Mistral Large 4 开放权重登陆 Hugging Face，基准可信度差距浮现
Le Chonk 可免费下载，但独立机构测得的 FrontierCode 分数比 Mistral 自报低 31%
Mistral AI 于 2026 年 10 月 29 日在 Hugging Face 上公开发布了 Mistral Large 4 的完整权重（内部昵称「Le Chonk」），把这个自 10 月 6 日起只能通过 API 预览的模型，变成了可免费下载、可自托管的模型。这对开放权重 AI 社区是一个重要时刻：ML4 总参数达 1.05 万亿，是目前任何人都能脱离 API 运行的最大模型之一。问题在于，权重发布后数小时内，独立评测机构 Artificial Analysis 就发现，ML4 的标题编程基准（Mistral 借以宣称开放编程智能体第一的那项）在第三方测试下的分数明显低于公司自己的数字。
Mistral 报告其在 FrontierCode 2.0 上得分 19.7%，这是 Cognition Labs 开发的私有基准，试图衡量 AI 智能体的代码改动是否好到真实 GitHub 维护者愿意合并。Artificial Analysis 独立测得 15%，相对差距为 31%。按这个较低的数字，ML4 将排在 DeepSeek V4.1 Flash（AA 测得 FrontierCode 29%）和 GLM-5.3（22%）之下，而不是之上。Terminal-Bench 4.0 的情况类似：Mistral 自称 41%，AA 测得约 25%。
这些都不说明 ML4 是个弱模型。在不依赖 Mistral 自测的基准上，情况要微妙得多，在金融推理和智能体安全等领域，ML4 的独立结果确实很强。但这确实意味着，评估把 ML4 用作编程智能体主干的工程团队，在可复现的外部结果出现之前，应把标题基准视为公司说法，而不是定论。
权重发布让这款 100 万 token、支持视觉的 MoE 模型完整亮相
ML4 架构是一个混合专家（MoE）模型，有 128 个路由专家子网络，每个 token 激活其中 4 个，外加一个共享专家。这种稀疏激活设计意味着，尽管总参数达 1.05 万亿，每次前向传播实际只计算约 510 亿参数：核心 Transformer 模块 490 亿，加上Pixtral 风格视觉编码器约 16 亿。结果是，这个模型拥有万亿参数系统所记忆的世界知识，推理成本却更接近 510 亿参数，不过实际吞吐量很大程度上取决于硬件配置。
注意力机制借鉴了 DeepSeek-V2 的多头潜在注意力（MLA），通过低秩潜在空间压缩键值缓存，而不是为每个 token 存储完整的 KV 对。在 ML4 100 万 token 的上下文窗口下，这种压缩很重要：如果用满秩注意力对 100 万 token 做简单 KV 缓存，所需的 GPU 内存预算会让大多数硬件实际上无法部署。
三种推理模式控制模型在推理时投入多少算力：Low（取代之前的「None」标签）、Medium 和 High。智能体任务默认使用的 High 模式，输出 token 用量比预览版下降约 30%，这得益于 10 月 6 日 API 预览到 10 月 29 日权重发布之间三周的额外强化学习后训练。
Mistral 与 Artificial Analysis 的基准差距达 31%
这里的 FrontierCode 2.0 的差异需要谨慎看待。这项基准是 Cognition Labs 的私有评测，测试自主编程智能体能否对真实 GitHub 仓库作出人类维护者实际会接受的改动。它无法在外部复现，没有公开测试集；Mistral 报告的 19.7% 和 AA 报告的 15%，都是在两家机构都没有完全披露、可能存在差异的测试条件下得出的。
尽管如此，AA 用同一套私有评测协议测试多个模型并公布对比结果，即便基准本身不透明，其方法在各模型之间是一致的。在 AA 自己构建的综合指标编程智能体指数上，ML4 得分 48%，比领先的 GLM-5.3（49%）低一分，不过 Mistral 称两者「实际上并列」，并在发布材料中引用了这一指数。AA 网络安全指数把 ML4 排在 51%，测试时位列开放权重模型第三，落后于 DeepSeek V4.1 Flash（57%）和 MiMo-V2.6-Pro（56%）。
无论按 Mistral 报告还是与 AA 一致的数字，ML4 看起来最强的基准都不是编程排行榜。B3 Agent Security 衡量智能体工作流对对抗性提示攻击的抵抗力，ML4 得分 97.1%，高于预览版的 93.3%，据 Mistral 称是所有受测开放模型中最高的。评估金融推理工作流的 FinWorkBench（Finch）把 ML4 排在 73.3%，在开放模型中仅次于 Kimi K3。公司主打的主权基础设施和受监管行业合作，在这些领域尤其说得通。
自托管需要八块大内存服务器 GPU
这次公开提供的检查点有两种量化格式：FP8 以每参数约一字节保留接近完整的数值精度（完整检查点约 1.05 TB），NVFP4 把参数分辨率降到四位，显存占用减半。
运行 FP8 检查点至少需要八块各带 141GB HBM3e 的英伟达 H200 SXM5 GPU，或四块各带 288GB 的英伟达 B300 GPU。运行这个模型没有单 GPU 的路径。NVFP4 检查点把这些要求降低约一半，用四块 H200 这样的配置就能运行，但仍需要多 GPU 服务器，自托管显然只属于企业或资源充足的研究机构。消费级硬件用不上。
支持的推理运行时包括 vLLM、SGLang、TensorRT-LLM 和英伟达 NIM 容器。已经在这些技术栈上运行其他大型开放权重模型的团队，集成起来应该比较顺利，不过 ML4 的 100 万 token 上下文对内存容量的压力是短上下文模型所没有的。
Mistral 生态许可证允许部署，但推理转售商需要另签协议
权重依据Mistral 生态开放权重许可证发布，这是一份修改版 MIT 许可证，允许在署名的前提下免费部署、微调和再分发。对初创公司来说关键的修改是：想转售基于 ML4 权重的推理服务（而不是内部使用模型）的机构，必须与 Mistral AI 另签商业协议。这一商业许可的价格尚未披露。内部企业和研究部署没有版税或收入分成义务。
欧洲主权定位吸引银行和国防客户
Mistral 训练 ML4用的是公司自有欧洲数据中心内的 3800 块英伟达 Grace Blackwell GPU，这一细节让它有别于大多数同类开放权重发布，后者都在美国云巨头的基础设施上训练。对于受欧盟 GDPR 约束或国家数据主权要求的机构，模型训练算力的来源已成为重要的采购标准。
公司具名的部署合作伙伴反映了这一定位：博思艾伦咨询公司、欧盟网络安全局（ENISA）、La Banque Postale、Belfius、法国农业信贷银行、荷兰银行和欧洲航天局。欧洲金融机构和政府机构的集中，与其围绕司法管辖权、可审计性和摆脱美国云厂商依赖的定位一致。
上线时 API 价格为每百万输入 token 0.70 美元（标价 1.36 美元），ML4 高于 DeepSeek V4.1 Flash 约 0.27 美元的价格，不过在竞争评估中，Mistral 销售团队会强调 DeepSeek 较小的上下文窗口和缺乏欧洲训练基础设施。开放权重让机构在投资合适硬件后可以完全脱离 API，这是任何封闭权重替代方案都没有的选择。
ML4 权重发布立即引出的问题是，对 FrontierCode 和 Terminal-Bench 的独立测试会缩小还是扩大 Mistral 与 AA 数字之间的差距。Mistral 尚未发布 ML4 的技术报告，架构细节和基准测试条件都只见于公司自己的发布材料，而不是经同行评审的形式。这一差距如何解决，将决定 ML4 在安全、金融推理和欧洲主权方面的真正差异点，是否足以在竞争中胜过那些目前在智能体基础设施团队最关心的基准上领先更明显的对手。