Mistral 发布万亿参数开源模型 Mistral Large 4（Le Chonk）

思考

摘要

Mistral 发布了 Mistral Large 4 (Le Chonk)，一个拥有 1 万亿参数的多模态模型，现在提供改进的编码、网络安全和推理效率。它在编码和防御安全方面的开放权重基准测试中领先，同时提供三种推理模式以平衡成本性能。完全开放权重且在欧洲训练，它通过可定制的、自托管的部署选项赋能主权 AI。

本月早些时候，我们发布了 Mistral Large 4 (Le Chonk)，我们的旗舰 1 万亿参数、原生多模态模型，进入公开预览。预览的反馈超出了我们的预期，我们感谢我们的开发者社区、早期访问客户和合作伙伴的支持、合作和反馈。

从那时起，我们将这些反馈付诸实践，同时继续扩展强化学习，在 编码 和防御 网络安全 方面取得了巨大改进。收益仍在加速，没有饱和的迹象。

今天，我们发布了改进的 Mistral Large 4 的权重。 新模型在推理效率方面也取得了显著提升，为开发者提供更高的性能，同时降低推理成本。

Mistral Large 4 是编码方面 最好的开放权重模型，也是全球最强大的开放模型之一。它在欧洲基础设施上从头开始训练，从开始到发布都有清晰的血统，为组织提供了一个可信的主权 AI 基础。

Mistral 正在定义主权 AI 类别并引领开放前沿。我们致力于构建世界上最强大的模型，并公开发布它们，赋予开发者、企业和机构拥有、定制和控制其 AI 的能力。

为建造者而生。

Mistral Large 4 在领先的编码基准测试中进入公开预览时取得了强劲的成果。自那以后，仅仅三周的额外强化学习就推动它成为开放权重编码的前沿，在 FrontierCode 和 Terminal-Bench 上领先，同时在 Artificial Analysis Coding Agent Index 上与最好的开放权重模型持平，但 token 效率显著更高。

在 Cognition 的私有 FrontierCode 2.0 基准测试中，该测试评估端到端代码质量和存储库维护者是否会合并代理的更改，Mistral Large 4 以 19.7% 的得分领先。

推动代理编码的帕累托前沿。

Mistral Large 4 提供前沿编码性能，但 token 数量显著减少，使复杂的编码代理在规模化运行时更加经济。

在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得分 48%，与领先的开放权重模型 GLM-5.3 有效持平，同时在平均每个任务的 token 使用上减少了 47%。

这些收益也扩展到了基于终端的编码工作流。在 Terminal-Bench 4.0 上，与公开预览相比，Mistral Large 4 提高了 13 个百分点至 41%，在开放权重模型中领先，同时减少了 30% 的输出 token。

为了使开发者更好地控制性能和成本之间的权衡，Mistral Large 4 现在支持三种推理模式：

超越基准，Mistral Large 4 的编码能力通过人类偏好得到验证。在 Surge Code 的盲法成对评估中，Mistral Large 4 被认为优于领先的开放权重模型，包括 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash，仅在评估模型中仅次于 Claude Opus 5.5。

为防御者而生。

自预览以来，我们一直与领先的网络安全供应商合作，在真实环境中评估 Mistral Large 4，以测试其在漏洞复现和补丁方面的优势。

Mistral Large 4 在人工智能分析网络安全指数上的得分为 51%，该指数衡量模型在代码库中发现漏洞、复现和验证它们，并在不破坏现有功能的情况下修补它们的能力。关键在于，Mistral Large 4 在执行这些合法的防御性安全任务时不会进行不必要的拒绝。

随着能力的提升，安全性也得到了改进。我们的模型的内置护栏能够区分防御性和恶意、进攻性网络安全任务。它在网络安全基准上保持强劲表现，同时在恶意网络请求上的平均拒绝率为 96.6%，这是我们在开放模型中测量的最高拒绝率。

全球网络安全领导者对 Mistral Large 4 的评价如下：

自预览以来，我们仔细监控了实时流量中的网络安全相关使用情况。尽管我们观察到模型拒绝执行针对实时目标的黑盒攻击，但我们看到了进行真实攻击的潜力。我们正在相应地修改我们的护栏，并在未来几个月继续更新它们。

我们还为 Orange Cyberdefense 等企业设计合作伙伴提供 Mistral Large 4 的专业变体预览访问权限，该变体针对高级网络安全工作流程进行了优化，包括渗透测试、漏洞评估和红队演练。访问权限需经过严格的审查和合同保障，测试仅限于受控环境中的自有或明确授权的系统。

与此同时，客户正在使用 Mistral Forge 为 Mistral Large 4 配置专有安全数据、策略、检测逻辑和威胁环境。对于定义明确的网络安全任务，它可以进一步优化为更小、特定任务变体，以提高准确性，使安全应用更有效。

了解更多关于网络安全主权人工智能以及如何与我们合作。

为工作而生。

Mistral Large 4 在一系列广泛的商业使用指标上持续改进。

对于财务相关工作，我们提高了模型执行现实工作流程的能力，特别是涉及为财务和会计用例创建和编辑电子表格的工作。这反映在我们的 Finch 分数上升到 73.3%，在开放模型中仅次于 Kimi K3。

网络浏览是大多数知识工作的关键部分。我们的RL流程使我们能够在BrowseComp上达到84.5%（从一个达到75%的SFT检查点开始）。这使Mistral Large 4的性能高于GLM-5.3或DeepSeek Flash 4.1 1017。

组织部署的代理需要安全。无论是部署给内部成员还是外部用户，代理都不应该让你暴露在系统提示窃取或恶意代码注入等威胁之下。RL增加了我们在B3 Agent Security Benchmark上的收益，Mistral Large 4抵抗了97.1%的攻击，而Preview中为93.3%。这使它处于OSS前沿的顶端，这意味着任何托管该模型的人都可以在不进行额外调整的情况下运行一个安全的代理。

Mistral AI的重大投资加强了La Banque Postale一年前所做的选择，并突出了我们正在共同建立的长期战略合作伙伴关系的相关性：支持一个开放和主权欧洲AI领导者的出现。对于一家公共和市民银行来说，技术主权不是可选的；它是维持客户信任的关键前提。这个开放模型的推出开辟了新的机会和用例。通过与Mistral AI合作，我们的雄心是结合人类专业知识和数字技术的最佳之处，以在长期内为顾客和员工提供更好的体验。

Zakaria Moursli，执行副总裁，运营绩效、支付和数字服务，La Banque Postale

See it in Action

网络漏洞分类：一个代理读取传入的漏洞报告，调查源代码和产品上下文，在一个隔离的沙盒中重现漏洞，然后编写和迭代补丁，直到 Canary漏洞不再起作用。

代理式网络开发：在没有人工帮助的情况下，Mistral Large 4构建了Orbital Trace，一个包含大约19,000颗卫星和碎片并围绕地球运行的实时3D地图。它提取真实的跟踪数据，编写应用程序，在浏览器中使用它来捕捉自己的错误和减速，然后修复独立审查员指出的问题，直到所有要求都通过。

量子化学求解器：Mistral Large 4从头开始编写软件，该软件计算分子中电子的位置，并将其答案与标准化学工具进行核对。然后它围绕它构建一个3D页面：选择一个分子，如苯或水，拖动滑块将其分开，并观察电子在键断裂时重新组合。

为主权而建。

随着组织围绕他们的知识和工作流程构建AI，主权意味着他们保留对所依赖的模型以及他们创建的智能的控制权。

有了Mistral Large 4，这种控制权从模型本身开始。组织能够检查、定制并在他们自己的基础设施上部署该模型。他们可以在不依赖Mistral通过API提供Mistral Large 4的情况下使用和改进它。Mistral Large 4是在欧洲开发和训练的，这使组织能够清楚地了解他们所构建技术的基础来源。

控制也扩展到 AI 在组织内部如何运行。组织可以使用 Mistral Forge 将 Mistral Large 4 定制化以围绕其专有数据，并可以使用 Mistral Studio 构建、管理和改进生成的代理和应用程序。Mistral 的应用 AI 专家可以与客户团队合作来构建和部署这些定制系统。通过这项工作，团队了解他们所构建的架构和决策，以及用于训练和运行它的方法，因此他们可以独立运行和改进他们的 AI。

主权并不总是需要自托管；有时它只需要满足您控制要求的部署。对于更喜欢托管服务的组织，Mistral Large 4 通过 Microsoft Foundry 提供，Azure 开发者可以选用私有部署选项。

微软和 Mistral AI 都致力于扩大客户在下一代 AI 中的选择权。作为第一个将 Mistral Large 4 带给客户的云服务提供商，微软通过 Microsoft Foundry（一个为评估、部署和大规模运行模型而构建的企业 AI 平台）提供 Mistral 的最新开放权重模型。对于推进主权 AI 策略的组织，这种组合提供了跨越其数据、基础设施和 AI 运营的更大灵活性和控制力。

Tina Schuchman，微软 Foundry 企业副总裁

开始使用 Le Chonk 构建

Mistral Large 4 今天即可试用、部署和定制。

通过 Mistral Studio、Mistral API 或 OpenRouter 开始使用。为了完全控制，请从 Hugging Face 下载开放权重，并在自己的基础设施上使用 vLLM 或 SGLang 部署。包含您所需的所有内容的 模型卡 和 许可证。

您还可以在 Vibe Code 中尝试新模型；在您自己的存储库中为其添加功能或修复错误。

Mistral Large 4 也可以通过 NVIDIA 托管的端点 提供，作为一个优化的 NVIDIA NIM 容器，用于使用 vLLM 提供。开发者可以使用用于定制的开源 NeMo AutoModel 库，或用于高吞吐量提供的开源 TensorRT LLM 库。

企业也可以使用 Mistral Forge 将 Mistral Large 4 定制化以适应其专有数据、用例和护栏。 联系我们团队 了解更多。

该模型在 Mistral 生态系统开放权重许可证 下可用， 这是一个修改后的 MIT 许可证。该模型可以免费使用、修改、微调和商业化，只有一个条件：提供模型即服务（Model-as-a-Service）的企业在使用模型进行商业活动之前必须从 Mistral 获得单独的商业许可证。

从今天开始，Mistral Large 4 的价格定为 $0.70 输入 / M，$0.07 缓存输入 / M，和 $2.10 输出 / M 代币。

我们鼓励社区测试 Mistral Large 4。运行您自己的评估，挑战其极限，并在 X、Discord 或 GitHub 上与我们分享您的发现。

接下来是什么？

Mistral Large 4 将作为新一代专业和优化 Mistral 模型的基石。基于近期发布的 Voxtral 和 Timestral 等产品，我们将继续拓展开放权重 AI 的边界，持续为开发者和企业赋予更大的自由度，以构建、定制和拥有他们的智能。