Ing. Calogero Bono
Mistral 发布了 Mistral Large 4 的模型权重，这款模型昵称 Le Chonk，参数规模约万亿。发布时间是十月底，此前月初曾开放过一次公开预览。你可以从 Hugging Face 下载，也可以通过 API 调用。它之所以值得关注，是因为这家法国公司将其定位于代码与网络防御，而且没有人能从远程将它关闭。
在进入正题之前，先说几个术语。权重（weights）是训练过程中学到的数值参数，正是它们让模型能够运行。开放权重（open-weight）意味着可以下载，并不代表所有代码都是自由的。MoE（专家混合架构，Mixture-of-Experts）是一种结构，每个 token 只由内部一小组“专家”参与处理。token 是模型处理的一小段文本。基准测试（benchmark）是用来比较模型的标准化测试。
Mistral Large 4 是什么？
根据 Hugging Face 上的官方页面，它是一款多模态、多语言的 MoE 模型。它可以接收文本和图像，并生成文本。总参数约 1T，激活参数 49B，上下文窗口为 1M 个 token。
它采用的许可证是 Mistral Ecosystem Open-Weight License，源自 MIT，但对想把模型作为服务对外提供的人设有限制。Punto Informatico 报道称，它支持 160 多种语言，训练使用了 3800 块 NVIDIA Grace Blackwell 芯片。ZDNET 则引用了 Mistral 的说法，称使用了 4000 块 GPU 训练两个月。两组数字并不一致，因此我们将两者都作为出处引用列出。
Mistral 公布了哪些数字？
在代码方面，Hugging Face 页面给出的数字是 DeepSWE v1.1 上 61.7%，Terminal-Bench 4 上 28.3%，Coding Agent Index 为 49.8%。ZDNET 则称 Terminal-Bench 4.0 从预览版的 28% 提升到了 41%，比 GLM-5.3 高出一个百分点。综合指数方面，这款模型得分 48，GLM-5.3 为 49。
Mistral 称，它在每项任务上使用的 token 比 GLM-5.3 少 47%，且性能与之相当，这一说法由 TechCrunch 转述。在网络安全部分，Hugging Face 给出的数字是，在一项要求复现真实漏洞并加以修复的测试中达到 82%，在 Cybench（40 项挑战）上达到 93%。Punto Informatico 写道，在专门的基准测试中只有 DeepSeek V4.1 Flash 更强，而 ZDNET 则称 Le Chonk 在 CyberGym 上仅略高于 DeepSeek V4.1 Flash。各方来源在这一点上并不一致。
开放权重为何关系到安全？
Mistral 的论点是控制权。负责科学的副总裁 Pierre Stock 在接受 WIRED 采访时表示，人工智能将像电力一样普及，你不会希望有人能够把它拔掉。闭源模型可能会拒绝分析恶意软件或漏洞的请求，因为这些请求看起来像攻击。而权重掌握在自己手里时，使用政策和部署方式仍由你自己决定。
问题也有另一面。Sophos 的 Rafe Pilling 将这款模型定义为具有双重用途的技术，因为攻击者同样可以下载并改造它。Mistral 表示，模型在 97% 的情况下会拒绝有害请求，这一数据由 Punto Informatico 报道。Hugging Face 则称，它对网络安全提示的平均拒绝率高于其他任何开放权重模型。
如果想了解媒体提到的那起事件的背景，可以阅读我们关于 Hugging Face 事件的文章。
实际怎么使用？
该模型首日即支持 transformers、vLLM 和 llama.cpp，并提供 GGUF 量化版本。此外还有 Inference Endpoints 和 Inference Providers。开发者也可以通过 Mistral Studio、API 和 OpenRouter 使用它。
推理强度可以设为 low、medium 或 high，默认是 high。根据页面说明，推理过程无法关闭。vLLM 的 NVFP4 版本需要 NVIDIA Blackwell GPU，官方示例使用 8 块 GPU。这显然不是小型服务器能跑的模型。如果你需要更轻量、更易上手的人工智能方案，可以看看中小企业人工智能指南。
需要了解的局限
几乎所有数字都由 Mistral 自己公布。ZDNET 提醒，基准测试结果需要谨慎看待。各方来源对于谁在网络安全方面领先，以及训练资源的规模，说法并不一致。Hugging Face 的排名显示，该模型在 Artificial Analysis Intelligence 指数中位列开放权重模型第五，而据 WIRED 报道，Mistral 则称其是开放模型中代码与网络安全方面的全球最强者。这是两种不同的说法。
目前没有独立验证表明，该模型在经过微调后仍能抵御恶意使用。实际运行成本以及针对意大利案例的测试也尚未公布。另外，许可证还限制了将其作为服务提供的做法。
对数字行业从业者意味着什么
对于开发者而言，现在出现了一个可以在本地部署的欧洲开放替代方案，可用于代码助手和安全分析。对于处理敏感数据的人来说，本地部署可以避免把代码和日志交给第三方。正如 Stock 在接受 TechCrunch 采访时所说，访问权限一旦给出就无法收回。
不过，对于小型企业来说，这需要性能强劲的硬件，或者依靠服务商。很大程度上取决于供应商。法规环境同样重要，因此我们建议参阅面向开发者的 AI Act 指南。如果你管理服务器，无论使用哪种模型，带安全更新的托管与服务器管理始终是基础。
我们的看法
这一举措很有意思，发布权重对防御工作而言是合理的。调查漏洞的人，不应该在事件处理的关键时刻被拒之门外。我们对那种地缘政治竞赛式的语气则不太买账。Pilling 的观点是很好的提醒，风险取决于监控和管控，而不是模型的国籍。
此外，一个拥有万亿参数的模型，对意大利的中小企业几乎都不现实。目前的实际收益主要属于机构、大企业和服务商。在它被称为最强模型之前，我们还需要独立测试的结果。
常见问题
Mistral Large 4 真的是开源吗？
它是开放权重，严格来说并不是开源。权重可以从 Hugging Face 下载。许可证源自 MIT，但限制了将其作为服务提供。
可以免费使用吗？
据 Punto Informatico 报道，权重是免费提供的。但运行模型需要硬件投入，官方示例使用 8 块 GPU。
它比中国的模型更强吗？
这取决于测试项目。Mistral 称它与 DeepSeek 和 Z.ai 等模型相当或更强。ZDNET 则称，在综合指数上它比 GLM-5.3 低一分。
它能被用来发动攻击吗？
可以，与所有可下载的模型一样。Mistral 称它在 97% 的情况下会拒绝危险请求。不过经过微调后，它的行为可能会发生变化。
它支持哪些语言？
据 Punto Informatico 报道，支持 160 多种语言，包括所有欧洲语言。它可以接收文本和图像，并生成文本。
未来几个月值得关注什么，独立测试与真实成本
- 关注 Artificial Analysis 等独立测试，不要只相信公司自己公布的数字。
- 在迁移工作流程之前，先计算运行成本，无论是硬件还是 API。想从小处入手，可以看看小型业务使用人工智能的五种方式。
- 提前准备防范滥用的措施，可以从越狱与提示注入入手。
