法國 AI 公司 Mistral 10 月 6 日放出 Mistral Large 4 的研究預覽版。官方給它取了個外號叫「le Chonk」，大意是「大塊頭」。這是一個原生多模態的混合專家（MoE）模型，總參數量 1 兆，每個 token 啟用約 490 億，上下文視窗 512K，支援文字和圖片輸入、文字輸出。
預覽版目前透過 Mistral API 開放，優先面向開發者、資安負責人和政府機構，官方計劃本月稍晚擴大範圍，並在 10 月底放出開源權重。
訓練與定位
根據 Mistral 官方部落格，Large 4 是從零訓練，用的是公司自家在歐洲的資料中心，約 3800 張 Nvidia Grace Blackwell GPU；CNBC 的報導提到訓練週期約兩個月。Mistral 給它圈定的強項是資安、程式開發、製造、金融和多模態任務。
官方對外的說法是，Large 4 是「中國以外最強的開源權重模型，而且領先幅度很大」。CNBC 的報導同時提到，Mistral 承認它在程式開發等領域仍落後於最前沿的閉源模型。
API 裡提供兩種推理模式：none 和 high。開發者 Simon Willison 實測發現，high 模式輸出的 token 反而更少，平均 2717 個，none 模式則是 3275 個，產出的結果也以 high 模式較好。他的整體判斷是，Large 4 大概落後最前沿約半年。
第三方怎麼打分
獨立評測機構 Artificial Analysis 給出的 Intelligence Index 是 38 分。放在一起看：
| 模型 | Intelligence Index |
|---|---|
| DeepSeek V4.1 Flash | 39 |
| Mistral Large 4 | 38 |
| GPT-6 Luna（max） | 38 |
| Mistral Large 3 | 9 |
兩代之間差了 29 分，上一代 Large 3 的 9 分在這張榜上明顯偏後。Artificial Analysis 據此稱它是「美中兩國之外最聰明的模型」。該機構的資安指數給了 Large 4 50 分，文件推理測試（GDP.pdf）的通過率只有 19%，這一項明顯偏弱。
算一筆帳
預覽版 API 定價為每百萬輸入 token 1.36 美元、輸出 4.18 美元，快取命中的輸入每百萬 0.14 美元；上線頭兩週打五折。Artificial Analysis 按自家任務集換算，單任務成本 1.13 美元，折扣期則是 0.57 美元。
粗算一個常見情境：餵進 100 萬 token 的程式碼庫或文件，產出 20 萬 token 的結果，原價約 2.2 美元，折扣期約 1.1 美元。輸出單價約是輸入的 3 倍，長輸出的代理型任務會更貴一些。
啟用比例也可以算一下。490 億啟用對 1 兆總參數，約 4.9%，和前一天發布的 Reflection Beam（230 億啟用對 5010 億總參數，約 4.6%）幾乎在同一個區間。推理成本主要跟著啟用參數走，所以兩家都把「效率」掛在嘴邊。
部署門檻另當別論。按 8 位元精度估算，1 兆參數的權重光存下來就要約 1TB 顯示記憶體，4 位元量化後也在 500GB 上下，多數團隊拿到開源權重後，大概還是得靠雲端廠商代管或等社群的蒸餾版本。
歐洲那張牌
Mistral 9 月剛完成 30 億歐元融資，三星領投。Large 4 是這筆資金到位後的第一款旗艦產品，自建算力、歐洲本土訓練這兩點，官方反覆強調，從宣傳重點來看，瞄準的是歐洲政府和受監管產業的採購。
開源權重的授權條款、具體放出日期，Mistral 目前都還沒有公布。所有分數目前也只有官方和少數評測機構的數據，社群拿到權重之後能重現出多少，要到月底才會見真章。
參考來源：Mistral 官方部落格、Artificial Analysis、CocoLoop、CNBC、Simon Willison 部落格；Intelligence Index 與單任務成本以 Artificial Analysis 公布數據為準，API 價格以 Mistral 預覽版定價為準，顯示記憶體需求為按參數量粗算。