Mistral AI 推出 Mistral Large 4 公開預覽版,權重預計月底釋出
Introducing Mistral Large 4
Mistral AI 推出 Mistral Large 4 公開預覽版,權重預計月底釋出。模型具原生多模態能力,總參數量為 1 trillion、活躍參數量為 49 billion,並可透過 Mistral Studio API 試用。在 Artificial Analysis Cyber Index 名列全球前五,漏洞重現及修補測試得分 82%,Cybench 則解決 93% 的挑戰。
文章以 Cyber Index、漏洞重現與修補測試及 Cybench 結果,呈現 Mistral Large 4 在網絡安全基準中的相對表現。
Le Chonk
今天,我們推出 Mistral Large 4 的公開預覽。非正式簡稱 ML4,正式名稱則是:le Chonk。ML4 將開放權重模型的效能推向新前沿。你今天即可在 Mistral Studio 試用預覽版 API。模型權重將於本月底發布。
前沿效能
ML4 是一個原生多模態模型,擁有 1 萬億個參數,其中 490 億個為活躍參數。這是我們迄今規模最大、能力最強的模型;隨着我們持續改進,效能仍在迅速提升。
該模型在程式編寫、Agent 工作流程及多模態理解方面展現出卓越效能。目前,其效能已可媲美全球最強的開源模型,同時大幅超越任何在美國或歐洲開發的開放權重模型。在網絡安全、金融及法律等關鍵企業工作負載方面,我們發現它在開放模型中達到最先進水平。在視覺定位等部分領域,其表現更勝一籌,甚至超越前沿閉源模型。
我們將於本月底前發布模型權重。在此之前,我們正與網絡安全領袖、經審核的合作夥伴及政府主管部門,在真實環境中對模型進行紅隊測試;他們將獲準使用同一模型,審核限制較少,網絡安全能力亦有所擴展。
在歐洲鍛造,為 AI 主權而建。
ML4 使用 3,800 個 NVIDIA Grace Blackwell GPU,在 Mistral 位於歐洲的自有數據中心從零開始訓練。公開預覽亦由同一套基礎設施提供。這標誌着我們在基礎設施、研究及產品開發方面的長期投資邁出重要一步:透過開放權重,為關鍵行業提供最先進的效能,讓客戶掌控自己的 AI。
這在網絡安全領域尤其重要,因為供應商層面的拒絕回應可能阻礙正當的漏洞研究和事故應變;而在事故處理期間失去某項能力的存取權,本身亦可能構成重大安全風險。ML4 將頂尖的網絡安全效能與開放權重及自行部署結合,讓各機構同時具備所需能力和自主權,按自身政策進行進階安全工作。
該模型將在全球多個地區提供,包括一個歐洲部署版本,由 Mistral 全程營運,不依賴其他數碼服務供應商,並受歐洲法律管轄。有趣的是,ML4 的訓練數據中有相當一部分屬多語言數據,涵蓋超過 160 種語言,包括歐盟所有官方語言。
我們一直與全球金融、工程、製造、物流、製藥、科學、航運、公共部門及其他關鍵任務行業的領先企業緊密合作,共同訓練 ML4。事實上,該模型採用的訓練、客製化及 RL 環境,與我們透過 Mistral Forge 向客戶提供的相同。
立即試用
後續還有更多資訊。在我們為發布模型權重作準備之際,我們會進一步分享模型架構、更多基準測試結果,以及後訓練方法。
這個模型亦將成為新一代專門化及最佳化 Mistral 模型的基礎。在此期間,歡迎你試用預覽版 API,並在社交媒體上向我們分享意見。
深入剖析模型能力
網絡安全
ML4 是全球網絡安全領域最強大的 AI 模型之一。在 Artificial Analysis Cyber Index 這項獨立評估中,該指數評估 AI 模型在真實軟件中尋找及修補安全漏洞的能力;ML4 位列全球前五,並大幅領先在中國以外開發的開放權重模型。在該指數其中一項測試中,模型須重現開源軟件中的真實漏洞,然後修補漏洞;ML4 得分達 82%,是所有模型中最高的。它亦解決了 Cybench 中 93% 的挑戰。Cybench 收錄了 40 項取材自安全競賽的練習;這是開放權重模型已公佈的最高分之一。
這個最高分反映了實際優勢。包括 Claude Opus 5.5 和 GPT-6 Astra 在內的幾款頂尖封閉模型,在同一項測試中的得分接近零,因為它們拒絕執行該任務。然而,保護軟件往往要先證明漏洞確實存在,而封閉模型的安全過濾機制正可能阻止這類工作。隨着威脅行為者越來越常對這些模型進行越獄,以支援攻擊性網絡活動,這一點更形重要:防禦方需要具備同等能力、又不受相同拒絕機制限制的系統。ML4 能勝任這類工作,其能力亦超出明確訓練範圍:在內部測試中,它有助分析惡意軟件、排列漏洞的處理優先次序,以及編寫偵測規則。對需要主權且可審計的 AI 來執行安全營運的機構而言,ML4 將可在私有雲或本地部署環境中運行。
ML4 對比其他模型:高效推理,應對多元複雜挑戰
惡意軟件逆向工程:解決一項分佈外調查任務
Agent 式編碼
ML4 在軟件工程、程式碼庫理解及複雜終端工作流程方面表現出色,在 DeepSWE v1.1、SWE-Atlas-QnA 和 Terminal-Bench 4 上分別取得 61.7%、59.4% 和 28.3% 的得分。其綜合 Coding Agent Index 得分為 49.8%,領先 DeepSeek V4 Pro 0813 和 Qwen3.8 Max。
我們亦與 Surge AI 合作,對程式碼品質進行盲測評估:專業標註人員在不知道模型身份的情況下,以 1–5 分評定模型輸出。ML4 Preview 在五個模型中排名第二(3.74),領先 Kimi K3(3.59)、GLM-5.3(3.60)和 GLM-5.2(3.40),僅次於 Claude Opus 5(4.22)。
%25201_20jgWu.webp%3Fdpl%3D6ac516f190c69e0008d46233&mode=full&exp=1795478400&sig=1199103ec46548d6)
Agent 工作流程
ML4 可運行通用 Agent,在複雜工作流程中蒐集資訊、使用工具並產出完整交付成果。在 AutomationBench 的測試中,該測試涵蓋 Gmail、Google Sheets、Slack 和 Salesforce 等應用程式中的 657 項商業工作流程;ML4 得分為 59.9%,領先 Kimi K3、MiMo-V2.6-Pro 和 DeepSeek V4 Pro。
在知識工作實際產出的專業成果方面,ML4 同樣出色,包括試算表、簡報和 PDF。在評估長時程知識工作的 AA-Briefcase 中,ML4 達到 1,393 Elo,領先 DeepSeek V4 Pro。

多模態
ML4 大幅提升了我們的模型理解圖像的能力。它能對複雜文件、圖表和自然圖像進行有力推理,並將視覺能力應用於工程、製造及地球觀測等感知能力至關重要的領域。
模型亦可進一步結合視覺定位與 Agent 能力:從檢視十億像素級衞星影像——在分秒必爭時協助災難應變團隊採取行動——到分析工程圖紙——透過放大、檢視和驗證,直至得出精確答案。在以上示範中,ML4 能在物件密集的自然場景中進行視覺定位、驗證技術圖紙中的機械零件、從 PDF 擷取證據,並掃描大型地理空間影像,找出最難發現的物件。
尤其在視覺定位方面,我們發現 ML4 是我們測試過最具能力的模型之一;例如在 Dense 200 上超越 GPT-6-Astra(42% 對 41%)。
科學與數學
ML4 結合 AI 驅動的方法與我們研究人員在數學、物理及化學方面的專業知識,具備強大的科學能力。
它尤其擅長以 Agent 式編碼處理數據分析、建模和模擬物理現實等科研任務,讓研究人員能專注於要解答的問題,而非處理繁瑣的底層工作。在基準測試中,ML4 在開放權重模型的 SciCode-Verified 評測中達到最先進水平。實際應用中,它可一次生成完整的 Hartree–Fock 模擬——這是一項複雜的多步驟化學任務,由一系列進階常式組成。
ML4 的數學能力亦更強,在形式推理和應用數學方面皆然。根據我們的人工評估,其推理比 GLM-5.3 更精確、結構更嚴謹,並能持續處理長時間、特定領域的應用數學任務,包括與前沿理論物理相關的工作。
這些能力結合起來,令 ML4 成為強大的研究助理,能應對完整的技術工作流程——從提出最初問題到得出最終成果。
-alt_ZYLgs8.webp%3Fdpl%3D6ac516f190c69e0008d46233&mode=full&exp=1795478400&sig=7b313ea046585ba8)
SciCode-Verified 用於測試模型以程式碼實作複雜科學工作流程的能力,涵蓋物理、數學、材料科學和生物學等領域。

ML4 與 GLM5.3 在 STEM 任務(數學及物理)上的內部評估
知識型工作
ML4 是我們最擅長處理專業人士日常實際工作任務的模型。它可建立、編輯及修正複雜的試算表和文件,在法律及金融基準測試中均表現出色。
值得一提的是,我們透過第三方評估機構(vals.ai)針對具代表性的法律及金融任務評估 ML4,發現它在兩方面均超越 GPT-6-Astra。在 HarveyAI 的 Legal Agent 基準測試中,ML4 的表現勝過所有開源模型。
FinWorkBench 用於測試模型在真實財務及會計應用場景中建立和編輯試算表的能力。
財務分析講求精確,亦要求綜合來自多個來源的資訊;目前,這個流程對許多金融機構而言仍然耗時。在這段示範中,ML4 與其他頂尖開源軟件模型各自應對同一項多步驟企業財務挑戰,搜尋上市公司的公開申報文件及財務報告,例如可透過 EDGAR 及歐洲相應資料庫取得的文件。動畫語義地圖追蹤各模型逐步尋找解決方案的過程,並標示沿途檢索到的每份文件。每條軌跡的位置反映已收集的證據、計算結果,以及仍未解決的問題。觀眾可瞭解調查如何展開,並比較各模型在得出最終答案前所採取的不同路徑。
模型安全
ML4 在抵禦間接提示詞注入方面,於我們的基準測試中已達飽和水平,令其躋身開源模型前沿(與 GLM-5.2、GLM-5.3、Kimi-K2.6、Kimi-K3、DS-V4-Pro-0813 相比)。在 Lakera 公開的 B3 AI Security Benchmark 上,ML4 可抵禦 93.3% 的攻擊;我們未見競爭對手取得更高分數。
ML4 與用戶互動時,也比我們以往任何模型都更負責任。我們列出模型在 KORA Benchmark 上的結果;ML4 再次取得我們測得的開源模型最高分數(1.691,最高分為 2,標示為「卓越」)。
特別值得注意的是,模型拒絕涉及網絡安全的惡意請求的傾向。儘管模型在網絡安全基準測試中表現出色,但它在 JailbreakBench、StrongREJECT 及 AgentHarm 的網絡安全提示詞上的平均拒絕率,高於所有開源模型。
人工評估
我們進行了一項內部評估,由來自編程、電腦輔助設計(CAD)、金融、數學及物理學領域的專家標註員比較 Mistral Large 4 與 GLM-5.3。ML4 在 CAD 和 STEM 領域較受青睞;在金融和編程方面,表現則與 GLM-5.3 相若或接近。

大規模強化學習
基礎模型正迅速進步,我們的後訓練也必須跟上步伐。為昨日模型調校的訓練方案,會令今日前沿模型的能力未能充分發揮,因為過去曾把模型推至極限的標準答案樣本,如今已無法再做到這一點。我們採用強化學習(RL),因為它能隨模型一同調整:我們根據模型自身嘗試的結果進行訓練,並可隨模型能力提升,提高任務難度並擴展任務範圍。
我們的 RL 函式庫旨在讓新增環境和大規模訓練更容易。共用且可組合的介面,讓單次訓練能結合不同任務,涵蓋單輪對話、複雜科學問題求解、安全對齊、事實準確性,以至長時程工具使用。這些環境共用執行框架和資源,例如程式碼沙盒、網頁搜尋及外部 API。這種可組合性亦延伸至驗證流程,按各項任務需要組合獎勵模型、單元測試、LLM 評審及靜態檢查。
執行期間,一組可自動擴縮的 actor 節點會在模型非同步訓練期間,並行生成數以萬計的 rollout。生成與訓練流程針對長軌跡進行最佳化,支援跨多次壓縮、涉及數百萬 token 的 rollout 預算,同時保持較低的陳舊程度。兩個階段採用的新方法和最佳化措施,能盡量減少離策略漂移,並支援長時程的穩定 RL。
以目前規模(3k GPUs),單次訓練每日約產生 330 億個 token;經篩選和遮罩處理後,其中約有 160 億個可訓練的輸出 token。我們可直接從訓練 rollout 觀察訓練進度:隨着策略學會解決愈來愈複雜的任務,多個具代表性的環境中的訓練獎勵均有所提升。以下是幾個例子。

這些改進並非只限於我們用作訓練的環境;它們也能遷移至下游評估。圖表顯示,最終模型的改進有賴於兩個後訓練階段(監督式微調和 RL)。

接下來
這只是開始。ML4 是我們由 €3 billion D 輪融資支持的發展路線圖上的首個里程碑;這輪融資是歐洲科技公司有史以來規模最大的股權融資。這筆資金已開始投入運用:我們正大幅提升自家歐洲數據中心的算力,未來幾個月還會有更多算力陸續投入使用。
更多算力代表可以進行更多訓練。這個預覽版背後的強化學習訓練仍在進行,模型亦沒有顯示任何飽和跡象,未來仍有相當大的提升空間。隨着我們在擴充後的基礎設施上擴大訓練規模,預計未來數星期至數月將會取得大幅而快速的進展。
我們將於月底前發佈模型權重,並提供更多有關架構、額外基準測試及後訓練方法的詳情。ML4 亦只是根基:它將成為新一代專用及最佳化 Mistral 模型的基礎,這些模型專為客戶最重視的行業及工作負載而打造。
接下來的進展將會很快。敬請期待。
來源:Mistral AI · mistral.ai