Mistral 开源万亿参数多模态模型 Mistral Large 4 (Le Chonk)

思考

摘要

Mistral 发布了 Mistral Large 4 (Le Chonk)，这是一个 1 万亿参数的多模态模型，现已在编码、网络安全和推理效率方面得到改进。它在编码和防御性安全方面领先开放权重基准，同时提供三种推理模式以平衡成本与性能。完全开放权重并在欧洲训练，它通过可定制的自托管部署选项赋能主权 AI。

我们发布了 Le Chonk 的权重，推进了开放模型在智能体编码和网络安全领域的前沿。

本月早些时候，我们发布了 Mistral Large 4 (Le Chonk) 的公开预览版，这是我们旗舰级的 1 万亿参数、原生多模态模型。预览版的反馈超出了我们的预期，我们感谢开发者社区、早期访问客户和合作伙伴的支持、协作和反馈。

此后，我们将这些反馈付诸实践，同时继续扩大强化学习规模，在编码和防御性网络安全方面取得了巨大改进。进展持续加速，没有饱和的迹象。

今天，我们发布了这个改进版 Mistral Large 4 的权重。新模型在推理效率方面也有大幅提升，为开发者提供更高性能的同时降低推理成本。

Mistral Large 4 被评为最佳开放权重编码模型，并跻身全球最强大的开放模型之列。它在欧洲基础设施上从头训练，从初始到发布具有清晰的血统，为组织提供了可信的主权 AI 基础。

Mistral 正在定义主权 AI 类别并引领开放前沿。我们致力于构建世界上最强大的模型并公开释放它们，让开发者、企业和机构能够拥有、定制和控制他们的 AI。

为构建者而生。

Mistral Large 4 进入公开预览时，在领先的编码基准测试中取得了强劲结果。仅仅三周的额外强化学习就将其推向了开放权重编码的前沿，在 FrontierCode 和 Terminal-Bench 上领先，同时在 Artificial Analysis Coding Agent Index 上以显著更高的 token 效率与最佳开放权重模型匹敌。

在 Cognition 的私有 FrontierCode 2.0 基准测试中，该测试评估端到端代码质量以及仓库维护者是否会合并智能体的更改，Mistral Large 4 以 19.7% 的得分领先。

Cognition - FrontierCode 2.0

推动智能体编码的帕累托前沿。

Mistral Large 4 以显著更少的 token 提供前沿编码性能，使复杂的编码智能体在大规模运行时更经济。

在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得分为 48%，与领先的开放权重模型 GLM-5.3 实际上持平，而每个任务平均使用的 token 少 47%。

Artificial Analysis Coding Agent Index 与 token 效率对比

• Mistral
• 其他模型

Artificial Analysis 上可用推理级别的 Coding Agent Index 得分和 token 效率

这些提升也延伸到基于终端的编码工作流。在 Terminal-Bench 4.0 上，Mistral Large 4 相比其公开预览版提高了 13 个百分点，达到 41%，在开放权重模型中领先，同时将输出 token 减少了 30%。

Artificial Analysis 编码智能体指数 - Terminal-Bench 4.0

为了让开发者更好地控制性能与成本之间的权衡，Mistral Large 4 现在支持三种推理模式：

除了基准测试，Mistral Large 4 的编码能力还得到了人类偏好的验证。在 Surge Code 的盲对评估中，Mistral Large 4 比包括 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 在内的领先开放权重模型更受青睐，在评估的模型中仅次于 Claude Opus 5.5。

Surge Code - 代码上的人类偏好

与其他模型的盲侧对比胜率

• Mistral Large 4 胜出
• 其他模型

评分者偏好 Mistral Large 4 答案而非对手答案的提示占比。

为防御者而生。

自预览以来，我们一直与领先的网络安全供应商合作，在真实环境中评估 Mistral Large 4，以测试 Mistral Large 4 在漏洞复现和修补方面的优势。

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中的漏洞、复现和验证漏洞以及在不破坏现有功能的情况下修补漏洞的能力。关键的是，Mistral Large 4 处理这些合法的防御性安全任务时没有不必要的拒绝。

Artificial Analysis - Cyber Index

安全性随着能力一起提升。我们模型的内置护栏区分防御性和恶意、攻击性网络安全任务。它在 Cyber 基准测试上保持强劲性能，同时在恶意网络请求上的平均拒绝率达到 96.6%，这是我们在开放模型中测得的最高值。

拒绝有害网络请求

在 JailbreakBench、StrongREJECT 和 AgentHarm 的网络相关提示上的平均拒绝率

以下是全球网络安全领导者对 Mistral Large 4 的评价：

Booz Allen 的测试表明，欧洲的 Mistral Large 4 模型在我们内部的源代码安全分析基准测试中取得了成功。该模型在漏洞检测召回率上与其他前沿网络模型相当，且成本曲线极具吸引力。此外，Mistral 对模型定制和数据主权部署的支持也让我们能够根据任务需求和对数据驻留有严格要求的客户环境进行定制。我们期待与 Mistral 合作，加强全球关键基础设施。

Brad Medairy，Booz Allen Hamilton 国家网络业务总裁

当 AI 成为安全运营的核心时，将透明度和开放性视为优势的组织便处于有利位置。开放权重网络安全模型将这种透明度扩展到需要在自身控制下托管和定制 AI 的企业和政府，并让研究人员能够研究这些模型的行为方式，包括它们可能被滥用的地方。随着对手越来越多地利用 AI 加速其行动，我们旨在与 Mistral 等模型开发者合作，帮助安全团队在此基础上建立控制，为“设计即韧性”而非被动威胁管理奠定基础。

Amy Chang，Cisco AI 威胁情报与安全研究负责人

当威胁以机器速度移动时，人类防御无法跟上。更糟的是，你无法控制的防御不是防御——而是暴露。安全团队在掌握方向盘时表现最佳。Mistral 的 ML4 让防御者能够审计架构、部署在自己的基础设施上，并保持完全主权。韧性始于自主权，开放权重模型有助于赋予组织掌控自身防御的能力。"

Stephanie Cohen，Cloudflare 首席战略官

仅靠强大的 AI 模型无法在网络安全领域扭转局势。它需要深厚的安全专业知识、真实世界的威胁情报和严格的测试。我们与 Mistral Large 4 的合作测试了前沿 AI 在推理复杂漏洞、加速修复以及确保防御者比对手行动更快方面的能力。

Dr. Bartley Richardson，CrowdStrike 首席 AI 与自主系统官

Elastic 让安全团队能够自由地将他们信任的 AI 带到他们控制的数据上，包括 Mistral 的开放模型，这些模型目前已在 Elastic Security 上获得支持。我们已经针对真实的网络安全工作负载评估了 ML4，在这些工作负载中，模型需要跨复杂数据进行推理，以帮助分析师做出明智的调查和响应决策。这体现了我们正在建立的合作伙伴关系，以提供强大的开放权重模型，并结合客户所要求的安全上下文、透明度和控制。

James Spiteri，Elastic 产品管理高级总监

ENISA 正在试验闭源和开放权重模型，以更好地了解其网络能力。开放权重模型使组织能够保持对其韧性所依赖的技术的控制。ENISA 已获得访问权限并正在测试 Mistral Large 4，以识别安全漏洞、审计代码和分析防御日志。

Laura Heuvinck，ENISA 传播负责人

我们相信开放权重 AI 模型在推进网络安全方面发挥着重要作用，为组织提供更大的灵活性、选择和控制权。像 Mistral Large 4 这样的创新代表了 AI 变革网络防御潜力的有希望的一步。我们将持续的 AI 创新视为加强网络安全、帮助组织应对不断演变的威胁格局的重要机遇。

John Whittle，Fortinet 首席运营官

开放模型让安全研究人员和开发者能够检查、调整和构建 AI。Mistral 正在扩展生态系统可以构建的内容，我们在 NVIDIA 加速基础设施上的合作帮助开发者将这些模型投入使用。

Kari Briski，NVIDIA 开放模型与软件副总裁

随着威胁变得更快、工业化并现已自动化，防御必须以不同的规模运作。数量、速度、信任：这是 AI 时代网络安全面临的三大挑战。通过与 Mistral AI 合作，我们正在构建欧洲网络 AI，由我们的专家训练并在他们的控制下运营。通过结合 AI 的力量、我们团队的专业知识以及我们的网络威胁情报，我们正在加速响应，以便能够更广泛、更快速地利用可信的欧洲技术进行保护。

Hugues Foulon，Orange Cyberdefense 首席执行官

Rubrik 支持 Mistral 以及推动“主权 AI”的努力，为欧洲政府和受监管行业提供一个可信的选择，不会将其数据路由到其他国家。客户希望有模型选择，包括开放权重和私有模型，以支持数据驻留、延迟、成本和能力要求。作为我们专注于提供网络韧性和加速从组织外部 AI 驱动攻击及内部代理中恢复的一部分，我们将继续使用 Mistral Large 4 进行严格的网络安全测试，并密切合作以满足不断变化的区域需求。

Anneka Gupta，Rubrik 首席产品官。

随着企业将 AI 投入生产，他们越来越希望模型能够按照自己的方式运行，并清晰地了解模型行为、数据访问和代理权限。Mistral Large 4 为开放权重 AI 带来了强大的网络安全和技术推理能力，许多欧洲企业已将其作为首选的主权模型。Zscaler 的 AI 安全产品在欧洲主权零信任交换平台上交付，现已与 Mistral 集成，帮助组织持续测试其 AI 部署，映射每个模型和代理可以触及的范围，并内联执行策略。我们共同赋能企业采用主权 AI，并具备安全创新所需的可见性、控制和数据保护。

Dhawal Sharma，Zscaler AI 与数据安全执行副总裁

自预览以来，我们仔细监控了实时流量中与网络安全相关的使用情况。尽管我们观察到该模型拒绝遵守针对实时目标的黑盒攻击，但我们看到了其被用于实施真实攻击的潜在提升。我们正在相应修改我们的护栏，并将在未来几个月继续更新。

我们还向 Orange Cyberdefense 等企业设计合作伙伴提供 Mistral Large 4 专用变体的预览访问权限，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、漏洞评估和红队演练。访问需经过严格审查并受合同保障措施约束，测试仅限于受控环境中自有或明确授权的系统。

与此同时，客户正使用 Mistral Forge 以专有安全数据、策略、检测逻辑和威胁环境对 Mistral Large 4 进行定制。对于定义明确的网络安全任务，还可进一步将其优化为更小、任务专用的变体，以获得更高准确性，从而使安全应用更加有效。

进一步了解面向网络安全的主权 AI，以及如何与我们合作。

为工作而生。

Mistral Large 4 在一系列广泛的企业使用指标上持续改进。

对于财务相关工作，我们提升了模型执行真实工作流的能力，尤其是涉及为财务和会计用例创建和编辑电子表格的工作流。这体现在我们的 Finch 分数攀升至 73.3%，在开放模型中仅次于 Kimi K3。

FinWorkBench（Finch）

网页浏览是大多数知识工作的关键组成部分。我们的强化学习流程使我们能够在 BrowseComp 上达到 84.5%（起点是一个达到 75% 的 SFT 检查点）。这使 Mistral Large 4 的性能高于 GLM-5.3 或 DeepSeek Flash 4.1 1017 等模型。

网页浏览 - BrowseComp

组织部署的代理需要是安全的。无论是部署给内部成员还是外部用户，代理都不应让你暴露于系统提示词泄露或恶意代码注入等威胁之下。强化学习提升了我们在 B3 Agent Security Benchmark 上的成绩，Mistral Large 4 抵御了 97.1% 的攻击，而预览版为 93.3%。这使其位居开源前沿之首，意味着任何托管该模型的人都可以无需额外调优即可运行安全的代理。

B3 Agent 安全基准测试 - 攻击抵御能力

Mistral AI 的这一重大投资印证了 La Banque Postale 一年多前做出的选择，并凸显了我们共同建立的长期战略伙伴关系的意义：支持一个开放且主权的欧洲 AI 领导者的崛起。对于一家面向公众和公民的银行而言，技术主权并非可选项；它是维持客户信任的关键前提。这一开放模型的推出解锁了新的机遇和用例。通过与 Mistral AI 合作，我们的目标是结合人类专业知识与数字技术的最佳之处，长期为客户和员工提供更优质的体验。

Zakaria Moursli，La Banque Postale 运营绩效、支付与数字服务执行副总裁

观看实际演示

网络漏洞分诊：代理读取传入的漏洞报告，调查源代码和产品上下文，在隔离沙箱中复现缺陷，然后编写并迭代补丁，直到金丝雀漏洞利用不再生效。

▶ https://ml4-blog-widgets.netlify.app/django-rediscovery/?iframe

代理式网页开发：在无人工帮助的情况下，Mistral Large 4 构建了 Orbital Trace，这是一张约 19,000 颗卫星和碎片绕地球运行的实时 3D 地图。它拉取真实跟踪数据，编写应用，在浏览器中使用该应用以发现自身的缺陷和变慢问题，然后修复独立审查者标记的问题，直到所有要求通过。

▶ https://ml4-blog-widgets.netlify.app/agentic-frontend-coding/?iframe

量子化学求解器：Mistral Large 4 从零编写软件，计算分子中电子的位置，并对照标准化学工具检查其答案。随后它围绕该软件构建一个 3D 页面：选择苯或水等分子，拖动滑块将其拉开，观察化学键断裂时电子重新排布。

▶ https://ml4-blog-widgets.netlify.app/bond-breaking/?iframe

为主权而生。

随着组织围绕其知识和 workflows 构建 AI，主权意味着他们保留对所依赖模型及其所创造智能的控制权。

借助 Mistral Large 4，这种控制始于模型本身。组织能够检查、定制并在自己的基础设施上部署该模型。他们可以使用和改进 Mistral Large 4，而无需依赖 Mistral 通过 API 提供服务。Mistral Large 4 是在欧洲从零开发和训练的，使组织能够清楚了解其所依托技术的来源。

控制还延伸到 AI 在组织内部的运作方式。组织可以使用 Mistral Forge 围绕其专有数据定制 Mistral Large 4，并可以使用 Mistral Studio 构建、治理和改进由此产生的代理和应用。Mistral 的应用 AI 专家可以与客户团队并肩工作，构建和部署这些定制系统。通过这项工作，团队能够理解其所构建系统背后的架构和决策，以及用于训练和运行它的方法，从而能够独立运行和改进其 AI。

在 ABN AMRO，我们相信开放透明的 AI 生态系统对于在金融行业负责任地推动创新至关重要。Mistral Large 4 等进展表明，主权和开放权重 AI 模型可以扩大欧洲组织可用的可信解决方案范围。我们对正在取得的进展感到鼓舞，并将继续探索先进 AI 如何助力增强关键能力，包括网络安全。

Coen Klaver，ABN AMRO Bank N.V. 网络防御总监

我们在 AI 模型中看到的快速进展为芯片制造中的先进工程创造了令人兴奋的机遇。我们对 Mistral Large 4 的早期体验令人期待，尤其是在模型性能更高至关重要的用例中。Mistral 对持续创新的承诺支持我们加快 AI 在整个半导体产品生命周期中的应用。

Arnaud Hubaux，AI 项目与战略负责人。

Mistral Large 4 是迈向金融级 AI 的重要一步：这是一个开放权重模型，我们可以根据自身需求进行微调，部署在自己的基础设施上，并紧密集成到我们的数字渠道中。Hey Belfius 就是这一合作如何帮助我们重新思考客户与银行互动方式的旗舰示例。

Nicolas Goosse，Belfius 数据洞察、分析与 AI 负责人

掌握我们的 AI 始于掌握其架构和数据。对于最敏感的用例，能够访问欧洲开放权重模型——我们可以将其部署在自己的基础设施上——是增强战略自主性和组织韧性的关键杠杆。Crédit Agricole Artificial Intelligence 与 Mistral 之间的产业合作在集团层面应对这些挑战。“Le Chonk”模型以其推理能力和网络安全领域的性能而脱颖而出，是这一合作所开启可能性的一个充满前景的例证。

Oliver Biton，Crédit Agricole 集团 CIO

我们对一个具有强大科学和视觉能力的开放权重模型感到兴奋。我们的工作高度专业化，因此能够调整模型至关重要。借助 Mistral Large 4，我们看到了一个基础，可以围绕我们的科学家和工程师实际处理地球观测数据的方式——从图像到技术文档——来构建工具。

Giuseppe Borghi，ESA Φ-lab 负责人

AI 主权不在于选择调用哪个 API。而在于拥有按照自己的方式运行、定制和构建 AI 的自由。Mistral Large 4 将编码、多模态 AI 和网络安全方面的强大能力开放出来，为开发者、公司和国家提供了一个出色的开放基础，以构建自己的 AI 并防御网络威胁。

Jeff Boudier，Hugging Face 产品副总裁

强大的模型只是等式的一部分。开发者还需要自由决定它在哪里运行、如何优化以及如何融入他们的系统。我们对 Mistral Large 4 感到兴奋，因为开放权重让构建者对这些决策拥有更多控制权，而不是让他们依赖单一托管服务。在 ZML，我们认为这种自由对于将 AI 的进步转化为有用、可部署的软件至关重要。

Steeve Morin，ZML CEO

主权并不总是需要自托管；有时只需要满足你控制要求的部署。对于偏好托管服务的组织，Mistral Large 4 可通过 Microsoft Foundry 获得，并为 Azure 开发者提供私有部署选项。

Microsoft 与 Mistral AI 共同致力于扩大客户在下一代 AI 中的选择。作为首家将 Mistral Large 4 带给客户的云提供商，Microsoft 正通过 Microsoft Foundry 提供 Mistral 最新的开放权重模型，这是一个专为大规模评估、部署和运营模型而构建的企业 AI 平台。对于推进主权 AI 战略的组织，这一组合在其数据、基础设施和 AI 运营方面提供了更大的灵活性和控制力。

Tina Schuchman，Microsoft Foundry 企业副总裁

开始使用 Le Chonk 构建

Mistral Large 4 今天即可试用、部署和定制。

在 Mistral Studio、通过 Mistral API 或 OpenRouter 开始使用。如需完全控制，请从 Hugging Face 下载开放权重，并使用 vLLM 或 SGLang 部署在你自己的基础设施上。模型卡和许可证包含开始使用所需的一切——对于希望深入了解的人，完整技术报告即将发布。

你也可以在 Vibe Code 中试用新模型；给它一个要构建的功能或要在你自己的仓库中修复的 bug。

Mistral Large 4 还可通过 NVIDIA 托管端点 获得，作为优化的 NVIDIA NIM 容器 用于 vLLM 服务。开发者可以使用开源 NeMo AutoModel 库 进行定制，或使用开源 TensorRT LLM 库进行高吞吐量服务。

企业还可以使用 Mistral Forge 根据其专有数据、用例和护栏定制 Mistral Large 4。联系我们的团队了解更多。

该模型可在 Mistral Ecosystem Open-Weight license（修改版 MIT 许可证）下使用。该模型可免费使用、修改、微调和商业化，只有一个条件：运营 Model-as-a-Service 产品的企业在商业使用该模型之前，必须从 Mistral 获得单独的商业许可证。

从今天起，Mistral Large 4 的定价为每百万 token 输入 $0.70、缓存输入 $0.07 和 输出 $2.10。

我们鼓励社区对 Mistral Large 4 进行测试。运行你自己的评估，挑战其极限，并在 X、Discord 或 GitHub 上与我们分享你的发现。

下一步

Mistral Large 4 将作为新一代专业化和优化 Mistral 模型的基础。基于 Voxtral 和 Timestral 等近期发布，我们将继续拓展开放权重 AI 的前沿，继续为开发者和企业提供更大的自由来构建、定制和拥有他们的智能。

Mistral Large 4

新

开放权重混合指令与推理 MoE，具有多模态输入；在单一模型中统一指令、推理和代理能力，在网络安全、金融和制造领域的开放权重中处于最先进水平，原生流利支持 160 多种语言。

多模态

推理

编码

代理

网络安全

输入（/百万 token）

$0.7

输出（/百万 token）

$2.1

了解更多