10月6号，Mistral AI推出了名叫Le Chonk的Mistral Large 4（ML4）公开预览版。它是混合指令与推理的多模态MoE模型，总参数1.05万亿，单token激活490亿，100万token上下文窗口，用自家欧盟数据中心的3800块NVIDIA Grace Blackwell GPU从头训练。
核心架构：万亿级MoE的性价比玄机
ML4的设计围绕“降低成本”做了巧劲。单token仅激活4.7%的权重，所以1万亿级参数的模型，能以中端定价跑起来——全量1.05万亿参数仍占内存，但激活数决定算力，不用为冗余参数买单。它还带16亿参数的视觉编码器，原生支持图像输入；训练数据覆盖160多种语言，包含所有欧盟官方语种。目前专家总数、路由规则这些细节还没公开，要等10月底权重上线才知道。
性能： cybersecurity破局，编码与安全有硬表现
性能上最扎眼的是 cybersecurity 赛道：Cybench拿93分，CyberGym-E2E拿82分，挤入全球前5的人工分析网络指数。有意思的是，Mistral披露不少闭架大模型在CyberGym-E2E上得分接近0——因为它们拒绝做“复现漏洞”这类防御性工作，这恰是企业安全的刚需。编码能力方面，DeepSWE v1.1得61.7分，SWE-Atlas-QnA得59.4分，Terminal-Bench得28.3分，综合编码指数49.8分。Surge AI的盲评更真实：专业标注员给ML4预览版打3.74/5，排5个模型里的第二，比GLM5.3（3.6）、Kimi K3（3.59）高，只比Claude Opus的4.22稍低。安全上，它能抗Lakera B3上93.3%的攻击，KORABench拿1.691（满分2）。
当前能用啥，以及给行业的小冲击
现在ML4的预览API已经上线，输入每百万token1.36美元，输出4.18美元，和竞品Kimi K3的价格接近，但总参数只有它的三分之一。它支持函数调用、结构化输出、文档问答、批量处理，还有Agent和对话端点；缓存输入每百万token仅0.14美元，对100万上下文的Agent循环很友好。不过权重要10月底才上线，现在还没法自我部署。
这波发布最值得想的是：闭源模型不愿碰防御性任务的痛点，ML4戳中了，但它的权重要等一个月才放，这期间会不会有其他开源玩家补位？
素材来源：MarkTechPost · AI情报、大模型、AI芯片与算力、开源生态
查看报道原文
发表第一条评论吧