Mistral 的万亿参数模型 Mistral Large 4 放出了开放权重。Hugging Face 10 月 29 日发文介绍，模型以 FP8 和 NVFP4 两种精度上架，Transformers、vLLM、llama.cpp 当天即可运行，Unsloth 也同步放出了 GGUF 量化版本。Mistral 在 10 月 6 日推出研究预览版时承诺月底开源，这次算是按时兑现。
结构和许可
模型仓库名为 Mistral-Large-4-1T-A52B。按 Hugging Face 的介绍，模型共 72 层，采用 128 个专家的混合专家（MoE）结构，每个 token 走 4 个路由专家加 1 个共享专家；注意力部分用了多头潜在注意力（MLA）和稀疏索引，每个查询最多看 2048 个键位置。视觉部分是一个 1.6B 的 Pixtral 编码器，支持文本加图像输入、文本输出。
激活参数目前有两种口径：博客正文写约 490 亿，仓库名标的是 520 亿，以 Mistral 后续说明为准。上下文窗口标称 100 万 token，实际部署配置会低一些，vLLM 和 Inference Endpoints 的示例开到 131K，llama.cpp 的 2-bit 量化版本是 80 万。
许可证叫 Mistral Ecosystem Open-Weight License，在 MIT 基础上改写，限制把模型直接包装成模型即服务对外售卖。自用、微调和私有部署不受这条影响，打算拿它转手卖 API 的云厂商需要先看清条款。
分数集中在安全和编程
Hugging Face 列出的成绩里，安全类最突出：Cybench 的 40 道安全竞赛题拿到 93%，漏洞复现与修补 82%，Lakera B3 攻击抵抗 93.3%，Artificial Analysis 网络安全指数排进全球前五。编程智能体方向，DeepSWE v1.1 为 61.7%，SWE-Atlas-QnA 为 59.4%，Terminal-Bench 4 为 28.3%。综合智能指数在开放权重模型里排第五。
“Mistral Large 4 is particularly strong for cybersecurity, coding agents, and multimodality.” （Mistral Large 4 在网络安全、编程智能体和多模态上表现尤其强。）
这些都是官方和合作方口径，社区拿到权重后能复现出多少，还需要时间。
从 Large 3 到开放权重
把 Mistral 这条线串起来看，变化不小。按 Artificial Analysis 在预览版发布时给出的数据，Large 3 的智能指数只有 9 分，Large 4 预览版拿到 38 分。预览阶段模型只通过 Mistral 自家 API 开放，优先给开发者、安全负责人和政府机构；当时 Mistral 也承认，它在编程等领域仍落后于最前沿的闭源模型。这次公布的 Terminal-Bench 4 只有 28.3%，和安全类九成以上的分数相比差距明显，与那句自我评价大体对得上。
权重放出后，部署方式一下子多了。Hugging Face Inference Endpoints 用 8 张 H200，Dell Enterprise Hub 的示例用 4 张 B300，TRL 微调示例需要一台 8 卡 B300 节点。llama.cpp 的 2-bit 量化能塞进一台 512GB 统一内存的 Apple Silicon Ultra，其他量化要多卡分布式运行，官方在 4 张 RTX 6000 Pro 上测过。
预览版报道时我们估算过，按 8 位精度，光存权重就要约 1TB 显存。如今 NVFP4 和 2-bit 版本把门槛压了下来，可对多数团队来说，一台 8 卡 Blackwell 服务器依然是起步配置。Mistral API 上的正式定价，这次的介绍里没有提及。
参考来源：Hugging Face 官方博客、vLLM 博客、CocoLoop、Artificial Analysis；Hugging Face 模型卡核验参数结构、上下文长度与许可证名称。