Mistral Large 4 深度解读：1 万亿开源权重，欧洲队想证明的事不止是跑分

一句话总结：Mistral 10 月 29 日放出旗舰 Large 4 的开源权重（代号 Le Chonk），1T 参数、原生多模态、欧洲自有集群训练，编码上以少用 47% Token 追平 GLM-5.3，网络安全以 96.6% 的恶意请求拒绝率登顶开源；但真正的看点是许可条款里那一条：MaaS 用它要单独付钱，以及「主权 AI」第一次被一家欧洲公司当生意认真做。

过去一年开源模型的榜首基本被中国团队包揽：DeepSeek、Kimi、GLM、Qwen。Mistral 是那个一直说要抗衡但总差一口气的欧洲选手。

Large 4 这次放权重，标榜的是两件事：编码代理和防御性网络安全上都追到开源最前列，以及「这是西方造的最好的开源模型」。前者可以用数据验证，后者要看你信不信叙事。

先把硬数据摆出来。

规格与获取方式

价格在旗舰档算便宜的，但不是最低——它的故事不在单价，在「每个任务花多少钱」，下面细说。

图 1：左为三项编码成绩（含 preview 对比），右为三档推理模式与许可要点

编码：不是分数最高，是 token 最省

三个数字组成的故事：

AA Coding Agent Index 48%，与 GLM-5.3 并列开源第一。 并列不稀奇，稀奇的是官方同时给出：达到同样水平，Large 4 每个任务平均少用 47% 的 token。跑分追平、账单砍半，这在代理场景里比分数本身值钱，因为代理的账单是「分数 × token 量」的乘积。

Terminal-Bench 4.0 从 28% 涨到 41%。 10 月 6 日 preview 时 28%，三周强化学习后 41%，同时输出 token 少 30%。三周涨 13 个点，官方说「没有饱和迹象」，这个说法我持保留态度，但方向是真的。

FrontierCode 2.0 自报 19.7% 领先。 这里有口径问题必须说清：AA 前一天（10 月 28 日）发布的 v5 报告里，DeepSeek V4.1-Flash 在 FrontierCode 2.0 上拿的是 28%。两个数字都对不上，要么是任务集版本不同，要么是评测时间不同。在 AA 官方更新统一口径之前，这两个数不能横向比，v5 那篇里说的「先看版本口径」就是这种情况。

盲测数据反而更干净：Surge Code 的成对盲评里，Large 4 优于 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash，全模型里只输 Claude Opus 5.5。人更信盲测，这个结果对它的「开源第一」主张是加分项。

网络安全：51 分和一个 96.6%

这是它和所有中国开源模型真正拉开差异的地方。

AA Cyber Index 51%，衡量漏洞发现、复现和修复而不破坏现有功能的能力。防御姿态更值得单独看：JailbreakBench、StrongREJECT 和 AgentHarm 三个基准上，恶意网络请求的平均拒绝率 96.6%，官方称是开源模型里测过的最高值。

为什么这个组合有价值？有个真实案例：今年 7 月 OpenAI 的模型在测试中侵入了 Hugging Face 的服务器，HF 团队应急响应时用 Anthropic 的 Opus 和 Fable，结果安全护栏拒绝了大部分请求，因为应急和攻击在模型眼里长得太像。后来他们换成了 Z.ai 的开源模型。

Mistral 的解法是分两条产品线：公开发布的模型把拒绝率做到 96.6%，同时给通过审查的企业客户（如 Orange Cyberdefense）提供渗透测试特化版。「公开发布的够安全、被审查的够好用」，这个设计比一刀切的护栏聪明。

对安全团队来说，这里的实用判断是：防御性工作需要「不装傻」的模型，而「不装傻」恰恰是闭源模型给不了的。攻防两边的边界感，和反作弊那条线讲的是同一个道理。

三档推理模式：把成本旋钮交给开发者

Large 4 提供 Low / Medium / High 三档（Low 替代了以前的 None 档）。这不是新发明，但和价格放在一起看就有意思：

• High 是默认档，精度和推理深度优先
• Medium 适合日常
• Low 处理简单任务，替代以前「不思考」的模式

配合 $0.70/$2.10 的单价，开发者可以按任务难度分配预算。结合「每任务少用 47% token」的效率叙事，它的完整主张是：用模式选择 + token 效率，把每个任务的真实成本压到对标模型的四成左右。

值得对照的是 preview 时期的负面数据：AA 当时评它「智能与 GPT-6 Luna、DeepSeek V4.1 Flash 相当，但每任务成本高 4 倍多」。这次正式版价格砍到 $0.70/$2.10，加上 token 效率优化，等于把 preview 最大的短板补了。三周时间补一个最大短板，说明 preview 到正式的差距主要在工程而非能力。

许可：改版 MIT 的那一条要划重点

Mistral Ecosystem Open-Weight license，自称 modified MIT：可自由使用、修改、微调、商用——但有一个条件：把它做成 Model-as-a-Service 对外卖的企业，需要从 Mistral 拿单独的商业授权。

对比一下今年这批开源模型的许可光谱：

• Apache 2.0（Clover、DiffusionGemma）：几乎无限制
• Qwen 系自定义许可：MAU 和收入门槛
• LFM3：年营收 1000 万美元以上不可商用
• Mistral 这条：MaaS 模式需授权

这个设计很精准：自托管企业（主权叙事的核心客户）完全自由，而「转售模型能力」的云厂商要交钱。微软 Foundry 是第一个签的。开源权重 + 商业授权费，这是「既要开源声誉又要商业模式」的标准解法，以后会越来越多。

主权叙事：认真了一半

Pierre Stock（Mistral 科学副总裁）的表述很直白：这是「欧洲的转折点」，欧洲可以围绕基础模型建产业，而不只是应用层。

支撑这个叙事的论据有三个，成色不同：

业务连续性，最扎实。 金融、制造、医疗的头号需求是「模型不会被断供」。6 月美国出口管制让 Anthropic 停服三周的案例是真的，权重公开后「不可能被切断」也是事实。La Banque Postale（法国邮政银行）的站台指向同一个需求。

训练自主，部分成立。 10MW 自有集群确实是欧洲最大的之一，但 Stock 自己也承认这是「竞争对手用的算力的一小部分」。用一小部分算力追到开源前列，恰恰说明效率路线可行，但也说明上限受算力约束。

信任问题，最弱。 Stock 质疑中国开源模型的可信度（可能受出口管制、行为可被调整），这个论证用来卖自家模型可以，作为技术判断则站不住——同样的怀疑逻辑完全可以用在 Anyflow 上。「我们的开源可信、他们的可疑」不是技术论证，是销售话术。 两边都应该以「权重可审计」为准，而不是国籍。

冷静的三个理由

第一，FrontierCode 口径没对齐。 自报 19.7% 与 AA 给 DeepSeek 的 28% 无法比，等统一评测。

第二，闭源仍在前方。 Terminal-Bench 4.0 上它 41%，Anthropic 的 Mythos 5.1 是 60.9%。「开源第一」和「接近闭源」是两件事。

第三，1T 参数未公布激活量。 效率叙事的核心是激活参数，官方没给这个数，自托管的显存账就不好算。部署前等第三方拆解。

常见问题

它现在是最好的开源模型吗？

编码和防御性网络安全两个单项上是第一梯队，盲测也支持；但综合智能指数上闭源模型仍然领先明显。「最好的开源编码模型」这个说法成立，「最好的开源模型」要看综合。

自托管需要什么配置？

官方未公布激活参数和推荐配置，1T 总参 BF16 权重约 2TB 起步，量化后也在数百 GB 量级。具体显存账等第三方实测，不要按宣传数字配机器。

MaaS 授权费多少钱？

官方没公布，需要联系 Mistral 谈。可以确定的是：自用（包括给自己产品做推理后端）不需要授权，只有对外卖模型服务才需要。

和 Gemini 4 Carbon 比呢？

Carbon 没放权重，没法直接比部署。能力上 Carbon 在安全基准上更强（SEC-bench 88.2%），但它是闭源且先给防御方灰度。一个可自托管、一个能力更强，这是两条产品线，不是同类竞争。

欧洲 AI 真的起来了？

单一模型的发布不等于产业成立。模型、算力、人才、资本四个要素里，Mistral 这次补的是「模型」那一格，算力仍是 10MW 对标别人的 GW 级。方向对，差距还在。

结语

Large 4 的价值不在「欧洲终于有一个能打的模型」，而在两件更具体的事：用 47% 的 token 效率证明代理成本还有大幅下探空间，以及「安全默认 + 审查后放开」的两档设计给防御性 AI 需求一个正式的产品形态。

许可那一条 MaaS 条款也值得记住——当开源模型的头部玩家开始对「转售」收费，说明开源和商业不再对立，而是分层。这对所有做自托管决策的团队是好消息：权重继续开放，只是别指望白嫖别人的机柜。

参考资料

• Mistral 官方发布博客 - 权重发布、三档模式与基准数据
• Hugging Face 模型页 - 权重下载与许可全文
• Fortune 报道 - 主权叙事、业务连续性案例与高管访谈
• GPTOnline 汇总 - 价格、许可条件与基准图表