从公开预览到开放权重：三周强化学习后的正式发布
2026 年 10 月 29 日，法国 Mistral AI 开放 Mistral Large 4（内部代号 Le Chonk）的完整权重。该模型在本月早些时候以公开预览形式亮相，随后又经过约三周强化学习才正式放出权重，Mistral 称增益尚未出现饱和迹象。与预览版相比，模型在 Terminal-Bench 4.0 上提升了 13 个百分点。作为一家欧洲实验室，把参数规模做到万亿级、又选择把权重公开，Mistral 想传递的是一条关于「数字主权」的清晰信息：重要能力不该只掌握在租用基础设施的提供方手里。
1.05 万亿参数、520 亿激活：MoE 架构如何压低推理成本
Mistral Large 4 采用混合专家（MoE）架构，总参数约 1.05 万亿，但每个词元只激活约 520 亿参数。这意味着它的知识容量接近超大模型，而单次推理的算力开销更接近中等模型，单位任务成本因此显著下降。原生多模态与 100 万词元的上下文窗口，让它既能处理长文档与代码库，也能承接多模态输入。模型从零开始在欧洲自有基础设施上训练，这也是 Mistral 反复强调的「主权」底色：权重可下载到客户自己的硬件上运行，不依赖某一家美国云。
改良版 MIT 许可：自由使用，但托管服务另签
权重以 Mistral Ecosystem Open-Weight 许可发布，本质是改良版 MIT：任何人都可免费使用、修改、微调并商用。这一附加条件是，若把模型当作 Model-as-a-Service（MaaS）对外提供托管服务，需与 Mistral 另行签署商业许可。这一条款精准落在最常被开源模型「廉价触达」的托管厂商身上，而其他所有使用方在实践上拿到的就是 MIT 级的自由。对政府、大型企业与注重数据控制的组织而言，能下载、能审计、能自管的权重，意味着防御不再依赖别人提供的那一层。
基准表现：编码领先开源阵营，每任务更省词元
Mistral 公布的基准里，最值得看的是成本效率。在 Cognition 私有的 FrontierCode 2.0（衡量维护者是否会真的合并一个智能体改动）上，Large 4 以 19.7% 排在开源模型前列，高于 GLM-5.3 的 19.3% 与 DeepSeek V4.1 Flash 的 17.8%；在 Artificial Analysis 的 Coding Agent Index 上拿到 48%，与 GLM-5.3 基本持平，但完成每个任务少消耗 47% 的词元。对会连续运行数小时的编码智能体来说，这 47% 的差距，就是「跑得起」与「跑不起」的分界。在人工盲评里，它的代码质量排在 Claude Opus 5.5 之后，但领先于其他被评的开源模型。安全侧，它对恶意网络请求的拒绝率达到 96.6%，为 Mistral 测得的开源模型最高值。
微软 Foundry 率先承载，分发渠道铺开
权重放出的同时，微软 Foundry 成为率先承载该模型的云厂商，企业可通过 Azure 侧的私有部署选项调用；Mistral 同时把权重放上 Hugging Face，并提供 vLLM 与 SGLang 两种推理后端的运行方式。OpenRouter、NVIDIA 托管端点、Mistral 自家的 API 与 Studio，以及面向企业私有数据与护栏定制的 Forge，构成了完整的分发矩阵。定价上，Mistral API 的输入价为每百万词元 0.70 美元，缓存输入 0.07 美元，输出 2.10 美元，与预览期基本一致。
为什么重要：欧洲把前沿模型放进公开领域
把 Mistral Large 4 放回行业坐标，它的意义不只在分数表。在开放权重的秋天里，中国实验室以 Kimi K3.1 Pro 等节奏持续加压，Meta 上月也放出 8160 亿参数的开放模型；而 Mistral 的特别之处，是把一个真正前沿量级的系统，以大多数组织能够接受的条款放进了公开领域。对担忧向美国供应商租用核心基础设施的政府与大企业，这是一个可审计、可自管的替代选项。代价也同样明确：开放权重一旦下载便无法召回，模型卡死的行为会随之扩散，Mistral 自己也提到观察到「真实攻击的潜在 uplift」并在收紧护栏。开放带来的控制权，与开放带来的不可逆，是一枚硬币的两面。