Mistral AI 发布 Medium 3.1：多模态大升级，支持 4 卡私有化部署

大模型卷到今天，大家看跑分早已有点麻木，真正让人头疼的往往是两件事：账单太贵，以及模型太大根本塞不进自家的机房。

欧洲 AI 独角兽 Mistral AI 发布了新一代模型 Mistral Medium 3.1。这家法国团队这次拿出的杀手锏不是无休止地堆参数，而是把重点放在了企业级落地最关心的两件事上：极致的性价比，以及极低门槛的私有化部署。

4 张卡就能跑，成本砍掉近九成

对很多企业来说，用云端 API 跑大模型就像开着水龙头花钱，而自己搭集群又动辄需要几十张顶级算力卡。Mistral Medium 3.1 最亮眼的一个数字，就是它支持企业在本地或 VPC 环境下自托管，并且只需要 4 张 GPU 就能跑起来。

这意味着普通中小企业不需要组建昂贵的超算集群，用常规的私有硬件就能把模型跑在内网。对于医疗、金融和法律这些对数据出境极其敏感的行业来说，这个部署门槛可以说非常友好。

如果你选择直接调用官方 API，价格同样压得很低。输入每百万 token 只要 0.40 美元，输出每百万 token 2 美元。按照 Mistral 的说法，它的综合运营成本比传统超大模型足足低了 8 倍。

除了常规调用，新模型还支持全量微调和自定义后训练，方便企业把内部专有数据和知识库直接灌进去，做成高度定制的垂直模型。

原生看图写代码，补齐搜索短板

性能方面，Mistral Medium 3.1 是一只全能型的多模态模型。它原生支持文本和图像输入，擅长处理编程、科学推理、长文档理解以及图片分析等任务。

在代码支持上，它覆盖了 80 多种编程语言以及几十种自然语言，具备高级函数调用和构建复杂自动化智能体的能力。官方测试数据显示，它在长上下文和多模态基准测试中的得分，已经能够对标甚至超越 Llama 4 Maverick、Claude Sonnet 3.7 以及 GPT-4o 等旗舰选手。

日常交互体验也做了专门优化。很多模型经常因为系统提示词的变动导致说话语气忽冷忽热，Mistral Medium 3.1 调整了对话一致性，无论有没有加载系统设定或外部工具，都能维持连贯自然的语调。

针对查资料经常胡说八道的问题，模型还重写了网页检索与信息整合的算法，在联网搜索时能给出更完整、上下文关联度更高的答案。

为什么重要

我们认为，Mistral 这一步走得相当清醒。在硅谷巨头们不计成本争夺最强模型王座的时候，Mistral 选择了一条更务实的商业路线：用足以匹敌旗舰模型的性能，打出只有对方零头的价格，并且把部署门槛降到普通机房都能接受的程度。

对开发者和企业架构师来说，现在非常值得去跑一遍测试。特别是那些想做长文档分析、内部代码助手，或者受制于合规要求必须本地部署团队，4 张 GPU 跑起来的成本和维护难度，比以前动辄数十张卡的方案务实太多。

不过也有一些潜在隐患。虽然基准测试宣称追平了甚至超越了主流闭源模型，但在极端复杂的长链条推理任务中，中等体量模型的鲁棒性依然需要实际业务场景来验证。

看起来，这场大模型竞争正在从单纯的技术肌肉秀，全面转向企业采购 ROI 的肉搏战。Mistral Medium 3.1 的定价和轻量化部署，很可能会逼着其他模型厂商进一步调低 API 价格，加速高阶 AI 从大厂玩具变成企业基础设施。