Mistral 釋出 Mistral Large 4：1 萬億引數開源新旗艦，安全測試拿下 82%

歐洲 AI 最顯眼的一面旗幟，又掏出了一臺大傢伙。

法國 AI 初創公司 Mistral 宣佈推出新一代旗艦模型 Mistral Large 4。這個被官方半開玩笑稱為「le Chonk」（大塊頭）的原生多模態模型，總引數量達到整整 1 萬億，而實際推理時啟用引數為 52B。

目前開發者已經可以在 Mistral Studio 體驗預覽版 API，而最受開源社群期待的模型權重，則計劃在 10 月底正式放出。

4000 張 GPU 訓出的「歐洲第三條路」

在大模型被美系閉源巨頭和中國開源卷王兩頭夾擊時，Mistral 一直在推所謂的「AI 主權」。

這次的 ML4 完全是在歐洲本土的資料中心裡煉出來的，據官方透露用了 3800 張 NVIDIA Grace Blackwell GPU，副總裁 Pierre Stock 也在採訪中表示耗費不到 4000 張卡，僅為部分同級對手的兩到三分之一。

訓練資料涵蓋超過 160 種語言，囊括歐盟全部官方語言。背靠 ASML 和三星等大股東的 Mistral，顯然想給歐洲機構和跨國企業造一個完全可控、能在本地跑起來的高階選擇。

但它並不是為了堆引數而堆引數。在 MoE 架構下，52B 的啟用引數讓它在跑日常任務時不至於把算力直接吃垮。

不裝安全濾網的白帽工具

ML4 這次最引人注目的賣點，其實是網路安全。

在 Artificial Analysis 的軟體漏洞復現與修復測試中，ML4 拿下了 82% 的最高分。作為對比，GPT-6 Astra 和 Claude Opus 5.5 這類閉源王者，往往因為安全防護詞的過度攔截，直接拒答導致得分接近歸零。

說白了，正規安全團隊排查漏洞、反編譯惡意軟體時，最怕模型動不動就「越界報警」。Mistral 的做法是先把預覽版放給經過稽核的安全領袖和政府機構，給予更寬鬆的稽核許可權，等 10 月底權重開源後，企業就能在私有云或本地按自己的安全規範去跑。

在其他企業級任務上，它也展現了硬核水準。比如在 Dense 200 視覺定位測試中以 42% 略微壓過 GPT-6 Astra，在 Harvey 法律評測中的通過率也達到了後者的近三倍。

不過，外界評價並非一邊倒。在 DeepSWE 程式設計測試中，它的 61.7% 依然落後於 Kimi K3 和 DeepSeek V4.1 Flash 等中國頂尖開源模型；在第三方分析裡，其呼叫成本也明顯高於同梯隊的競品。

為什麼重要

我們認為，Mistral 這一步走得相當有戰略眼光，它精準卡住了閉源巨頭和純開源之間的生態縫隙。

對於需要處理敏感程式碼、法律檔案以及進行紅藍對抗的安全團隊來說，ML4 提供了一個極其稀缺的選項：它擁有接近閉源頂尖水平的垂直理解力，同時又允許你把模型徹底搬回自家機房，不用擔心供應商哪天突然斷網或者因安全策略改動而罷工。

對整個行業而言，ML4 證明了歐洲在算力並不充裕的情況下，依然能靠精細後訓練造出萬億級的高階武器。它給歐美開源陣營注入了一劑強心針，讓開源生態不至於變成單一區域的獨角戲。

但隱患也很現實。首先是價效比，在常規通用推理上，它的成本和效率目前還打不過主打極致壓縮的中國模型；其次，徹底開源高水準的網路攻擊與逆向工程能力，後續如何防範真正的惡意濫用，對 Mistral 來說將是一場長期的合規大考。