> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Mistral Large 4以开放模型发布，编程能力较预览版提升
- URL: https://globalfeed.ai/zh/mistral-large-4yi-kai-fang-mo-xing-fa-bu-bian-cheng-neng-li-jiao-yu-lan-ban-ti-sheng/
- Published: 2026-10-29T16:35:18.000Z
- Updated: 2026-10-29T16:35:18.000Z
- Description: Mistral AI在Hugging Face上公开了10月初开放预览的Mistral Large 4（Le Chonk）模型文件。这款约1万亿参数的模型经过三周额外训练，编程和网络防御测试成绩提升。许可证允许商用，以"模型即服务"形式提供模型的公司须另签许可。
- Author: GlobalFeed Editor
- Tags: Mistral, Mistral Large 4, 开放模型, 网络安全, x-MistralAI, dil-zh, elle

Mistral AI于2026年10月29日[发布公告](https://mistral.ai/news/mistral-large-4-oss/?ref=globalfeed.ai)，公开了旗下最大模型Mistral Large 4的模型文件。这款被公司昵称为"Le Chonk"的模型10月初只通过API开放预览，如今模型文件已上架[Hugging Face](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B?ref=globalfeed.ai)，成为机构可以下载并部署在自有服务器上的开放模型。据Mistral介绍，此次发布的是预览版的改进版本：过去三周持续进行强化学习（RL），编程和防御性网络安全能力明显提升，完成同样的任务所需的token也更少。

## 与预览版相比有哪些变化

GlobalFeed曾在[2026年10月8日的报道](https://globalfeed.ai/zh/mistral-large-4kai-fang-yu-lan-mo-xing-quan-zhong-jiang-yu-10yue-di-qian-gong-kai/)中介绍过预览版，当时模型文件尚不能下载，许可证也未公布。根据Mistral公布的对比，在衡量终端编程智能体的Terminal-Bench 4.0上，得分从预览版的28%（Mistral自测）升至41%，输出token减少30%。在衡量智能体抗攻击能力的B3测试中，模型抵御了97.1%的攻击，预览版为93.3%。金融测试Finch的得分从67.4%升至73.3%。模型现在提供三档推理强度：简单任务用低档，日常工作用中档，难题用默认的高档。低档取代了预览版中不进行推理的模式。

Mistral还表示，预览期间它监测了线上流量中与网络安全相关的使用情况。据公司介绍，模型拒绝了针对真实目标的攻击请求，但公司认为模型存在为真实攻击提供帮助的可能，因此正在调整安全防护措施，并将在未来几个月持续更新。

## 模型文件与许可证

根据模型卡，Mistral Large 4是总参数约1万亿的混合专家（MoE）模型。每个token调用128个路由专家中的4个，外加1个共享专家；每个token的激活参数为490亿，计入嵌入层和输出层则为520亿。模型支持文本和图像输入、文本输出，上下文长度100万token，支持160多种语言，涵盖欧盟全部官方语言。Mistral在其位于欧洲的自有数据中心，用3800块NVIDIA Grace Blackwell GPU从零训练了这款模型。模型文件中还附带名为DSpark的草稿层，可在不改变输出的前提下加快生成速度；Mistral称实测吞吐量最高可提升至1.9倍。

自行部署对硬件要求很高。主版本模型文件在Hugging Face上约1.06TB，Mistral给出的vLLM示例按8卡服务器配置。占用内存更少的[NVFP4版本](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B-NVFP4?ref=globalfeed.ai)约610GB，面向NVIDIA Blackwell系列显卡（B200、B300、GB200、GB300）。模型支持vLLM、SGLang、transformers和llama.cpp。不想自行部署的用户可以通过Mistral API、Mistral Studio、OpenRouter、NVIDIA托管端点和Microsoft Foundry使用。企业还可以借助Mistral Forge用自有数据定制模型。

许可证为[Mistral Ecosystem许可证](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/LICENSE?ref=globalfeed.ai)，是在MIT许可证基础上修改而来。根据许可证文本，模型可以免费使用、修改、继续训练并用于商业用途。唯一的条件针对经营"模型即服务"（Model as a Service）业务的公司，即通过API或托管端点向他人提供模型的公司：这类公司在商业使用前须与Mistral另签商业许可。内部使用，以及把模型嵌入特定功能的终端用户产品，不受这一条件限制。

Unsloth也提供了另一种选择，发布了该模型的压缩版[GGUF文件](https://huggingface.co/unsloth/Mistral-Large-4-1T-A52B-GGUF?ref=globalfeed.ai)。根据[Unsloth的指南](https://unsloth.ai/docs/models/mistral-large-4?ref=globalfeed.ai)，最小的1位文件约233GB，可装入256GB内存的Mac Studio；按Unsloth的测量，它在最可能的下一个token预测上与完整模型的一致率约为91%。Unsloth未给出这一文件的运行速度。

## Mistral公布的成绩

编程方面，Mistral称模型在Cognition的非公开测试集FrontierCode 2.0上得分19.7%，在公司图表列出的开放模型中最高；最接近的DeepSeek V4.1 Flash为19.3%。在Artificial Analysis的编程智能体指数上，模型得分48%，同一图表中GLM-5.3为49%。Mistral认为两者基本持平，并强调自家模型每项任务平均少用47%的token。在Surge组织的盲测对比中，评审更倾向于Mistral Large 4，而不是GLM-5.3、Kimi K3和DeepSeek V4.1 Flash；参与测试的模型中只有Claude Opus 5.5排在它前面。根据模型卡，模型在Artificial Analysis综合智能指数上得分26。Mistral称这是西方开放模型中的最高分，同时也注明中国领先的开放模型在该指数上得分更高。

网络安全方面，模型在Artificial Analysis网络安全指数上得分51%。在Mistral自己的图表中，MiMo-V2.6-Pro（56%）和DeepSeek V4.1 Flash 1017（57%）在这一指数上得分更高。Mistral强调的优势在于：模型执行防御性任务时不会无谓拒绝，同时对恶意网络请求的平均拒绝率达到96.6%，据Mistral称是其测量的开放模型中最高的。Mistral表示，预览以来公司与多家领先的网络安全厂商合作，在真实环境中测试模型。公告中收录了Booz Allen Hamilton、思科、Cloudflare、CrowdStrike、Elastic、Fortinet、Orange Cyberdefense、Rubrik和Zscaler高管的评价，以及欧盟网络安全局ENISA的表态。公司还向Orange Cyberdefense等经过审核、签有合同的企业合作伙伴开放了一个专门用于渗透测试和红队演练的版本，该版本只能在合作方拥有或获得明确授权的系统上测试。

本文中的分数和排名均取自截至2026年10月29日的Mistral公告和模型卡。其中一部分来自Artificial Analysis、Cognition和Surge等第三方榜单，但与哪些模型比较、如何呈现由Mistral选择；随着新模型加入，排名可能发生变化。如需更全面地了解情况，也请关注独立研究人员的评估。

来源：[Mistral AI公告](https://mistral.ai/news/mistral-large-4-oss/?ref=globalfeed.ai)、[Hugging Face（模型卡）](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B?ref=globalfeed.ai)、[许可证文本](https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B/blob/main/LICENSE?ref=globalfeed.ai)、[Unsloth指南](https://unsloth.ai/docs/models/mistral-large-4?ref=globalfeed.ai)