Mistral Large 4 開預覽：1.05 兆參數激活 49B，AA 智力 38 距 Opus 差 20 分；漏洞複現 82% 因對手拒答

Mistral Studio 的模型清單裡，現在可以選到 mistral-large-4。官方部落格把它暱稱為 le Chonk，文件標 Public Preview、Open、v26.10。這是法國 Mistral 目前最大、也是公司自稱能力最強的一顆大型語言模型：文件寫總參數 1.05 兆、每個詞元激活 490 億，外加 16 億參數的視覺編碼器，架構是細粒度混合專家模型。同一天能核對的事實還有一條更硬：權重還沒放上 Hugging Face。預覽走公司自己的歐洲機房 API；開放權重被官方寫成「本月底」。

官方公告的第一句是「今天推出公開預覽」，能試的地方是 Mistral Studio。權重、架構細節、額外基準與後訓練方法，被一起排到月底再講。VentureBeat、WSJ、Quartz 把那一天寫成 10 月 27 日，並說授權會是 Mistral 自訂條款，不是 Large 3 用過的 Apache 2.0。Hugging Face 上預定頁 Mistral-Large-4.0-1T05-A52B 的倒數卻指著 10 月 31 日。三個日期目前並存：官方頁面沒寫死月日，第三方報導寫 27 日，開發者託管頁寫 31 日。

現在能核對的規格，以及三處對不上的數字

官方部落格把模型寫成「1 兆參數、原生多模態、激活 490 億」。文件頁把總參數寫成 1.05 兆，並補上 16 億參數視覺編碼器。Hugging Face 預定頁則拆得更細：每個詞元激活 490 億，若把嵌入層與輸出層算進去是 520 億。Artificial Analysis 的模型卡把總參數記成 1,000B。寫進採購單時，1.05 兆是文件數字，1 兆是官博四捨五入。

上下文窗口是第二處對不上。Mistral 文件寫 100 萬詞元。Vals 的模型資料寫 512K，Artificial Analysis 寫 524K。Kingy 核對後沒有判定哪一邊過期、哪一邊是評測端設定。在正式契約或壓測計畫裡，應以實際打到的那個 endpoint、那個模型版本回傳的上限為準，而不是把三個數字平均。

訓練卡數是第三處。官博寫 3,800 顆 NVIDIA Grace Blackwell GPU，全部在歐洲自有機房、從頭訓起，預覽也跑同一套基礎設施。TechCrunch 引科學副總裁 Pierre Stock 的說法是「只用 4,000 顆」，並稱這比中國對手少兩到三倍、比閉源對手更少。VentureBeat 與觀點網也寫約 4,000 顆、歷時約兩個月。3,800 與 4,000 量級相同，但不是同一句官方原文。

聯席創辦人、首席科學家 Guillaume Lample 對 VentureBeat 確認：輸入可以是文字加圖像，輸出仍只有文字。文件列出的能力包含結構化輸出、函式呼叫、文件問答、前綴補全、批次、以及 agents／conversations 端點上的內建工具。模型識別碼是 mistral-large-4。

Kingy 另做了一組重量算術，用來提醒「激活 490 億」不是「只要 490 億參數的機器就能跑」。混合專家模型每個詞元只叫醒一部分專家，但整顆模型的權重仍要存、要搬、要在裝置間通訊。按兩位元組／參數粗算，1.05 兆參數約 2.10 TB 原始權重；一位元組約 1.05 TB；理想四位元組裝約 525 GB。這些是從廣告參數推的載荷估計，不含 KV 快取、激活、冗餘與執行環境。沒有量化檢查點、沒有支援的執行時、沒有可重現的分散式設定之前，不能把它寫成筆電或單卡消費級部署。

預覽價是半價，獨立榜用的是劃掉的那一行

文件頁把價格疊成兩層。現在顯示的是每百萬詞元輸入 0.68 美元、快取輸入 0.07 美元、輸出 2.09 美元。劃掉的牌價是 1.36、0.14、4.18。Artificial Analysis 的 LinkedIn 摘要寫，前兩週五折，所以 0.68／2.09 對應 1.36／4.18 的一半。文件頁自己沒寫折扣哪一天結束。Artificial Analysis 與 Vals 第一批結果用的是牌價。VentureBeat 拿到的發布材料裡根本沒有 API 價，價是後來才出現在文件頁。

Artificial Analysis 目前只列一個供應商：Mistral 自己。混合價（快取：輸入：輸出 = 7:2:1）約 0.79 美元／百萬詞元。中位輸出速度 116 token／秒，首包 1.46 秒，端到端約 23 秒，其中推理時間約 17.23 秒。上下文在這張供應商表上寫 524k。換句話說，獨立測速頁現在認的上下文，比 Mistral 文件少一半。

Kingy 用「1 萬輸入 + 2 千輸出」做單次成本：ML4 現顯示價約 0.011 美元，牌價約 0.022 美元，Astra 約 0.20 美元，Opus 5.5 約 0.08 美元，DeepSeek V4.1 Flash 峰值約 0.0054 美元。這不是真實工作負載帳單，只說明：預覽價把 ML4 放到開源中國模型與美系閉源旗艦中間；折扣結束後，它會跟 GLM-5.3 同一帶，仍遠比 Astra 便宜，也仍比 Flash 貴。

智力指數從個位數跳到 38，離第一排還有 20 分

Mistral 在 X 上的說法是：在彙總基準上，它是美國或歐洲做出來的最強開放權重模型，網安、製造、金融稱開源裡的先進水準，視覺定位甚至超過部分閉源前沿。這句話的地理邊界很清楚：不是全球所有模型第一，也不是今天就能下載。

獨立數字先看 Artificial Analysis Intelligence Index。The Decoder 寫，ML4 得 38 分。前代 Large 3 在同一套指數只有 9 分，最近的 Medium 3.5 是 14 分。38 分略過 Mistral 自己平台上架的 GLM-5.2，也跟 GPT-6 Luna（max，38）、DeepSeek V4.1 Flash（max，39）同一帶。第一名是 Claude Opus 5.5（Max）58 分。差距約 20 分。Artificial Analysis 在權重釋出前仍把 ML4 標成 proprietary，因為下載檔還不存在。

Vals Index v2.1 是另一張表，不能跟 38 分平均。Kingy 截到的快照：ML4 Preview 48.05%，在顯示的 44 個模型裡排第 32。同表 Gemini 4 Argon 68.90%、Claude Sonnet 5.5 67.04%、Opus 5.5 66.97%、GPT-6 Astra 63.13%、GPT-6.1 Sol 61.15%、DeepSeek V4.1 Flash 51.32%、Qwen 3.8 Max 48.27%。Vals 這次給 Large 4 的設定是高推理力度、溫度 1、top-p 0.95。單次測試成本被寫成 13.78 美元，比 Sol 的 3.24 美元貴，比 Astra 的 18.46 美元便宜。

這兩張獨立榜共同能成立的句子是：對 Mistral 自己，這是一次大跳；對閉源第一排，它還沒站上去；對中國開源，它開始能坐上同一張桌子，但沒有把桌子掀掉。九月 D 輪時，站內寫過Medium 3.5 指數仍停在 30——當時用的是較舊的指數版本與不同對照組。這次 Decoder 用的是同一家指數對 Large 4 的新讀數。兩篇不應把 30 與 14 直接相減。

82% 那條網安頭條，有一半是對手拒答

官博把最大篇幅給了網路安全。公司說，在 Artificial Analysis Cyber Index 上，ML4 進全球前五，並大幅領先中國以外的開放權重模型。其中一項測試要求模型「在開源軟體裡複現真實漏洞，再打補丁」：官博寫 82%，是所有模型最高。Cybench 40 題官方寫解出 93%。

ThreatFrontier 在公告當天稍後抓了 Artificial Analysis 嵌入資料。公開預覽的「Mistral Large 4 Preview」在 CyberGym-E2E-AA 是 81.7%，18 個模型裡最高，安全攔截次數為 0。Cyber Index 綜合分 49.5，第 5／18。VentureBeat 截稿時還寫「模型還沒出現在 AA 公開評測」；ThreatFrontier 抓到的時候已經在了。預覽分數在權重落地前仍可能改。

對手接近零分的原因，AA 資料寫得很直。Claude Opus 5.5（Max，Default Fallback）0.8%，98.5% 的題被安全攔截；GPT-6 Astra（Max）0%，100% 攔截。Anthropic 與 OpenAI 在這項上幾乎整表拒答。AA 把拒答記成安全攔截、分數為零。因此這項第一名量的是「肯做」，不只是「比較會做」。在沒有拒答的模型裡，領先很窄：ML4 81.7%，小米 MiMo-V2.6-Pro 78.6%，GPT-6 Luna 77.9%，Grok 4.7 與 GLM-5.3 Flash 74.0%。綜合指數第一是 Grok 4.7 的 56.4，接著 MiMo 56.1、Luna 52.7、GLM-5.3 Flash 49.9，ML4 49.5。Astra 仍有 33.4、Opus 5.5 有 28.7，因為另外兩項（CWE-Bench-AA、DeepsecBench-AA）它們沒有整表拒答。ML4 在 DeepsecBench-AA 只有 16.0%，Grok 4.7 是 26.9%；CWE-Bench-AA 是 50.8%。弱項是漏洞發現，強項是「肯把洞再打出來並補上」。

Mistral 把拒答寫成防禦方的問題：供應商層級的拒絕會擋住合法的漏洞研究與事故回應；事故中途失去能力本身就是風險；攻擊者又在越獄同一批閉源模型。Lample 對 Quartz 的表述是，網安防禦能力讓企業與政府能對抗「越獄閉源模型來做攻擊」的對手。官博還說，內部測試裡模型能用來分析惡意程式、排漏洞優先順序、寫偵測規則；權重落地後可跑私有雲或地端。

同一份公告又強調：在 JailbreakBench、StrongREJECT、AgentHarm 的惡意網安提示上，ML4 的平均拒答率高於所有開源模型。Lakera B3 攻擊抵抗官方寫 93.3%，公司稱沒看到更高的對手分數。The Decoder 點出缺口：它沒有解釋模型如何穩定區分「合法漏洞研究」與「攻擊準備」。ThreatFrontier 補了一句更具體的：精選夥伴與國家機關拿到的是「降低審核、擴大網安能力」的同一顆模型，公開預覽不是那一檔。甄選標準、放寬了哪些審核、日誌與可接受使用條款，官方都沒寫。AA 自己的 Cyber Index 方法論也提醒：31% 的通過案例補的是目標以外的真實崩潰，人工審查補丁仍然必要。

編程分數能進開源前段，終端自主還接不住閉源旗艦

官博報的編程數字是 Artificial Analysis 三項等權：DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，合成 Coding Agent Index 49.8%，排在 DeepSeek V4 Pro 0813 與 Qwen3.8 Max 前面。Surge AI 盲測裡，專業標註者打 1 到 5 分：ML4 Preview 3.74，五個模型裡第二，高於 Kimi K3 的 3.59、GLM-5.3 的 3.60、GLM-5.2 的 3.40，低於 Claude Opus 5 的 4.22。

VentureBeat 把 DeepSWE 放到活榜上對了一輪。Mistral 自己的圖把 Reflection Beam 寫成 44%、Qwen 3.8 Max 51%、DeepSeek V4 Pro 0813 57%、GLM-5.3 61%，ML4 62%。活榜若取每個模型已發表的最佳配置，GLM-5.3 與 Kimi K3 約 69%，GPT-6 Astra、Gemini 3.8 Flash、Claude Opus 5 約 74%。62% 對西方開放權重（例如剛亮相的 Beam）有競爭力，但不是跨所有模型與所有 harness 的編程第一。

Vals 用 Mini-SWE-agent 跑的 Terminal-Bench 4 更低：ML4 22.73%，同表 Opus 5.5 65.15%、Sonnet 5.5 64.14%、Astra 59.60%、Sol 55.05%、GLM-5.3 38.89%。22.73% 與 AA 的 28.3% 不應平均成一個新基準；任務子集、脚手架與執行預算都可以造成差距。實務上能寫進評估清單的是：ML4 可以當開源編程候選人，困難的長程終端任務仍應留一顆閉源旗艦對照，並用「可接受變更的單價」含修復次數與審查時間來算，而不是只看合成指數。

AI 代理工作流方面，官博寫 AutomationBench（657 個跨 Gmail、Sheets、Slack、Salesforce 的商務流程）59.9%，高於 Kimi K3、MiMo-V2.6-Pro、DeepSeek V4 Pro。AA-Briefcase 長程知識工作 1,393 Elo，也寫成高於 V4 Pro。The Decoder 另寫：自動化商務流程上 ML4 略低於 GLM-5.3。兩句可以同時成立，因為不是同一張表。

法律與金融是少數能把 Astra 壓下去的欄位

Vals 的 Harvey Legal Agent Benchmark 是這次比較乾淨的外部交叉檢查。Kingy 截到：ML4 任務通過率 15.83%，單測成本 4.18 美元。同表 Astra 與 Sol 都是 5.42%，Opus 5.5 3.75%，Sonnet 5.5 2.92%。開源對照裡 Kimi K3 12.92%、Qwen 3.8 Max 10.42%、GLM-5.3 8.33%。Mistral 自己的圖寫約 15%，與 Vals 同量級。顯示結果裡它排第 6／75。絕對通過率仍低：15.83% 不是「另外 84% 可以交給模型」。同一模型在 Legal Research Bench 是 31.73%，排第 38／74。一個代理基準上的強、一個研究基準上的中，不能合成「法律第一」。

Finance Agent v2：ML4 54.68%，成本 1.20 美元，延遲 26 分 02 秒。Astra 53.54%、6.82 美元、11 分 33 秒。ML4 在這張表上以更低成本超出 Astra 1.14 個百分點，但花兩倍以上時間。Gemini 4 Argon 仍以 65.40% 領先，Opus 5.5 58.59%，Sonnet 5.5 58.10%，GLM-5.3 55.84%。官博另引 vals.ai，稱法律與金融任務都超過 GPT-6 Astra；Finch（FinWorkBench）官方圖寫 67%，與 V4 Pro 並列、高於 GLM-5.3 的 65%。VentureBeat 找不到 Finch 上那些較新模型分數的獨立公開來源。

視覺定位是官博少數直接點名贏過 Astra 的欄位：Dense 200 上 ML4 42%、Astra 41%。官博示範包含十億畫素衛星圖、工程圖放大核對、PDF 取證。差距是 1 個百分點。DIOR-RSVG 官方材料寫 73%，VentureBeat 說對照組的 Astra、Kimi、DeepSeek 精確分數未在它查到的公開基準來源出現。

科學與數學：官博稱 SciCode-Verified 在開放權重裡先進；內部 STEM 人評相對 GLM-5.3，CAD 與 STEM 偏好 ML4，金融與編程接近。這些是公司內部評，不是 Vals 或 AA 的公開表。

強化學習還沒跑完，D 輪的錢正被寫進程式

官博把後訓練寫得很具體。共用介面把單輪聊天、複雜科學題、安全對齊、事實性、長程工具使用塞進同一輪。強化學習庫讓新環境容易加進去。執行時，自動伸縮的 actor 艦隊平行產生數萬條 rollout，訓練異步進行。當前規模約 3,000 顆 GPU，單輪每天約產生 330 億詞元，過濾與遮罩後約 160 億是可訓練的完成詞元。官方說預覽背後這輪 RL 仍在跑、沒有飽和跡象，後面幾週還會再往上。Lample 對 Quartz 說，D 輪之後拉高訓練產能，能力還會再改善。

這把產品狀態說清楚了：現在上架的是「還在長」的預覽檢查點，不是凍結的最終權重。獨立榜上的 38 分、81.7%、48.05%，全部綁在這個還會改的版本。月底若權重與預覽不是同一顆，今天的表要重跑。

錢從哪來，公司寫進同一篇公告：ML4 是30 億歐元 D 輪路線圖的第一個里程碑，該輪是歐洲科技公司有史以來最大股權融資，投後估值逾 210 億歐元，三星領投。官博說資金已在擴歐洲自有機房。The Decoder 回看三月那筆8.3 億美元巴黎機房貸，以及 2027 年底歐洲 200 百萬瓦算力的計畫。VentureBeat 寫科學團隊從 3 名研究員擴到約 300 人。訓練用的環境，官博說就是賣給客戶的 Mistral Forge——站內先前寫過Forge 與 Small 4 那條企業自建路線。

主權被寫成可檢查的部署，而不只是口號。官博說會在多個地區提供服務，其中一條歐洲部署由 Mistral 端到端營運、不依賴其他數位服務商、受歐洲法律約束。TechCrunch 引法國總統馬克宏先前「AI 第三條路」的表述：閉源美系模型能被拔插頭，開放權重又常是中國做的，Mistral 要把 ML4 擺在中間。Stock 對該報說，開放權重比較好審計；在權重釋出前，會與可信夥伴與政府合作，「確保開源權重能用來防禦，而不是用來做惡意攻擊」。怎麼保證，公告沒有機制圖。

執行長 Arthur Mensch 今年五月已在法國國會委員會講過同一條恐懼：歐洲若在網安上依賴美系模型，法國軍方程式碼不該被 Anthropic 的 Mythos 掃描。ML4 的網安敘事是把這句話產品化。Lample 對 VentureBeat 的商業解釋是另一層：客戶要的不只是模型權限，還有部署、基礎設施、客製與工程；公司賭的是權重會商品化，高價值生意轉到權重周圍的系統。這也解釋為什麼旗艦願意開權重：API 鎖客不是唯一條路。

授權是這條故事裡還沒填的空格。Large 3 是 Apache 2.0。Large 4 被多家媒體寫成自訂 Mistral 授權。條款對商用、修改、再散布、產出物歸屬寫什麼，要等權重頁。在那之前把它叫「開源」不準，準的是「預告中的開放權重」。

開發者現在能做的，與還不能做的

現在能做的是打 API。文件列出聊天、對話、批次、代理端點。預覽跑在 Mistral 自己的歐洲機房。ThreatFrontier 對防禦團隊的提醒很具體：預覽是託管服務，在核對資料處理條款之前，不要把專有原始碼或事故資料送進去。精選網安檔若要申請，應要求書面甄選標準、日誌與可接受使用條款。

現在不能做的是本機複現。Hugging Face 組織頁上沒有 Large 4 檢查點，只有 Large 3、Small 4、Medium 3.5、Devstral 2 等舊集合。預定頁寫「Waiting for the release」。沒有檢查點就沒有獨立量化、沒有第三人推理引擎、沒有「我這張卡跑不跑得動」的實測。Implicator 寫得直：這顆模型大到不能在桌機或筆電上跑，對部分大學也不實際。

Reflection 前一天剛把 Beam 定位成「中國以外最能打的開放權重，激活只有 230 億／總參數 5010 億」。Mistral 的 DeepSWE 圖把 Beam 放在 44%。兩邊都還沒把最終權重交到公共倉庫。對要在十月底做開源選型的人，時間表會擠在一起：ML4 預告月底、Beam 也寫「本月稍後」。誰先落地、授權誰比較能進企業法務，會變成實際決策，而不是誰的官博圖片比較好看。

六月網路上流行過一個虛構模型梗「Le Chaton Fat」（肥貓），假基準圖把一顆不存在的法國大模型寫成能越過美中。Business Insider 寫過這個梗；Mensch 還在 X 接過話。VentureBeat 問 Lample，ML4 是不是那個梗的實體版。他說公司喜歡這個梗，ML4 可以看成那個想法的初版，後面還有更大的。內部暱稱 le Chonk 是故意向那群催更的人點頭。這解釋了名字，不解釋基準。

採購上現在能寫進清單的驗證條件很窄。預覽期間：用你真正在跑的法律、金融或文件流程，對同一套工具與接受標準測 ML4，同時留一顆更強的通才模型接它做不來的編程與終端任務；核對你打到的那個 endpoint 上下文上限，不要假設 100 萬；把帳單算兩次，一次用 0.68／2.09，一次用 1.36／4.18。權重落地之後：核對授權是不是真的能商用與地端；核對公開檢查點與預覽是不是同一顆；自己的程式庫重跑漏洞複現與補丁審查，不要把 81.7% 當成一般網安能力；假設攻擊者也拿得到同一顆權重，補丁速度與暴露面收斂要比模型評分更先排進行事曆。