Mistral 今日发布了改进后的 Mistral Large 4(Le Chonk)开放权重版本。这是一款拥有 1 万亿参数的原生多模态模型。此次发布是在公开预览版收集反馈并完成额外强化学习之后进行的,相关改进提升了模型在编程和防御性网络安全方面的表现。用户可以检查和定制模型,并将其部署在组织自己的基础设施上,这也契合了 Mistral 的主权 AI 路线。
Mistral Large 4 在编程基准测试中取得进展
Mistral 表示,模型进入公开预览版后,经过三周的额外强化学习,Mistral Large 4 在开放权重编程模型中脱颖而出。在 Cognition 的私有基准测试 FrontierCode 2.0 中,该模型得分为 19.7%。该基准测试评估端到端代码质量,以及代码仓库维护者是否会合并智能体所做的更改。
在 Artificial Analysis Coding Agent Index 上,Mistral Large 4 得分为 48%,与 GLM-5.3 基本持平,同时平均每项任务使用的 token 数减少了 47%。在 Terminal-Bench 4.0 上,与公开预览版相比,该模型的得分提高了 13 个百分点,达到 41%,在开放权重模型中领先,同时将输出 token 数减少了 30%。
该模型支持三种推理模式,让开发者能够控制性能与成本之间的权衡:适用于简单任务的 Low,取代了“None”推理模式;适用于日常任务的 Medium;以及作为默认模式的 High,适用于需要高精度和全面推理的最困难场景。在 Surge Code 的盲测两两比较评估中,Mistral Large 4 优于 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash;在参与评估的模型中,仅次于 Claude Opus 5.5。
Mistral Large 4 公布网络安全和企业应用结果
Mistral Large 4 在 Artificial Analysis Cyber Index 上得分为 51%。该指数衡量模型发现代码库漏洞、复现并验证漏洞,以及在不破坏现有功能的前提下修补漏洞的能力。Mistral 表示,该模型能够处理正当的防御性安全任务,不会无谓地拒绝请求。据其报告,该模型对来自 JailbreakBench、StrongREJECT 和 AgentHarm 的恶意网络安全请求,平均拒绝率为 96.6%,是 Mistral 所测开放模型中拒绝率最高的。
在 B3 Agent Security Benchmark 上,该模型抵御了 97.1% 的攻击,预览版的这一比例为 93.3%。在金融相关工作流方面,其 Finch 得分升至 73.3%,在开放模型中仅次于 Kimi K3。在 BrowseComp 上,该模型得分为 84.5%,高于初始 SFT 检查点的 75%。
Mistral 表示,该公司正向 Orange Cyberdefense 等企业设计合作伙伴提供专用变体的预览版访问权限,该变体针对高级网络安全工作流进行了优化,包括渗透测试、漏洞评估和红队测试。访问须经过严格审核,并受合同保障措施约束;测试仅限在受控环境中针对自有或明确授权的系统进行。客户还可以使用 Mistral Forge,根据专有安全数据、政策、检测逻辑和威胁环境定制模型,然后将其优化为更小的特定任务变体,以处理定义明确的网络安全任务。
Mistral Large 4 支持主权部署和自主管理部署
组织可以检查和定制 Mistral Large 4,并将其部署在自己的基础设施上,而无需依赖 Mistral 通过 API 提供服务。Mistral 表示,该模型在欧洲从零开始开发和训练。组织可以通过 Mistral Forge 利用专有数据定制模型,并使用 Mistral Studio 构建、管理和改进由此生成的智能体和应用。
该模型可通过 Mistral Studio、Mistral API 和 OpenRouter 使用。开发者可以从 Hugging Face 下载其开放权重,并使用 vLLM 或 SGLang 将其部署在自己的基础设施上。Mistral 还列出了 NVIDIA 托管的端点、用于通过 vLLM 提供服务的 NVIDIA NIM 容器、用于定制的 NeMo AutoModel 库,以及用于高吞吐量服务的 TensorRT LLM。Microsoft Foundry 也提供该模型,并为 Azure 开发者提供私有部署选项。
Mistral 将该模型描述为一款开放权重的指令与推理混合型 MoE 模型,支持多模态输入,并在一个模型中融合指令遵循、推理和智能体能力。模型信息还称其原生具备 160 多种语言能力。Mistral 表示,Mistral Large 4 将成为新一代专业化、优化版 Mistral 模型的基础。
Mistral Large 4 的可用性和商业条款
- Mistral 在公开预览版之后进行了额外强化学习,并发布了改进后的 Mistral Large 4 权重。
- Mistral Large 4 是一款拥有 1 万亿参数的原生多模态模型。
- 该模型支持 Low、Medium 和 High 推理模式;High 为默认模式。
- Mistral Large 4 在 Cognition 的私有基准测试 FrontierCode 2.0 上得分为 19.7%。
- 该模型在 Artificial Analysis Coding Agent Index 上得分为 48%,平均每项任务使用的 token 数比 Mistral 所述的比较对象少 47%。
- 该模型在 Terminal-Bench 4.0 上得分为 41%,比公开预览版提高了 13 个百分点,同时将输出 token 数减少了 30%。
- 该模型在 Artificial Analysis Cyber Index 上得分为 51%,对来自 JailbreakBench、StrongREJECT 和 AgentHarm 的恶意网络安全请求,平均拒绝率为 96.6%。
- 该模型在 B3 Agent Security Benchmark 上的攻击抵御率为 97.1%,预览版为 93.3%。
- 该模型的 Finch 得分为 73.3%,BrowseComp 得分为 84.5%;初始 SFT 检查点在 BrowseComp 上的得分为 75%。
- 该模型可通过 Mistral Studio、Mistral API、OpenRouter、Hugging Face、NVIDIA 托管的端点和 Microsoft Foundry 使用。
- Mistral 的 Ecosystem Open-Weight 许可证是经过修改的 MIT 许可证。该模型可免费使用、修改、微调和商业化;运营模型即服务业务的企业在将该模型用于商业用途前,必须先从 Mistral 获取单独的商业许可证。
- Mistral 列出的定价为:输入价格为每百万 token 0.70 美元,缓存输入为每百万 token 0.07 美元,输出为每百万 token 2.10 美元。
常见问题
Mistral Large 4 有哪些推理模式?
Mistral Large 4 提供 Low、Medium 和 High 模式:Low 适用于简单任务,取代了“None”推理模式;Medium 适用于日常任务;High 为默认模式,适用于需要高精度和全面推理的最困难场景。
开发者如何部署 Mistral Large 4?
开发者可以通过 Mistral Studio、Mistral API 或 OpenRouter 使用该模型,也可以从 Hugging Face 下载其开放权重,并使用 vLLM 或 SGLang 将其部署在自己的基础设施上。该模型还可通过 NVIDIA 托管的端点和 Microsoft Foundry 使用。
Mistral Large 4 许可证允许哪些用途?
Mistral Ecosystem Open-Weight 许可证是经过修改的 MIT 许可证。该模型可免费使用、修改、微调和商业化,但运营模型即服务业务的企业在将该模型用于商业用途前,必须先从 Mistral 获取单独的商业许可证。