法国 AI 公司 Mistral 于 10 月 29 日发布了其迄今最大模型 Mistral Large 4 的权重，代号「Le Chonk」。该模型总参数约 1 万亿，每步激活 520 亿参数，采用修改版 MIT 许可开放，用户可在自有硬件上部署运行。Mistral 称其在编程任务上击败了同类开源对手，但首轮独立测试显示，它在综合排名上仍落后于中国模型。

此次发布距离公开预览约三周。模型支持文本与图像输入，输出文本和代码。自行部署门槛不低：据推理框架 SGLang 文档，标准版本需 8 块英伟达 B300 GPU，高度压缩版本也需 4 块 GB300 GPU。预览以来，Mistral 持续用强化学习训练模型，称在编程和网络安全防御方面收获显著提升。研究员 Pierre Stock 与 Corentin Petit 在电话会上介绍，团队自建了难度递增的训练任务，并称性能的唯一瓶颈是团队还能设计并验证多难的任务。Mistral 将这一路线称为「为期两年的赌注」，如今开始见效。

在编程基准上，Large 4 的 Terminal-Bench 4.0 得分从预览时的 28% 升至 41%，略高于 GLM-5.3 的 40%。在 Artificial Analysis 的编程智能体指数上，Mistral 称 Large 4 达到 48%，与 GLM-5.3 基本持平，但所用 token 少 47%；Claude Opus 5.5 驱动的 Claude Code 以 62 分居首。在 Cognition 的新基准 FrontierCode 2.0 上，Large 4 以 19.7% 领跑开源模型，而 Claude Opus 5.5 为 46%。盲测对比中，测试者多数情况下更偏好 Large 4 的代码而非 GLM-5.3、Kimi K3 和 DeepSeek 的输出；但对阵 Opus 5.5 时，Large 4 仅赢下 22% 的对局。

综合能力上，Large 4 在 Artificial Analysis 智能指数上仅得 26 分，落后于 DeepSeek V4.1 Flash 和 GLM-5.3 的 32 分，与 Anthropic、谷歌的领先系统差距更大。Mistral 的对比未纳入 Moonshot 的 Kimi K3.1 Pro，因其权重尚未公开，计划 2026 年 11 月 4 日前释出；该模型在 Terminal-Bench 4.0 上以 67% 居首，届时 Mistral 的领先优势可能收窄。

网络安全方面，Mistral 称 Large 4 是防御能力最强的开源模型，在 Artificial Analysis 网络安全指数上得 51 分。但公司自家图表显示，DeepSeek V4.1 Flash 以 57%、MiMo-V2.6-Pro 以 56% 排在其前，Large 4 在开源模型中列第三。该指数衡量模型能否在不破坏现有功能的前提下发现、复现并修补代码库漏洞。额外训练在此项上提升有限，预览版为 50 分，正式版仅高 1 分。按每任务 1.21 美元计，其成本明显高于得分更高的 DeepSeek V4.1 Flash。Mistral 强调，模型对恶意网络请求的拒绝率达 96.6%，高于其他开源模型，同时仍能处理合法防御任务；但公司也承认模型可能降低真实攻击门槛，计划未来数月收紧防护，并向 Orange Cyberdefense 等合作伙伴提供经审核、带合同限制的渗透测试专用版本。

定价方面，Large 4 的 API 价格为每百万输入 token 0.70 美元、每百万输出 token 2.10 美元，较预览期的 1.36 和 4.18 美元大幅下调，与发布初两周的折扣价基本持平。对比 Kimi K3.1 Pro 的输入 2 美元、输出 10 美元，Large 4 价格优势明显。许可上，使用、修改和商业部署免费，但将 Large 4 作为商业云服务提供的公司需另行获得授权。Mistral 主要将其定位为「主权 AI」——完全在欧洲训练、可在自有服务器运行；若不自建，也可通过 Microsoft Foundry 等平台使用。