Mistral Large 4 预览版：欧洲开放权重、网络安全基准与设置障碍

Mistral 推出了 Mistral Large 4 的公开预览版，昵称是 Le Chonk。这是一个在欧洲从头训练的万亿参数级模型。我很高兴看到又一个地区参与开放权重 AI 的竞争，不过录制视频时权重尚未发布。

模型将指令遵循、推理和智能体能力与多模态输入结合起来。它采用混合专家架构：模型总规模很大，但处理特定任务时只激活部分参数。Mistral 称其总参数约为一万亿，活跃参数为 490 亿。

预览版公布的 API 价格为每百万输入 token 1.36 美元、每百万输出 token 4.18 美元。我认为价格不高，但仍需将价格和能力与其他选择比较。专有模型也在快速改进，变得更便宜、更快。

开放权重提供了另一种取舍：组织有可能自行部署并控制模型，包括数据处理方式。Mistral 表示计划在月底前发布权重。预览期间，它正与经过筛选的合作伙伴及有关部门以不同的访问条件测试网络安全能力。

在 Mistral 展示的 DeepSWE 1.1 比较中，Large 4 Preview 得分 62，低于 Kimi K3 的 68，高于列出的其他几个开放模型。公司图表还显示其在 Terminal-Bench、网络安全和智能体测试中有竞争力。排名取决于每张图所纳入的模型及其配置。

展示的 Artificial Analysis 网络安全指数将 Mistral Large 4 列为 50 分，与图中 GLM 5.3 Flash 并列。AutomationBench 中，它得分 59.9，GLM 5.3 为 62.2。我认为它相较上一代 Mistral 有很大进步，尽管并非每项测试都领先。

Mistral 还强调金融和法律智能体表现。我注意到一张法律对比图没有列出 Grok 4.7，据我记忆，它曾在该基准上报告 19.6 分。比较公司图表时，包含哪些竞争者和版本很重要。

Mistral 称，它在欧洲自己的数据中心使用 3800 块 NVIDIA Grace Blackwell GPU 从头训练模型，并在同一基础设施上提供预览服务。我认为这关系到 AI 主权：除了公司之间的竞争，地区间竞争和独立运行模型的能力也很重要。

当时预览版可通过 API 使用，但尚未进入 Le Chat 应用。我尝试将其接入 OpenCode，发现设置很困难。它产生了大量推理 token，触及配置的上下文限制后停止，直到我自己调试才得到进展。

这是更广泛的普及问题。大多数用户不想管理上下文限制、API 密钥和智能体框架设置。我认为，开放模型若想走向大众，需要像领先的专有编程工具一样开箱即用。

对具备专业知识和规模的组织来说，开放模型已经可以很好地工作：它们可以将合适的任务交给自己控制的模型。我区分 token 用量与收入：据我的观察，开放模型可能占据大量使用量，而专有供应商仍获取可观价值。我的经验说明，让它正常运作仍需要努力。

Mistral 强调网络安全能力，包括强劲的 CyberGym 成绩。它的介绍将模型列为 Artificial Analysis 网络安全指数中表现最强的模型之一。这些是特定评测的基准结果，并不保证模型能发现或修复所有真实安全漏洞。

在展示的 Artificial Analysis 智能指数中，Large 4 Preview 得分 38，低于几个专有和开放模型。我欣赏欧洲团队的努力，但不认为这张图意味着它是最强的通用模型。不同评测和配置反映的是不同侧面。

在我看来，价格与智能水平的图表说明了取舍：一些专有替代模型以有竞争力的价格提供更强的通用表现。开放权重仍能提供部署控制权，也让社区有空间为较窄的任务优化或调整模型。

图中上下文窗口为 50 万 token，低于几个竞争模型展示的 100 万。速度图在该次测量中给预览版约每秒 116 个输出 token。实际速度取决于模型的服务方式和部署位置。

Mistral 的 CyberGym 图表显示 82 分，在纳入比较的开放模型中领先。Berman 指出，该图没有列出主要专有模型。这一结果令人鼓舞，但解读排名时必须注意比较对象。

我让模型制作魔方模拟器来测试它。高推理强度下，它使用了约 3.2 万个 token，触及配置限制。提高限制并关闭推理后，进展有所改善，但调试过程再次说明设置对大多数人来说太困难。

第一版魔方看起来不错，但打乱动画没有动。又迭代一次后，各面开始转动，颜色却消失了；最终求解看起来像是重置了颜色。我认为这次测试失败了。

我认为部分困难来自模型与智能体框架的配合，不能直接断定全是模型本身的问题。优化良好的框架可能带来很大差异；Cursor 是我发现能轻松使用其他公司模型的例子。这次测试中，我使用 OpenCode 的效果较差。

尽管仍有问题，我欢迎在欧洲训练的有竞争力的模型，也期待开放权重。它需要更成熟的配套工作流，我也需要用更合适的框架继续测试。在我看来，更多地区参与竞争、更多部署 AI 的方式都是好事。