Mistral Large 4 万亿参数开源:先别急着吹"编码最强"——厂商榜单和独立评测打起来了
先给结论:Mistral Large 4 的权重是真开源了(10 月 29 日,Hugging Face 直接下载、无需审批),1 万亿参数、1M 上下文、API 价格腰斩,这些都没水分。但”开源编码最强”这个头衔,先别急着信——厂商自报的榜单和第三方独立评测,给的是两套打架的数字:Terminal-Bench 4.0,官方说 41%,独立评测说 25%;FrontierCode 2.0,官方说 19.7% 开源第一,独立评测说 15%,落后于 DeepSeek 和 GLM-5.3。更微妙的是”网络安全第一”:在它自己的发布图表里,它排第四。
这篇把两套数字摊开对照着写,顺带把许可证里那条”留了一手”的条款、以及 1.06TB 权重对普通人的真实含义,一并说清楚。
发生了什么
时间线很短:10 月 6 日 Mistral 发布 Large 4 公开预览,当时只有 API,承诺”10 月底放权重”;10 月 29 日如期兑现,权重在 Hugging Face 仓库 mistralai/Mistral-Large-4-1T-A52B 开放下载。注意一个细节:放出来的不是预览原版,预览之后又做了约三周的强化学习,是个升级版——Terminal-Bench 4.0 从预览时的 28% 跳到 41%(官方口径),API 价格从 4.18(输入/输出每百万 token)降到 2.10,缓存输入 $0.07,基本腰斩。
模型本体:约 1 万亿总参数的 MoE,每 token 激活约 49B(仓库名里的 A52B 是把嵌入层和输出层计入后的口径);128 个路由专家,每 token 激活 4 个加 1 个共享专家;原生多模态(文本+图像输入,文本输出);1M token 上下文;160+ 语言。训练在 Mistral 欧洲自有数据中心,用 3,800 块 NVIDIA Grace Blackwell GPU 从零训了约两个月(ZDNET 引述为 4,000 块,差异如实标注)。
部署渠道一次给全:vLLM / SGLang(官方 recipe 张量并行 8 卡)、NVFP4 量化版、Microsoft Foundry(首批托管云)、NVIDIA NIM 容器、OpenRouter、Mistral Studio 和自家 API。Hugging Face 当天还给了 transformers 与 llama.cpp 的 day-0 支持。
榜单打架:两套数字对照看
这是本篇和别家解读最大的不同。Mistral 官方发布材料里的榜单成绩,和 Artificial Analysis 同一天发布的 Intelligence Index v5 独立评测,对不上:
| 评测 | Mistral 官方自报 | AA 独立评测 | 说明 |
|---|---|---|---|
| Terminal-Bench 4.0 | 41%(预览 28%,+13pp) | 25% | 两套配置不同,不可互换 |
| FrontierCode 2.0 | 19.7%,“开源第一” | 15%,落后 DeepSeek(29%)、GLM-5.3(22%) | 同上 |
| Intelligence Index v5 | — | 26 分(预览 25) | 落后 DeepSeek V4.1 Flash / GLM-5.3(32)、MiMo-V2.6-Pro(30);大幅落后 Gemini 4 Carbon(59)、Claude Opus 5.5(58) |
| Coding Agent Index | 48%,与 GLM-5.3 持平 | 排名开源第二 | 每任务 token 少 47%(8.5M vs 15.9M)这一点双方一致 |
VentureBeat 在报道里把话说得很直白:厂商的 41% 不能拿去替代独立评测的 25%,两者测的不是同一套配置,任何一方的数字都不该被当成”ML4 的通用性能”。
公平地说,ML4 的基本盘是扎实的:AA 评它 26 分,是”中国之外开发的开源权重模型最高分”,高于同体量开源中位数 23;每任务成本从预览的 2.06(-63%);编码智能体这条线,分数没拉开、但 token 省了 47%,这是它真正的差异化——不是更强,是更省。Mistral 自己最想讲的故事也是这个。
“网络安全第一”在它自己的图表里排第四
Mistral 这次把”网络安全”当第二卖点:Cyber Index 51%、恶意网络请求拒绝率 96.6%、B3 安全基准攻击抵抗 97.1%。但看它发布材料里的同一张图表:Kimi K3.1 Pro 64%、DeepSeek V4.1 Flash 57%、MiMo-V2.6-Pro 56%,全都排在它前面。一个”第一”的宣称,在自家图表里排第四,这事值得单独拎出来。
还有个选择性对比:Mistral 的榜单对比排除了 Kimi K3.1 Pro(权重 11 月 4 日才开源),而 Kimi 在 Terminal-Bench 4.0 上以 67% 居首——等 Kimi 权重一放,“开源第一”的榜单又要重排。这不是说 ML4 不行,而是说:看发布会 PPT 里的榜单,永远要问”没放进来的都有谁”。
许可证:MIT 改版,但留了一手
ML4 用的是 Mistral Ecosystem Open-Weight License,一份修改版 MIT:免费使用、修改、微调、常规商业化都可以。唯一一条限制:经营 Model-as-a-Service(把模型当托管服务转售)的企业,必须先从 Mistral 拿单独的商业授权,没有收入门槛。
这条卡的正是”拿开源权重包一层 API 转卖”的生意。对绝大多数自己部署、自己用的公司,它等于 MIT;对想当”二手模型服务商”的,它是道门槛。还有个模糊地带官方没说清:SaaS 产品里嵌了模型调用,算”包装”还是算 MaaS?AI Weekly 直接点了这个问题——做 AI 应用的人,在把 ML4 塞进自己产品前,最好先读一遍许可原文,别默认”开源=随便用”。
1.06TB:对普通人意味着什么
诚实清单时间。FP8 完整权重 1,060.6 GB,官方部署配方是 8 卡服务器(8×B200 或 8×MI300X 量级);NVFP4 量化版 610GB,官方称 4×B200/B300 可跑且”性能相同”(第三方还没验证过)。社区已经出了 GGUF 版(Unsloth、llama.cpp day-0 支持),最小的 1-bit 版也要 233GB——RTX 4090/5090 单卡想都别想。
翻译一下:普通人跑不起来。现实路径只有三条:走 API(2.10,比预览便宜一半);走托管(Foundry、OpenRouter、NIM);或者等 Mistral 承诺的蒸馏小版本(官方说会有能在笔记本跑的,没给日期)。首周有个 demo gallery 的小额免费额度,可以先体验。
“开放权重”在这个体量下,真正的受益者是有 GPU 集群的企业、云厂商和政府机构——这正是 Mistral 副总裁 Pierre Stock 那句话的语境:“按定义,这个能力无法被切断。“对欧洲把”数字主权”写进政策的语境来说,ML4 是把”主权”和”开放权重”打包成的同一张牌。
给中文读者的建议
- 想尝鲜:直接调 API,2.10 的价格在旗舰级模型里算便宜的;或者去 OpenRouter、Mistral Studio。别去折腾本地部署,除非你真有 8 卡。
- 想看评测再决定:等完整技术报告(官方说 coming soon)和第三方独立复现。现在所有数字都是”厂商说”,AA 的独立评测已经展示了差距能有多大。
- 做编码智能体选型:ML4 的卖点是”性能接近、token 省 47%“,适合对成本敏感的场景;但如果只看绝对性能,GLM-5.3 和 DeepSeek V4.1 Flash 在独立评测里仍然领先。11 月 4 日 Kimi K3.1 Pro 权重开源后再看一轮,不着急。
- 做 AI 应用要商用:先读许可证原文,确认你的用法不算 MaaS;MaaS 边界模糊,拿不准就问法务,别问我。
最后说一句立场:ML4 是个扎实的发布——权重真开源、价格真腰斩、效率真有提升。但”最强”这个词,在 2026 年 10 月的开源模型圈子里,已经不太够分了。看榜单,记得看两套。
来源:Mistral 官方博客(预览 / 权重开放)、Hugging Face 官方博客《Welcome Le Chonk》、Artificial Analysis Intelligence Index v5(10-29)、VentureBeat 榜单对照分析、Pivot News、AI Weekly。所有榜单数字已按”厂商自报 / 第三方独立”分口径标注;训练 GPU 数、参数口径等存在多来源差异处已在正文注明。
