授權。根據條款，用戶可免費使用、修改、微調及將模型商業化；唯一條件是，提供 Model-as-a-Service 服務的企業，必須在商業使用模型前向 Mistral 另行取得商業授權。

根據 Mistral 的模型文件，API 的定價為每百萬個輸入 token $0.70、每百萬個快取輸入 token $0.07，以及每百萬個輸出 token $2.10。模型透過 Mistral API 和 Mistral Studio 以 mistral-large-4 名稱提供服務，亦可經 OpenRouter、Mistral 的 Vibe Code 程式編寫助理、採用經優化 NVIDIA NIM 容器的 NVIDIA 託管端點，以及 Microsoft Foundry 使用。Mistral 表示，Foundry 為 Azure 開發人員提供私有部署選項；Microsoft Foundry 企業副總裁 Tina Schuchman 則表示，Microsoft 是首間將 Mistral Large 4 帶給客戶的雲端服務供應商。

程式編寫基準測試與推理模式

Mistral 表示，Mistral Large 4 在 Cognition 的私有 FrontierCode 2.0 基準測試中領先。該測試評估端到端程式碼質素，以及程式碼儲存庫維護者是否會合併 Agent 所作的變更；模型得分為 19.7%，領先包括 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 在內的列出開放權重模型。

Mistral 表示，模型在 Artificial Analysis Coding Agent Index 得分為 48%，並形容這個結果實際上與領先的開放權重模型 GLM-5.3 並列，同時平均每項任務少用 47% 的 token。在 Terminal-Bench 4.0 上，該公司表示，模型較公開預覽版提升 13 個百分點，得分達 41%，領先開放權重模型之餘，輸出 token 亦減少 30%。在 Mistral 引述的 Surge Code 盲測成對人類偏好評估中，受測者較偏好該模型，勝過 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash；在所有受評估模型中，排名僅次於 Claude Opus 5.5。

模型支援三種推理模式：low、medium 和 high，預設為 high。Mistral 表示，low 模式取代先前的「None」推理模式，適用於簡單任務；medium 適合日常用途；high 則針對需要全面推理的最困難使用情境，讓開發人員可在效能與成本之間作出取捨。

網絡安全成果與防護機制調整

Mistral 表示，該模型在 Artificial Analysis Cyber Index 上取得 51% 的分數。該指數評估模型找出程式碼庫中的漏洞、重現並驗證漏洞，以及在修補漏洞時不破壞現有功能的能力。公司表示，該模型能處理正當的防禦性保安工作，不會無故拒絕，同時其內置防護機制會區分防禦性工作與惡意攻擊任務。Mistral 表示，在 JailbreakBench、StrongREJECT 和 AgentHarm 的網絡安全相關提示詞中，模型對惡意網絡安全請求的平均拒絕率為 96.6%，並稱這是其評估的開放模型中最高的拒絕率。

公告亦披露，預覽版推出後，Mistral 監察了實際流量中與網絡安全相關的使用情況。公司表示，觀察到模型拒絕配合針對線上目標的黑盒攻擊，但認為模型能力提升後可能被用來發動真實攻擊，因此正相應調整防護機制，並承諾在未來數月公佈更多更新。Orange Cyberdefense 等企業設計合作夥伴正獲得 Mistral Large 4 專用版本的預覽權限。該版本針對滲透測試、漏洞評估及紅隊演練作最佳化，並須通過審核及遵守合約保障措施，確保測試只在受控環境中針對自有或獲明確授權的系統進行。

公告收錄了 Booz Allen Hamilton、Cisco、Cloudflare、CrowdStrike、Elastic、ENISA、Fortinet、NVIDIA、Orange Cyberdefense、Rubrik 和 Zscaler 的高層評估。Booz Allen Hamilton 國家網絡安全業務總裁 Brad Medairy 表示，測試顯示，與該公司用於源碼安全分析的內部基準相比，該模型的漏洞偵測召回率與其他前沿網絡安全模型相若。

架構與訓練

根據模型卡，Mistral Large 4 是一款細粒度混合專家模型，總參數約 1 萬億，每個 token 約啟用 520 億個參數（不包括嵌入和輸出層則為 490 億個），設有 128 個路由專家，每個 token 啟用四個，另設一個共享專家。模型支援 100 萬 token 的上下文視窗，並可透過一個 16 億參數、Pixtral 風格的視覺編碼器接收文字和圖片輸入，再輸出文字；該編碼器經訓練，可處理不同尺寸及長寬比的圖片。Mistral 表示，模型由零開始在公司位於歐洲的自有數據中心內，使用 3,800 張 NVIDIA Grace Blackwell GPU 訓練，並原生流暢支援超過 160 種語言，包括歐盟所有官方語言。

該 checkpoint 內置 DSpark 推測解碼草稿頭，每次提出由三個 token 組成的區塊。Mistral 測得，與單獨提供目標模型服務相比，吞吐量最高可提升至 1.9 倍；此外亦提供針對 Blackwell GPU 的量化 NVFP4 checkpoint。模型卡指出，該模型在 Artificial Analysis Intelligence Index v5 上取得 26 分，是西方開放權重模型中最高的；不過，卡中亦指出，中國領先的開放權重模型在綜合指數上的得分更高。Mistral 亦表示，其 Finch（FinWorkBench）得分升至 73.3%，在開放模型中排名第二，僅次於 Kimi K3；BrowseComp 得分由監督式微調 checkpoint 的 75% 升至 84.5%；而在 B3 Agent Security Benchmark 上，攻擊抵禦率由預覽版的 93.3% 升至 97.1%。

Mistral 表示，Mistral Large 4 將成為新一代專門化及優化 Mistral 模型的基礎，並以近期推出的 Voxtral 和 Timestral 為例。