Mistral Large 4 開權重：FP8 1,060 GB、NVFP4 610 GB；官方 Terminal-Bench 41% 對上獨立 25%，API 0.70／2.10

Hugging Face 上那份 mistralai/Mistral-Large-4-1T-A52B 倉庫，權重最後寫入時間是 14:51 UTC。54 個 safetensors 分片、磁碟佔 1,060.6 GB、標籤寫 FP8、沒有 gated。隔壁的 NVFP4 倉庫少了四十幾分鐘先寫完：32 個分片、610.1 GB。授權檔 2,632 位元組，標題是 Mistral Ecosystem Open-Weight License。這就是 Mistral 把 Large 4（內部暱稱 Le Chonk）從 API 預覽推進到可下載的那一下：檔案在，授權在，vLLM 與 SGLang 的啟動指令也一起貼出來。權重本身是 開放權重，不是把訓練資料與完整配方一併公開的開源專案。

三週前同一顆模型還只在 Studio 清單裡。當時文件寫總參數 1.05 兆、每個詞元激活 490 億、視覺編碼器 16 億，權重被寫成「本月底」；第三方把日期寫成 27 日，託管頁倒數指著 31 日。預覽那篇核對過這三個日期並存。實際落地比 27 日晚兩天，比 31 日早兩天。中間多出來的，官方說是「大約三週的額外強化學習」加上客戶與資安夥伴的回饋。

下載到的規格，以及還對不上的幾處

模型卡與官方文件現在對得上的部分是：混合專家模型、約 1 兆總參數、每詞元激活 490 億（把嵌入層與輸出層算進去是 520 億）、128 個路由專家每次開 4 個再加 1 個共享專家、72 層、隱藏維度 6,144、64 個注意力頭、多模態輸入（文字加圖像）只出文字、原生上下文窗口標 1,048,576 詞元。第一層是稠密前饋，其餘 71 層走 MoE。注意力是 Multi-head Latent Attention 配 DeepSeek Sparse Attention 索引器，每個 query 最多選 2,048 個 key 位置。RoPE 與 NoPE 按 3:1 交錯，KV 狀態跨層共享。視覺側是 16 億參數的 Pixtral 編碼器，30 層、14×14 patch。

訓練卡數也收斂了。官方這次寫死 3,800 顆 NVIDIA Grace Blackwell GPU，在歐洲自有機房從頭訓練。預覽期有媒體寫「約 4,000 顆」，差在四捨五入，不是換了一套叢集。

還對不上的有兩處。一是語言數：NVFP4 模型卡寫 39 種，官博寫 160 種以上、含歐盟全部官方語言。二是 1M 上下文怎麼來的。OrcaRouter 把設定檔裡的 YaRN 區塊拆開：原生 RoPE 窗口 512 詞元，放大倍數 2,048，相乘剛好 1,048,576。這表示你下載到的設定是用外推把窗口拉到一百萬，不是模型在一百萬長度上有完整訓練紀錄。把一份九十萬詞元的文件丟進去之前，這條算術值得先看一眼。

推理檔位改成三檔：low、medium、high，預設 high。官方說 low 取代預覽期的 None。Hugging Face 的 Transformers 說明寫得更硬：推理關不掉，把 reasoning_effort 設成 none 仍會走 high。想拿它當便宜聊天模型，這顆預設不是為你設的。

技術報告被寫成「即將推出」。架構細節目前散落在模型卡、Hugging Face 部落格與推論框架的 day-0 說明，還沒有一份把資料配比、後訓練配方與安全評估方法一次講完的論文。

授權那一條，決定誰能拿它賣推論

Mistral 把授權稱成「改寫過的 MIT」。可以免費使用、複製、修改、繼續訓練、散布、再授權、販售模型與衍生作品，條件是附上著作權與許可聲明。真正卡住商業產品的是第 2 條：如果你或任何關係企業在經營 Model-as-a-Service，必須先跟 Mistral 另簽商業授權，才能把模型或其衍生作品拿去做任何商業用途。沒有營收門檻，不管公司多小。

授權把 MaaS 定義成：讓第三方透過任何方式（例如 API 或託管端點）取得模型或其衍生作品的推論或後訓練，且該第三方能對輸入、參數或訓練資料行使有意義的控制。兩類被排除：模型能力只嵌在特定功能或 harness 裡的終端產品，以及「只是把請求轉送到別人託管的模型」。第 3 條再把內部使用（不把模型或其衍生作品提供給第三方）以及走 Mistral 官方產品的使用排除在第 2 條之外。

讀起來大概會落成三個桶。自己的 GPU、自己的團隊，算內部使用。產品裡有一顆「摘要」按鈕、使用者改不了底層參數，比較像嵌入式排除。讓客戶自己送提示詞、自己選參數的託管端點，以及把微調後的衍生模型再對外提供推論，會踩到第 2 條。關係企業也算：姊妹公司在賣推論，你這側的答案也可能一起變。這是對條文的閱讀，不是法律意見。產品貼近界線時，要問的是 Mistral 或律師，不是模型卡底部那句「modified MIT」。

VentureBeat 引營收長 Marjorie Janiewicz 的說法，把客戶需求收成三句：不要被斷線、要能按自己的資料客製、要有業務連續性。下載權重回應的是前兩句與第三句裡「不靠單一供應商持續許可」的那一半。第三句的另一半——機房、電費、維運、值班——授權檔沒有幫你付。

官方數字與獨立榜不是同一張表

Mistral 的開權重公告把編碼成績寫得很滿。Cognition 的私有 FrontierCode 2.0（看倉庫維護者會不會合併 agent 的改動）官方寫 19.7%。Artificial Analysis Coding Agent Index 官方寫 48%，與開放權重領先的 GLM-5.3「實質打平」，平均每任務少用 47% 的詞元。Terminal-Bench 4.0 官方寫從預覽的 28% 進步 13 個百分點到 41%，輸出詞元少 30%。Surge Code 的盲測兩兩比較，官方寫對 GLM-5.3 與 Kimi K3 勝率 64%、對 DeepSeek V4.1 Flash 56%、對 Claude Opus 5.5 只有 22%。

獨立實驗室把同一組 harness 跑過公開 API 之後，數字換了一套。Artificial Analysis 在 10 月 29 日的 Intelligence Index v5.0 評估裡，把 Mistral Large 4（high）的 Terminal-Bench 4.0 記成 25%，比官方少 16 個百分點；FrontierCode 2.0 記成 15%，官方是 19.7%。同一張獨立表上，DeepSeek V4.1 Flash 1017 的 FrontierCode 是 29%，GLM-5.3 是 22%。官方圖表把 19.7% 畫成開源第一；獨立評估不支持把這個第一名延伸到公開 API 上。

Coding Agent Index 這項兩邊比較接近，但排名用詞不同。獨立榜（開放權重、現可測）：

Mistral 說「打平」；Artificial Analysis 排第二。一分之差本身證明不了統計顯著。850 萬對上 1,590 萬倒是清楚：同樣接近的分數，詞元少了約 47%。這是整套 agent 配置的比較，不是把底層模型抽換到同一套軟體後的對照。

整體智力分數的變化更小。v5.0 指數預覽是 25、開權重版本 26。這讓它成為該榜上「中國以外開發、且有權重可下」的最高分，比 Muse Spark Open 的 xhigh 高 1 分。全球開放權重仍有七顆更高：DeepSeek V4.1 Flash 1017 與 GLM-5.3 在 32，MiMo-V2.6-Pro 在 30。閉源當前高檔是 Gemini 4 Carbon 59、Opus 5.5 58、GPT-6 Astra 57。預覽剛上線時 AA 給過 38，那是舊版指數；v5 把更難的項目加進去，且約 60% 改用私有題或隱匿答案，38 與 26 不能直接相減。

差距最可能的來源是配置：推理檔、agent 軟體、題目切片。最不該做的是把 41% 與 25% 印在同一格當「Mistral Large 4 的 Terminal-Bench 成績」。Hugging Face 部落格仍引用 DeepSWE v1.1 的 61.7%、SWE-Atlas-QnA 的 59.4%、Terminal-Bench 4 的 28.3%——後者對得上預覽期的官方數字，對不上開權重公告裡的 41%。Vals 已不再為新模型跑 SWE-bench Verified。DeepSWE 這次也沒有被換成新分數。

事實正確率與幻覺是另一組獨立數字。AA-Omniscience v1.1：幻覺率從預覽的 41% 降到 28%，與 Muse Spark Open 相同；正確率仍是 26%，Muse 是 42%，DeepSeek 是 40%。少亂講不等於更會答對。輸出詞元也瘦了：智力指數每任務平均輸出從預覽的 135,000 降到 82,000，少 39%。AA 測到的速度確實快，約每秒 161.3 個輸出詞元、首 token 1.42 秒；單任務成本 2.06 美元，在同價位帶仍偏貴，因為想得久的模型把錢花在詞元量上，不是只花在單價上。

價目表在權重落地同一天腰斬

開權重公告把 Mistral 自家 API 寫成每百萬輸入 0.70 美元、快取輸入 0.07、輸出 2.10。預覽期牌價是輸入 1.36、輸出 4.18；當時的預覽折扣大約打對折。權重上線後的牌價，大致落在預覽折扣價的位置，而且變成正式價。

Artificial Analysis 把「跑完一題智力指數要花多少錢」也測過了：

相對預覽少了約 63%，跟 Muse Spark Open 幾乎貼在一起。DeepSeek 與 MiMo 在同一套指數上分數更高、單題更便宜。API 單價腰斬，不自動變成市場上最便宜的開放權重路線。DeepSeek Flash 1017 那條線仍在用更低的單題成本拉分數。

自架的成本表是另一本帳：八張 Blackwell 的租金或折舊、電、工程師把 vLLM 旗標調到能穩跑 1M 窗口的時間。官方價目只覆蓋託管 API。

610 GB 才是多數人能碰到的那份檔

1.05 兆參數的 FP8 權重是 1,060.6 GB，還沒算 KV 快取、激活與碎片。八卡 Blackwell 節點裝得下，大約還剩 400 GB；八張 H200 幾乎貼底。NVFP4 把磁碟壓到 610.1 GB：專家權重走 NVFP4，線性層留 FP8，vLLM 食譜還要求 MLA 層用 FP8 KV。這不是整顆模型一律 4-bit，是針對 Blackwell（B200、B300、GB200、GB300）的混合精度棧。

官方食譜沒有因為量化就把卡數砍半。vLLM 公開指令是 --tensor-parallel-size 8；SGLang 是 --tp-size 4。量化的主要用途是留給長上下文，不是讓你用一張消費卡把 1 兆參數跑起來。vLLM 的 day-0 說明補了一組對照：NVFP4 在多模態、長上下文、編碼 agent、商務自動化與資安評測上，與 FP8 的差距每項不超過 2.1 分、平均 −0.3 分；完成詞元量差距約 4%；解碼每詞元快 1.08 到 1.19 倍（開 DSpark 則 1.18 到 1.22 倍），KV 容量大約 1.5 倍。OrcaRouter 寫稿時仍認為「NVFP4 與 FP8 在同一套評測上的獨立對照還沒有人公開跑完」——vLLM 這組數字是框架方的，不是第三方實驗室的。

內建的 DSpark 不是旁邊再掛一顆小模型。設定檔寫的是三層滑動窗口 MLA 加上小型循環草稿頭，已經包在那 610 GB 裡面。投機採樣平常要為第二顆模型付記憶體；這裡草稿頭跟權重一起下載。vLLM 說約每步接受 2.9 個詞元，TP8 上輸出吞吐大約翻倍。Decode Context Parallel 把 KV 按詞元切而不是在每個 rank 複製：TP8 加 DCP8，FP8 的 KV 容量從 238 萬詞元升到 1,888 萬，NVFP4 從 360 萬升到 2,876 萬。廣告上的 1M 窗口，硬體條件寫在這些旗標裡，不寫在官博第一段。

本機路線另有一條。llama.cpp 與 Unsloth 出了 GGUF：IQ2_XXS、Q2_K、Q4_K_M、NVFP4、Q8_0、BF16。Hugging Face 部落格寫，2-bit 量化能在單一顆 512 GB 統一記憶體的 Apple Silicon Ultra 上跑；他們在 M3 Ultra 上測到 Q2_K 預填約每秒 90 詞元、生成每秒 15 詞元。四張 RTX 6000 Pro 上，NVFP4 在 32K 上下文生成約每秒 10 詞元；IQ2_XXS 短上下文生成約 30、拉到長上下文掉到約 3。這不是「筆電可跑前沿模型」的故事，是「有人願意用 2-bit 與 512 GB 統一記憶體換一個可互動的本機端點」。

Hugging Face Inference Endpoints 給了一份 8×H200 的現成食譜：單請求、1K 提示詞，首 token 約 0.6 秒、生成約每秒 65 詞元，DSpark 草稿被接受時可到 120–138；16K 提示詞四路並行，預填合計約每秒 4,300 詞元，首 token 8 到 9 秒；1,000 條 ShareGPT 負載下總生成約每秒 480 詞元。Transformers v5.22.0、TRL 的微調（含 LoRA／PEFT）、NVIDIA NIM 容器、TensorRT-LLM、Microsoft Foundry 的私有 Azure 部署、Dell Enterprise Hub，都在同一天掛上 day-0。AMD Instinct MI350 也寫了 day-0。要把這顆 大型語言模型 接到自己的資料上再拿去推理，微調路徑已經在同一天打開；技術報告還沒來，推論棧倒是先到了。

防守用途被寫成主打，官方自己也寫了攻擊面

網路安全評測是這次發布最願意展開的一章。Artificial Analysis Cyber Index 獨立測到 51 分（high），開放權重裡排第三；DeepSeek V4.1 Flash 1017 max 是 57，MiMo-V2.6-Pro 是 56。拆開看：

CyberGym（在真實開源軟體裡重現漏洞再打補丁）這項，Mistral 跟 MiMo 並列、略高於 DeepSeek。另外兩項落後。預覽期被反覆引用的「漏洞複現 82%、因為閉源對手拒答」仍然解釋得通：許多閉源前沿模型在這類題上接近零，因為使用政策把「重現漏洞」當成攻擊。防守要修洞，通常得先重現洞。開放權重把使用政策與部署地點交回給操作者；API 也可能在事件中途被關。

官方同時報了另一個數字：在 JailbreakBench、StrongREJECT、AgentHarm 的惡意網安提示上，平均拒答率 96.6%，自稱開放權重裡最高。B3 Agent Security 攻擊抗性從預覽的 93.3% 升到 97.1%。這兩項都是公司自測。同一篇公告後面寫得比較直：他們在線上流量裡看到模型拒絕對活體目標做黑箱攻擊，但「看到它有被拿去進行真實攻擊的潛力」，正在改防護欄，未來數月還會繼續改。

專門變體沒有跟公開權重一起放。官方說企業設計夥伴（點名 Orange Cyberdefense）在預覽一顆針對滲透測試、漏洞評估與紅隊的特化版，要審核與合約約束，測試限於自有或明確授權的系統、受控環境。公開權重被定位成防守；進階攻防工作流走另一條、不公開的管道。權重一旦下載，後續有沒有人把拒答拆掉，原廠控制力會下降——Janiewicz 在訪問裡沒有提出「下游拆不掉防護」的證據。她提出的是另一件事：客戶應該自己有模型、自己設防護欄。

Booz Allen、Cisco、Cloudflare、Fortinet、Rubrik、Zscaler 的引言被放在公告中段，內容多是「開源讓我們能在自己的環境客製」與「成本曲線好看」，沒有附上可核對的生產指標。ABN AMRO、Belfius、Crédit Agricole、ESA Φ-lab、ASML 的說法同樣是興趣、測試與部署可能性，不是 Large 4 已經在帳上省下多少錢。Janiewicz 被問到可歸給 Large 4 的業務結果時，回答是系統還在建、有意義的營運數字要更久。

Finch 財務工作流官方寫到 73.3%，開源第二、落後 Kimi K3 的 77.3%。BrowseComp 從一份監督微調檢查點的 75% 拉到 84.5%，基準不是預覽版本身。這些是基準進步，不是客戶營收。

自架之前要先核對的幾件事

權重、授權、推論指令同一天到齊，對已經有八張 Blackwell、或資料駐留規則不准走託管端點的團隊，計算式變了：檔案存在、條款存在、廠商給的是測過的啟動命令而不是「社群自己想辦法」。先拉 NVFP4（610.1 GB），用官方映像把工具呼叫與推理解析器打開，拿自己的倉庫、自己的漏洞樣本、自己的長文件對一下託管 API，再決定生產路徑要不要遷到自架。NVFP4 相對 FP8 的品質，目前主要是框架方的對照；1M 窗口是 YaRN 外推；Terminal-Bench 的 41% 與 25% 還並存。

沒有那類硬體的人，這次真正能立刻用的是價目表，不是檔案清單。每百萬 0.70／2.10、快取再打到 0.07，大約是預覽牌價的一半。單題 2.06 美元仍然貴過 DeepSeek 與 MiMo。智力指數 26 只比預覽多 1 分，真正移動的是詞元效率、幻覺率，以及「權重在不在你硬碟裡」。技術報告沒來之前，架構故事仍不完整；MaaS 條款沒談妥之前，對外賣推論的產品不該假設「改寫 MIT」等於可以上架。