Mistral Large 4评测：万亿参数开放权重，编程与安全单项见长、综合榜单居中

结构决定了使用门槛：1 万亿参数并不意味着每次计算都动用全部参数，路由器每 token 从 128 个专家中选 4 个，加 1 个共享专家一同运行，激活量约 49 亿，计入嵌入与输出层为 52 亿。文本解码器共 72 层，首层为稠密前馈，其余 71 层为专家混合层；注意力结合多头潜在注意力与稀疏注意力索引，每查询最多选取 2048 个历史位置；图像经 16 亿参数的 Pixtral 视觉编码器处理。

1. 发布方与时间：Mistral AI，公开预览 2026 年 10 月 6 日，开放权重放出 2026 年 10 月 29 日
2. 模型：Mistral Large 4，昵称 Le Chonk，原生多模态混合专家模型，文本与图像输入、文本输出
3. 规模与上下文：约 1 万亿总参数，每 token 激活约 49 亿（计入嵌入与输出层 52 亿），1M token 上下文窗口
4. 推理档位：低、中、高三档，高为默认档，推理不可关闭
5. 获取渠道：Hugging Face 仓库 mistralai/Mistral-Large-4-1T-A52B，官方 FP8 与 NVFP4 两个版本，另有社区 GGUF 量化版；API 经 Mistral Studio、Mistral API、OpenRouter、NVIDIA 托管端点与 Microsoft Foundry 提供
6. 价格：API 每百万 token 输入 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元；预览价为输入 1.36 美元、输出 4.18 美元
7. 许可：Mistral 生态开放权重许可，属 MIT 衍生许可，允许使用、修改、微调与商业化；以模型即服务形式对外提供访问的企业须先取得单独商业许可
8. 硬件门槛：官方 FP8 推理配方使用 8 张 NVIDIA H200，服务上限 131K token 上下文与 16 路并发；NVFP4 版需 Blackwell 芯片，官方 vLLM 示例分布于 8 卡；2-bit 社区量化版可在单台 512GB 统一内存的 Apple Silicon Ultra 上运行

放出版本数字来自 Mistral 10 月 29 日公布的放出版本公告，经多家报道交叉核对。终端任务 Terminal-Bench 4.0 从预览的 28.3% 升至 41%，升 13 个百分点，输出 token 同步减少 30%；Cognition 的非公开基准 FrontierCode 2.0 为 19.7%，高于 DeepSeek V4.1 Flash 的 19.3%、GLM-5.3 的 17.8% 与 Kimi K3 的 17.3%；Artificial Analysis 编程智能体指数为 48%，与 GLM-5.3 持平，每任务平均 token 比 GLM-5.3 少 47%。

安全与知识工作是放出版本公告的另一组数字：Artificial Analysis 网络安全指数为 51%，Lakera B3 智能体安全基准攻击抵抗率为 97.1%，恶意网络安全请求的拒绝率为 96.6%；FinWorkBench 金融表格任务为 73.3%，BrowseComp 浏览检索为 84.5%。以上均为厂商公布数字，尚未经独立复现；Cognition 的 FrontierCode 2.0 为非公开基准，外部无法直接复跑。

预览检查点与 Hugging Face 10 月 29 日首发帖沿用的数字需要与放出版本数字分开读：DeepSWE v1.1 为 61.7%，SWE-Atlas-QnA 为 59.4%，Terminal-Bench 4 预览值为 28.3%，编程智能体指数预览值为 49.8%，AutomationBench 为 59.9%，AA-Briefcase 为 1393 Elo；网络安全单项中，漏洞复现后修复任务为 82%，Cybench 40 道挑战完成 93%，Lakera B3 预览值为 93.3%，视觉定位 Dense 200 为 42%，高于 GPT-6 Astra 的 41%。

独立榜单给出了可对照的外部数字，评估方法与厂商自测不同，分数不直接并入厂商平均分。Artificial Analysis 智能指数 v5 版为 26，开放权重中列第 5，为西方开放权重模型最高；该榜单 11 月 1 日页面同时列出网络安全指数 51，与厂商放出版本数字一致。LMArena 2026 年 10 月 28 日榜单数据为文本 1430 Elo、编程 1478 Elo。Vals AI 的 Terminal-Bench 4.0 独立运行为 27.78%，低于厂商公布的 41%，评估框架不同是分数差距的直接原因。

换算方法公开列出：取厂商公布数字中五个维度的代表分数，除以 10 换算为 10 分制；总分取五个维度换算分的平均值。换算分只复述基准分数，不加入编辑判断；独立榜单分数单列，不计入总分。

1. 智能体编程 4.8：编程智能体指数 48 换算，依据为 Mistral 公布的放出版本数字
2. 终端任务 4.1：Terminal-Bench 4.0 41 换算，依据为 Mistral 公布的放出版本数字
3. 网络安全综合 5.1：网络安全指数 51 换算，依据为 Mistral 公布的放出版本数字
4. 漏洞复现与修复 8.2：CyberGym-E2E 82 换算，依据为 Mistral 公布的数字
5. 浏览检索 8.5：BrowseComp 84.5 换算，依据为 Mistral 公布的放出版本数字
6. 总分 6.1：五个维度换算分的平均值（4.8＋4.1＋5.1＋8.2＋8.5）÷5
7. 独立榜单单列：Artificial Analysis 智能指数 v5 26，开放权重第 5；LMArena 文本 1430 Elo、编程 1478 Elo（2026-10-28）；Vals AI Terminal-Bench 4.0 27.78%，低于厂商 41%，评估框架不同；三项均不计入总分

从功能与价格出发，下列团队已可通过公开渠道拿到权重或经 API 接入：需要在自有系统内做漏洞复现与修复、渗透测试与红队演练的安全团队，Mistral 同时向企业设计伙伴提供专用网络安全变体预览，访问须经严格审核并签合同，测试仅限自有或明确授权的系统；备有 8 卡 H200 或 4 卡 B200/B300 量级硬件、需要在自有硬件上运行万亿参数模型的团队；经 API 按量使用、接受每百万 token 输入 0.70 美元与输出 2.10 美元定价的团队。

反向看，以模型即服务形式对外提供该模型访问的企业，须先取得单独商业许可；需要 1M 上下文全量落地的团队，官方 8 卡 H200 推理配方服务上限为 131K token 上下文，部署配方上限与模型窗口并不相同，落地前需要在目标配置上复测；依赖终端任务单项分数做选型的团队，Vals AI 独立运行的 27.78% 与厂商 41% 之间存在框架差距，目标任务复测是落地前的必要步骤。