2026 年 10 月 6 日，Mistral 发布 Mistral Large 4（内部简称 ML4，昵称「le Chonk」）的公开预览，可通过 Mistral Studio 的预览 API 调用，权重将在本月底开放。这是一款 1 万亿参数、490 亿激活参数的原生多模态混合专家（MoE）模型，也是 Mistral 迄今最大、最强的模型；公司称它在网络安全、金融、法律等关键企业负载上达到开源模型中的最优水平，在视觉定位等方向甚至超过前沿闭源模型。
规格与定位：万亿参数、490 亿激活、原生多模态
ML4 是「指令 + 推理」一体的混合 MoE，支持多模态输入，把指令跟随、推理与智能体能力统一在同一个模型里。官方给出的 API 定价为每百万输入 token 1.36 美元、每百万输出 token 4.18 美元。模型卡里还有一句值得注意的描述：原生流利支持 160 种以上语言，其中包含欧盟全部官方语言。
Mistral 强调了两件事。第一，ML4 的性能已能与全球最强开源模型竞争，并且显著超过任何在美国或欧洲开发的开源权重模型。第二，在正式开源权重之前，他们会与网络安全负责人、经过审核的合作伙伴以及国家机构一起，在真实环境中对模型做红队测试——这些参与者拿到的是同一个模型，但拥有更宽松的审核设置和更强的网络能力。
编码与智能体：进入第一梯队
在编码方向，Mistral 给出三个数字：DeepSWE v1.1 上 61.7%、SWE-Atlas-QnA 上 59.4%、Terminal-Bench 4 上 28.3%，综合 Coding Agent Index 得分 49.8%，领先 DeepSeek V4 Pro 0813 与 Qwen3.8 Max。
在编码质量上，Mistral 与 Surge AI 做了一次盲测人工评估：专业标注员在不知道模型身份的情况下按 1–5 分打分。ML4 预览版以 3.74 分在五个模型中排第二，超过 Kimi K3（3.59）、GLM-5.3（3.60）和 GLM-5.2（3.40），仅次于 Claude Opus 5（4.22）。
智能体方向上，ML4 定位是「能搜集信息、调用工具并交付成品」的通用智能体。在覆盖 Gmail、Google Sheets、Slack、Salesforce 等应用、共 657 条业务流程的 AutomationBench 上，它拿到 59.9%，领先 Kimi K3、MiMo-V2.6-Pro 与 DeepSeek V4 Pro；在评价长周期知识工作的 AA-Briefcase 上达到 1393 Elo。
网络安全：把「拒绝率」也当成竞争力
网络安全是 Mistral 重点着墨的方向，理由也很直白：在安全领域，服务商层面的拒绝会挡住合法的漏洞研究与应急响应，而在事件处理中途失去能力本身就是一种安全风险。
在 Artificial Analysis Cyber Index（独立评测模型在真实软件中发现并修复安全缺陷的能力）上，ML4 进入全球前五，并大幅领先在中国以外开发的开源权重模型；在其中一项「复现开源软件真实漏洞再打补丁」的测试里，ML4 拿到 82%，是所有模型中最高；在取自安全竞赛的 40 道题（Cybench）中解出 93%，是开源权重模型里有报告的最高分之一。
Mistral 特别点出了对比中的关键：包括 Claude Opus 5.5 与 GPT-6 Astra 在内的若干领先闭源模型在同一测试上接近零分，原因是它们拒绝执行该任务。下图把「成功率」和「安全拦截（safety blocks）」并列展示，可以清楚看到这一差异。
Mistral 还提到，ML4 的能力超出显式训练范围：内部测试中它可用于分析恶意软件、为漏洞排优先级、编写检测规则。对于需要主权、可审计安全 AI 的机构，模型可运行在私有云或本地环境。
多模态、科学与知识工作
多模态方面，Mistral 称这是自家模型在图像理解上的一次跃升，能对复杂文档、图表和自然图像做推理，并把视觉与智能体能力结合：从检查千兆像素级卫星影像（帮助救灾团队抢时间），到分析工程图纸（放大、检查、验证直到答案准确）。在视觉定位上，ML4 在 Dense 200 上以 42% 对 41% 略胜 GPT-6 Astra。
科学与数学方面，ML4 在开源权重模型中于 SciCode-Verified 上达到最优，官方称它能一次性生成完整的 Hartree–Fock 模拟——这是由一系列高级例程组合而成的复杂多步化学计算；在人工评估中，它的数学推理比 GLM-5.3 更精确、结构更清晰，并能持续处理长时间的专业应用数学任务。
知识工作方向，Mistral 通过第三方评估方 vals.ai 在具有代表性的法律与金融任务上做了评测，称 ML4 在这两类任务上都超过 GPT-6 Astra；在 HarveyAI 的法律智能体基准上，它超过所有开源模型。
安全、人类评估与强化学习
在安全上，ML4 在间接提示注入的鲁棒性上已经「打爆」了 Mistral 内部基准；在 Lakera 公开的 B3 AI 安全基准上，它抵御了 93.3% 的攻击，官方称在竞品中没有看到更高的分数。在与用户交互的责任性上，ML4 在 KORA 基准上取得该公司在开源模型中的最高分 1.691（满分 2，被描述为「典范」）。有意思的是，尽管在网络安全基准上表现强劲，ML4 对来自 JailbreakBench、StrongREJECT、AgentHarm 的恶意网络请求的平均拒绝率高于所有开源模型——「能做」与「该拒绝时拒绝」在这里被同时强调。
在内部人类评估中，跨编码、CAD、金融、数学与物理领域的专家标注员对比了 ML4 与 GLM-5.3：ML4 在 CAD 与 STEM 上被更偏好，在金融与编码上与 GLM-5.3 持平或接近。
训练方法上，Mistral 强调后训练必须跟上基座模型变快的节奏：为昨天的模型调好的配方放到今天的模型上会「浪费能力」，因为曾经能推模型到极限的样本已不再困难。他们为此构建了可组合的强化学习库，让单次训练运行就能混合单轮对话、复杂科学问题求解、安全对齐、事实性与长周期工具使用等任务，并共享代码沙箱、网页搜索、外部 API 等资源；验证环节同样可组合，奖励模型、单元测试、LLM 裁判与静态检查按任务组合使用。
规模上，运行时由自动伸缩的 actor 集群并行生成数万条 rollout，训练异步进行；生成与训练管线针对长轨迹优化，支持跨多次压缩、数百万 token 的 rollout 预算而保持较低陈旧度。按当前的 3 千块 GPU 规模，单次训练每天产出约 330 亿 token，其中约 160 亿是过滤与掩码后可训练的补全 token。作者也展示了训练奖励曲线与 SFT/RL 两阶段的收益来源。
欧洲主权：从训练到部署都在自己的机房里
Mistral 在这篇发布里反复强调主权。ML4 是在欧洲、Mistral 自有数据中心内的 3800 块 NVIDIA Grace Blackwell GPU 上从零训练的，公开预览也跑在同一套基础设施上；模型将在全球多个区域提供，其中包括 Mistral 端到端自主运营、不受其他数字服务商影响并受欧洲法律约束的欧洲部署。训练数据中相当一部分是多语言的，覆盖 160 多种语言，包括欧盟所有官方语言。
Mistral 表示，训练 ML4 时与金融、工程、制造、物流、制药、科学、航运、公共部门等行业的企业紧密合作，模型使用的正是他们通过 Mistral Forge 提供给客户的同一套训练、定制与强化学习环境。
最后是路线图：ML4 是 30 亿欧元 D 轮融资（欧洲科技公司史上最大股权融资）所支持路线图上的第一个里程碑；资本正在用于扩大自有欧洲数据中心的算力。支撑这次预览的强化学习训练仍在进行中，模型「没有出现饱和迹象」，还有明显上升空间；权重将在月底开放，同时公布架构细节、更多基准与后训练方法。ML4 之后还会成为新一代专用与优化模型的基础。
核心总结
- 规格：1 万亿参数 / 490 亿激活的原生多模态 MoE，指令与推理一体；预览 API 已上线，权重月底开放；定价每百万输入 1.36 美元、输出 4.18 美元
- 编码与智能体：DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，Coding Agent Index 49.8%；Surge 盲测人工评估 3.74 分，五模型中第二
- 网络安全：AA Cyber Index 进入全球前五，「复现并修复真实漏洞」82%（全场最高）、Cybench 93%；Claude Opus 5.5、GPT-6 Astra 因拒绝执行而接近零分
- 多模态与专业场景：Dense200 视觉定位 42% 略超 GPT-6 Astra 的 41%；Finch、Harvey 法律基准与 Finance Agent v2 表现领先开源模型
- 安全与责任：Lakera B3 抵御 93.3% 攻击，KORA 1.691；同时对恶意网络请求的拒绝率高于所有开源模型
- 主权与算力：在欧洲自有数据中心的 3800 块 Grace Blackwell 上从零训练，训练数据覆盖 160+ 语言；由 30 亿欧元 D 轮支持，RL 训练仍在继续、尚未饱和
原文：Introducing Mistral Large 4（Mistral，2026-10-06）
