Le Chonk
今天，我们推出 Mistral Large 4 的公开预览版。非正式名称 ML4，非常正式的名称：le Chonk。ML4 将开放权重性能推向新的前沿。您今天就可以在 Mistral Studio 上试用预览版 API。权重将于本月底发布。
前沿性能
ML4 是一个 1 万亿参数的原生多模态模型，拥有 520 亿活跃参数。它是我们迄今为止最大、能力最强的模型，并且随着我们的不断改进，它还在快速提升。
该模型在编码、代理工作流和多模态理解方面表现出卓越的性能。它已经达到了与全球最强开源模型相竞争的水平，同时显著超越了美国和欧洲开发的任何开放权重模型。在关键的企业工作负载中，包括网络安全、金融和法律领域，我们发现它在开放模型中处于最先进水平。在某些领域，如视觉定位，它更进一步，甚至超越了前沿的闭源模型。
我们将在本月底发布权重。在此之前，我们正与网络安全领导者、经过审查的合作伙伴和国家机构在真实环境中对该模型进行红队测试，他们将访问同一模型，但具有减少的审核和扩展的网络能力。
欧洲锻造。为 AI 主权而构建。
ML4 是在 Mistral 位于欧洲的自有数据中心中，使用 3,800 块 NVIDIA Grace Blackwell GPU 从零开始训练的。公开预览版也在同一基础设施上提供服务。这是我们在基础设施、研究和产品开发方面长期投资的一个重要里程碑：通过开放权重，在关键垂直领域提供最先进的性能，旨在让客户掌控自己的 AI。
这在网络安全领域尤为重要，因为提供商级别的拒绝可能会阻碍合法的漏洞研究和事件响应，而在事件中途失去对某项能力的访问本身就可能成为关键的安全风险。ML4 将顶级的网络性能与开放权重和自部署相结合，为组织提供了在自己的政策下运行高级安全工作的能力和自主权。
该模型将在全球多个地区提供，包括 Mistral 端到端运营的欧洲部署，独立于其他数字服务提供商，并受欧洲法律管辖。有趣的是：ML4 训练数据的很大一部分是多语言的，涵盖 160 多种语言，包括欧盟的所有官方语言。
我们一直与全球金融、工程、制造、物流、制药、科学、航运、公共部门和其他关键行业的领先企业密切合作，以训练 ML4。事实上，该模型使用了我们通过 Mistral Forge 向客户提供的相同的训练、定制和 RL 环境。
立即试用
还有更多内容即将推出。在我们努力发布权重的同时，我们将分享有关模型架构、额外基准测试和我们的后训练方法的更多细节。
该模型还将成为新一代专用且优化的 Mistral 模型的基础。与此同时，我们邀请您试用预览版 API，并在社交媒体上与我们分享您的反馈。
能力深度解析
网络安全
ML4 是全球网络安全领域最强的人工智能模型之一。在 Artificial Analysis Cyber Index（一项独立评估人工智能模型在真实软件中发现并修复安全漏洞能力的基准）上，它位列全球前五，并大幅领先于中国以外开发的开源权重模型。在该指数的一项测试中，要求模型复现开源软件中的真实漏洞并随后进行修补，ML4 得分 82%，为所有模型中的最高分。它还能解决 Cybench 中 93% 的挑战——该基准包含 40 道源自安全竞赛的题目，是开源权重模型报告的最高分之一。
这一最高分反映了一项实际优势。包括 Claude Opus 5.5 和 GPT-6 Astra 在内的若干领先闭源模型在同一测试中得分接近零，因为它们拒绝执行该任务。然而，防御软件往往始于证明漏洞真实存在，而这正是闭源模型的安全过滤器可能阻止的工作。随着威胁行为者越来越多地越狱这些模型以支持攻击性网络活动，这一点变得更加重要：防御方需要能够匹配这些能力、且不受同样拒绝机制约束的系统。ML4 可以完成这项工作，其能力超出了它被明确训练的范围：在内部测试中，它被证明可用于分析恶意软件、对漏洞进行优先级排序以及编写检测规则。对于需要主权、可审计的人工智能用于安全运营的组织，它将能够在私有云或本地部署运行。
ML4 与同类模型对比：高效推理多样复杂挑战
恶意软件逆向工程：解决一项分布外调查任务
智能体编程
ML4 在软件工程、代码仓库理解和复杂终端工作流方面表现出色，在 DeepSWE v1.1 上得分 61.7%，在 SWE-Atlas-QnA 上得分 59.4%，在 Terminal-Bench 4 上得分 28.3%。其综合编程智能体指数得分为 49.8%，领先于 DeepSeek V4 Pro 0813 和 Qwen3.8 Max。
我们还与 Surge AI 合作进行了一项关于编程质量的盲测人工评估：专业标注员在隐藏模型身份的情况下，按 1–5 分制对模型输出进行评分。ML4 Preview 在五个模型中排名第二（3.74），领先于 Kimi K3（3.59）、GLM-5.3（3.60）和 GLM-5.2（3.40），仅次于 Claude Opus 5（4.22）。
智能体工作流
ML4 可运行通用智能体，在复杂工作流中收集信息、使用工具并产出最终交付物。在 AutomationBench 上——涵盖 Gmail、Google Sheets、Slack 和 Salesforce 等应用的 657 项业务工作流——它得分 59.9%，领先于 Kimi K3、MiMo-V2.6-Pro 和 DeepSeek V4 Pro。
它在知识工作真正产出的专业交付物上同样出色：电子表格、幻灯片和 PDF。在评估长周期知识工作的 AA-Briefcase 上，它达到 1,393 Elo，领先于 DeepSeek V4 Pro。
多模态
ML4 是我们模型理解图像能力的一次阶跃式提升。它能在复杂文档、图表和自然图像中进行强大的推理，并将视觉能力带入感知至关重要的行业，如工程、制造和地球观测。
该模型可以进一步将视觉定位与智能体能力相结合：从检查千兆像素卫星图像——帮助灾害响应团队在时间紧迫时采取行动——到分析工程图纸——放大、检查并验证，直到答案精确无误。在我们上面的演示中，ML4 对密集自然场景进行定位，验证技术图纸中的机械部件，从 PDF 中检索证据，并扫描大规模地理空间图像以寻找最难发现的物体。
特别是在视觉定位方面，我们发现 ML4 是我们测试过的最有能力的模型之一，例如在 Dense 200 上超过了 GPT-6-Astra（42% 对 41%）。
科学与数学
ML4 带来了强大的科学能力，这是通过将 AI 驱动的方法与我们研究人员在数学、物理和化学方面的专业知识相结合而构建的。
它非常擅长科学任务的智能体编码，例如数据分析、建模和模拟物理现实，这让研究人员能够专注于问题本身，而不是基础设施。在基准测试中，ML4 在开放权重模型中的 SciCode-Verified 上处于最先进水平。在实践中，它可以一次性生成完整的 Hartree–Fock 模拟——这是一项由一系列高级例程构建的复杂多步骤化学任务。
ML4 的数学能力也更强，无论是在形式推理还是应用数学方面。在我们的人工评估中，它比 GLM-5.3 推理更精确、更有条理，并且能够持续完成长期的、特定领域的应用数学任务，包括与前沿理论物理相关的工作。
这些能力共同使 ML4 成为贯穿整个技术工作流程的强大研究助手——从最初的问题到最终的结果。
SciCode-Verified 测试模型在代码中实现复杂科学工作流程的能力，涉及物理、数学、材料科学和生物学等领域。
ML4 与 GLM5.3 在 STEM 任务（数学和物理）上的内部评估
知识工作
ML4 是我们最有能力的模型，适用于专业人士每天处理的现实世界任务。它可以创建、编辑和修复复杂的电子表格和文档，在法律和金融基准测试中均表现出模范性能。
值得注意的是，我们通过第三方评估机构（vals.ai）在法律和金融任务上对 ML4 进行了代表性任务的评估，发现该模型在这两种情况下都超过了 GPT-6-Astra。在 HarveyAI 的法律智能体基准测试中，ML4 的表现优于所有开源模型。
FinWorkBench 测试模型在现实金融和会计用例中创建/编辑电子表格的能力。
财务分析要求精确性以及综合多来源信息的能力，这一过程在当今许多金融机构中仍然耗时。在本演示中，ML4 与其他顶级开源模型一样，面对同一项多步骤企业财务挑战，需要检索上市公司文件与财务报告，例如通过 EDGAR 及同等欧洲数据库可获取的文件。一张动态语义地图追踪每个模型走向解决方案的路径，并高亮沿途检索到的每一份文档。每条轨迹的位置反映了已收集的证据、计算结果以及尚未解决的问题。观众可以观察调查如何展开，并比较每个模型在得出最终答案前所走的不同路径。
模型安全性
ML4 在我们针对间接提示注入鲁棒性的基准测试中已达到饱和，使其处于开源模型的前沿（与 GLM-5.2、GLM-5.3、Kimi-K2.6、Kimi-K3、DS-V4-Pro-0813 相比）。在 Lakera 公开的 B3 AI 安全基准 上，ML4 抵御了 93.3% 的攻击——我们在竞争者中未看到更高分数。
ML4 与用户的互动也比我们以往任何模型都更负责任。我们重点展示在 KORA 基准 上的结果，ML4 再次在我们测得的开源模型中得分最高（1.691，最高为 2，表示“
典范”）。
尤其相关的是，该模型倾向于拒绝有关网络安全的恶意请求。尽管在 Cyber 基准上表现强劲，但该模型对来自 JailbreakBench、, 以及
StrongREJECT的网络提示的平均拒绝率高于所有开源模型。
AgentHarm### 人工评估
我们进行了一项内部评估，由编码、计算机辅助设计（CAD）、金融、数学和物理领域的专家标注员比较 Mistral Large 4 与 GLM-5.3。ML4 在 CAD 和 STEM 中更受偏好，而在金融和编码方面表现与 GLM-5.3 相当或接近。
大规模强化学习
基础模型正在快速改进，我们的后训练也必须跟上步伐。为昨天的模型调好的配方，用在今天的前沿模型上会留下能力未充分释放，因为曾经将模型推到极限的真实样本如今已不再如此。我们使用强化学习（RL），因为它会随模型一起适应：我们基于模型自身尝试的结果进行训练，并且随着模型变强，我们可以提高任务的难度和广度。
我们的 RL 库旨在让新环境易于添加并可大规模训练。一个共享、可组合的接口允许单次训练运行组合从单轮聊天和复杂科学问题求解到安全对齐、事实性和长时程工具使用等任务。这些环境共享脚手架和资源，例如代码沙箱、网络搜索和外部 API。同样的可组合性也延伸到验证，可根据每个任务的需要组合奖励模型、单元测试、LLM 评判器和静态检查。
在运行时，一个自动扩缩容的 actor 集群会并行生成数万条 rollout，同时模型训练异步进行。生成与训练流水线针对长轨迹进行了优化，支持跨多次压缩、总计达数百万 token 的 rollout 预算，同时保持较低的陈旧度。两个阶段中的新颖方法与优化共同将 off-policy 漂移降至最低，并支持长时程下的稳定 RL。
在我们当前的规模下（3k GPU），单次训练运行每天大约产生 330 亿 token，其中经过过滤和掩码后，约有 160 亿是可训练的 completion token。我们可以直接从训练 rollout 中看到运行进展：随着策略学会解决越来越复杂的任务，若干代表性环境中的训练奖励不断上升。以下是一些示例。
这些改进并非仅限于我们训练所用的环境；它们会迁移到下游评测中，并且如这些图表所示，最终模型的这些提升同时归功于两个后训练阶段（监督微调与 RL）。
下一步
这仅仅是开始。ML4 是由我们 30 亿欧元 D 轮融资所支持路线图上的第一个里程碑——这是欧洲科技公司有史以来规模最大的股权融资轮。这笔资金已经在投入使用：我们正在我们自己的欧洲数据中心大幅扩展算力容量，未来几个月还会有更多算力上线。
更多算力意味着更多训练。本次预览背后的强化学习运行仍在进行中，模型没有显示出饱和迹象——前方仍有充足的空间。随着我们在扩展后的基础设施上扩大训练规模，我们预计未来数周和数月内将出现巨大而快速的改进。
我们将在月底发布权重，同时公布更多关于架构、额外基准测试以及我们后训练方法的细节。而 ML4 只是基础：它将成为新一代专业化和优化版 Mistral 模型的基础，这些模型专为我们的客户最关心的行业和工作负载而构建。
从此刻起，进展的步伐将会很快。敬请关注。
Mistral Large 4
新
开放权重混合 instruct-and-reasoning MoE，支持多模态输入；将指令、推理和 agentic 能力统一在单一模型中，在网络安全、金融和制造业方面达到开放权重中的最先进水平，原生流利支持 160 多种语言。
多模态
推理
编码
Agentic
网络安全
输入（/M token）
$1.36
输出（/M token）
$4.18