Mistral 的兆級參數模型 Mistral Large 4 釋出了開放權重。Hugging Face 於 10 月 29 日發文介紹，模型以 FP8 和 NVFP4 兩種精度上架，Transformers、vLLM、llama.cpp 當天即可執行，Unsloth 也同步釋出了 GGUF 量化版本。Mistral 在 10 月 6 日推出研究預覽版時承諾月底開源，這次算是如期兌現。
架構與授權
模型儲存庫名稱為 Mistral-Large-4-1T-A52B。依 Hugging Face 的介紹，模型共 72 層，採用 128 個專家的混合專家（MoE）架構，每個 token 會經過 4 個路由專家加 1 個共享專家；注意力機制使用了多頭潛在注意力（MLA）與稀疏索引，每個查詢最多可看 2048 個鍵位置。視覺部分是一個 1.6B 的 Pixtral 編碼器，支援文字加圖像輸入、文字輸出。
啟用參數目前有兩種說法：部落格正文寫約 490 億，儲存庫名稱標的是 520 億，仍須以 Mistral 後續說明為準。上下文視窗標稱 100 萬 token，但實際部署設定會低一些，vLLM 與 Inference Endpoints 的範例開到 131K，llama.cpp 的 2-bit 量化版本則是 80 萬。
授權條款名為 Mistral Ecosystem Open-Weight License，是在 MIT 的基礎上改寫而成，限制將模型直接包裝成模型即服務（MaaS）對外販售。自用、微調與私有部署不受這項限制影響，打算轉賣 API 的雲端業者則須先看清條款。
成績集中在資安與程式開發
在 Hugging Face 列出的成績中，資安類最為突出：Cybench 的 40 道資安競賽題拿下 93%，漏洞重現與修補 82%，Lakera B3 攻擊抵抗 93.3%，Artificial Analysis 網路安全指數則排進全球前五。在程式開發智慧體方面，DeepSWE v1.1 為 61.7%，SWE-Atlas-QnA 為 59.4%，Terminal-Bench 4 為 28.3%。綜合智慧指數在開放權重模型中排名第五。
"Mistral Large 4 is particularly strong for cybersecurity, coding agents, and multimodality."（Mistral Large 4 在網路安全、程式開發智慧體與多模態上表現尤其強。）
這些都是官方與合作夥伴的說法，社群拿到權重後能重現出多少，還需要時間觀察。
從 Large 3 到開放權重
把 Mistral 這條產品線串起來看，變化不小。依 Artificial Analysis 在預覽版發表時提供的數據，Large 3 的智慧指數只有 9 分，Large 4 預覽版拿到 38 分。預覽階段模型僅透過 Mistral 自家 API 開放，優先提供給開發者、資安負責人與政府機構；當時 Mistral 也承認，在程式開發等領域仍落後於最前沿的閉源模型。這次公布的 Terminal-Bench 4 只有 28.3%，與資安類九成以上的分數相比差距明顯，和這句自我評價大致吻合。
權重釋出後，部署方式一下子多了起來。Hugging Face Inference Endpoints 使用 8 張 H200，Dell Enterprise Hub 的範例用 4 張 B300，TRL 微調範例則需要一台 8 卡 B300 節點。llama.cpp 的 2-bit 量化版本可以塞進一台 512GB 統一記憶體的 Apple Silicon Ultra，其他量化版本須以多卡分散式執行，官方曾在 4 張 RTX 6000 Pro 上測試過。
預覽版報導時我們曾估算，以 8 位元精度計算，光是存放權重就需要約 1TB 的顯示記憶體。如今 NVFP4 與 2-bit 版本把門檻壓了下來，但對多數團隊而言，一台 8 卡 Blackwell 伺服器仍是起步配置。Mistral API 上的正式定價，這次的介紹並未提及。
參考來源：Hugging Face 官方部落格、vLLM 部落格、CocoLoop、Artificial Analysis；參數架構、上下文長度與授權名稱已對照 Hugging Face 模型卡查證。