Mistral 发布 Mistral Large 4：1 万亿参数开源新旗舰，安全测试拿下 82%

欧洲 AI 最显眼的一面旗帜，又掏出了一台大家伙。

法国 AI 初创公司 Mistral 宣布推出新一代旗舰模型 Mistral Large 4。这个被官方半开玩笑称为「le Chonk」（大块头）的原生多模态模型，总参数量达到整整 1 万亿，而实际推理时激活参数为 52B。

目前开发者已经可以在 Mistral Studio 体验预览版 API，而最受开源社区期待的模型权重，则计划在 10 月底正式放出。

4000 张 GPU 训出的「欧洲第三条路」

在大模型被美系闭源巨头和中国开源卷王两头夹击时，Mistral 一直在推所谓的「AI 主权」。

这次的 ML4 完全是在欧洲本土的数据中心里炼出来的，据官方透露用了 3800 张 NVIDIA Grace Blackwell GPU，副总裁 Pierre Stock 也在采访中表示耗费不到 4000 张卡，仅为部分同级对手的两到三分之一。

训练数据涵盖超过 160 种语言，囊括欧盟全部官方语言。背靠 ASML 和三星等大股东的 Mistral，显然想给欧洲机构和跨国企业造一个完全可控、能在本地跑起来的高端选择。

但它并不是为了堆参数而堆参数。在 MoE 架构下，52B 的激活参数让它在跑日常任务时不至于把算力直接吃垮。

不装安全滤网的白帽工具

ML4 这次最引人注目的卖点，其实是网络安全。

在 Artificial Analysis 的软件漏洞复现与修复测试中，ML4 拿下了 82% 的最高分。作为对比，GPT-6 Astra 和 Claude Opus 5.5 这类闭源王者，往往因为安全防护词的过度拦截，直接拒答导致得分接近归零。

说白了，正规安全团队排查漏洞、反编译恶意软件时，最怕模型动不动就「越界报警」。Mistral 的做法是先把预览版放给经过审核的安全领袖和政府机构，给予更宽松的审核权限，等 10 月底权重开源后，企业就能在私有云或本地按自己的安全规范去跑。

在其他企业级任务上，它也展现了硬核水准。比如在 Dense 200 视觉定位测试中以 42% 略微压过 GPT-6 Astra，在 Harvey 法律评测中的通过率也达到了后者的近三倍。

不过，外界评价并非一边倒。在 DeepSWE 编程测试中，它的 61.7% 依然落后于 Kimi K3 和 DeepSeek V4.1 Flash 等中国顶尖开源模型；在第三方分析里，其调用成本也明显高于同梯队的竞品。

为什么重要

我们认为，Mistral 这一步走得相当有战略眼光，它精准卡住了闭源巨头和纯开源之间的生态缝隙。

对于需要处理敏感代码、法律文件以及进行红蓝对抗的安全团队来说，ML4 提供了一个极其稀缺的选项：它拥有接近闭源顶尖水平的垂直理解力，同时又允许你把模型彻底搬回自家机房，不用担心供应商哪天突然断网或者因安全策略改动而罢工。

对整个行业而言，ML4 证明了欧洲在算力并不充裕的情况下，依然能靠精细后训练造出万亿级的高端武器。它给欧美开源阵营注入了一剂强心针，让开源生态不至于变成单一区域的独角戏。

但隐患也很现实。首先是性价比，在常规通用推理上，它的成本和效率目前还打不过主打极致压缩的中国模型；其次，彻底开源高水准的网络攻击与逆向工程能力，后续如何防范真正的恶意滥用，对 Mistral 来说将是一场长期的合规大考。