Mistral 的万亿参数模型 Le Chonk 在一项独立 AI 指数上得 38 分，位列开放模型第八，而它的权重还没有发布

Mistral Large 4 是这家法国公司昵称为 Le Chonk 的模型。独立测试机构 Artificial Analysis 在 2026 年 10 月 6 日运行了它的公开预览版，在 Artificial Analysis 智能指数（Intelligence Index）上得 38 分。Trending Topics 把这个成绩算作开放权重模型中的第八，排在七个中国模型之后，不过 Artificial Analysis 自己把该模型列为专有模型，因为权重尚未公开。

“开放权重”（open-weight）指公司把构成模型的那些训练出来的数值公布出来，这样只要硬件够用，任何人都可以自己运行、修改和托管它。Mistral 的公告只说了一句：“我们将在月底前发布权重。”

10 月 6 日发布了什么，没发布什么

Mistral 于 2026 年 10 月 6 日通过自家 API 开放了公开预览。目前还不能下载任何东西，模型卡把它标为“Open”，却没有写明许可证。Forklog 报道完整权重将在 10 月 27 日发布。Mistral 自己的文章没有给出日期。

10 月 7 日的 AI 综述用寥寥几行报道了这次发布。其中有两个数字与 Mistral 自己的文章不同：综述给的是 490 亿活跃参数和 4,000 块芯片，而 Mistral 说的是 520 亿和 3,800 块。

一万亿参数，以及三个对不上的数字

Large 4 是混合专家（mixture-of-experts）模型。它并不是每生成一个词就动用全部参数（参数就是网络内部一个可调的数值），而是把每一段文字送进少数几个专门化的子网络。Mistral 在公告中把它描述为“拥有 52 billion 活跃参数的 1 trillion 参数原生多模态模型”，意思是它既能读图像，也能读文字。模型卡给出的总参数是 1.05 万亿，另加一个 16 亿参数的视觉编码器，并列出 100 万个词元（token）的上下文窗口，也就是模型一次能考虑的文本量。这些数字中有三个存在争议。

• 活跃参数：Mistral 的文章和模型卡说是 520 亿。The Register、IT Daily，以及 Unite.AI 对 Artificial Analysis 页面的转述，给的则是 490 亿。
• 上下文窗口：Mistral 说是 100 万词元。Artificial Analysis 实测约为 52.4 万，Vals.ai 列的是 51.2 万。
• 训练芯片：Mistral 说它在自己位于欧洲的数据中心里，用 3,800 块 Nvidia Grace Blackwell GPU 从零训练了这个模型。Forklog 说约为 4,000 块。

作为参照，据 Mistral 的文档，它在 2025 年 12 月发布的 Large 3 总参数为 6,750 亿，活跃参数为 410 亿。这样算来，新模型的总规模大了约 56%。The Register 指出，Mistral 没有给出硬件方面的指导，但补充说，这个模型仍应能在 Nvidia HGX B300 或 AMD MI355X 这类八卡 GPU 服务器上运行。

Mistral 说，训练数据涵盖 160 多种语言，包括欧盟的每一种官方语言。

Mistral 说这个模型能做什么

本节所有内容，除非另有署名，都是 Mistral 自己的说法，而 The Register 对 Mistral 图表的建议是“持保留态度”。

在编程方面，Mistral 报告其在 DeepSWE v1.1 上为 61.7%，在 Artificial Analysis 的编程智能体指数（Coding Agent Index）上为 49.8%，领先于 DeepSeek V4 Pro 0813 和 Qwen3.8 Max。在数据公司 Surge AI 的一次盲测中，标注员按 1 到 5 分给五个模型的输出打分。Mistral 的模型以 3.74 分排在五个模型的第二位，落后于 4.22 分的 Claude Opus 5。

在智能体任务方面，它报告在使用 657 个商业工作流的 AutomationBench 上为 59.9%。Mistral 的摘要略去了一个数字，来自 The Decoder：GLM-5.3 的得分更高，为 62.2。在 SciCode-Verified 上，The Decoder 报告为 91.8%，落后于 GPT-6 Astra 的 94.2% 和 Qwen3.8 的 93.8%，但领先于 Claude Opus 5 的 91.3%。

在图像方面，Mistral 报告其在一项叫作 Dense 200 的视觉定位测试中为 42%，GPT-6 Astra 为 41%。

独立测试者发现了什么

Artificial Analysis 在其智能指数 4.3.2 版上给预览版打了 38 分，在 225 个模型中排第 64。据 Unite.AI，这与得 38 分的 GPT-6 Luna（max）持平，略低于得 39 分的 DeepSeek V4.1 Flash（max）。据 The Register，早期测试显示它相对 OpenAI 和 Anthropic 的旗舰模型处于“重大劣势”。

Trending Topics 列出了同一指数上的开放权重领先者：小米的 MiMo-V2.6-Pro 为 46.3，Z.ai 的 GLM-5.3 为 44.8，月之暗面（Moonshot AI）的 Kimi K3 为 43.6。闭源模型方面，它列出 Claude Opus 5.5 为 57.6，GPT-6 Astra 为 52.7，Gemini 4 Argon 为 52.6。韩国的 Motif 3 得 33.6，是此前中国以外最好的开放模型。ActuIA 则把 Thinking Machines 的 Inkling Small 列为实测中最好的美国开放模型，得分为 26。

在同一指数上，Mistral 此前的模型得分要低得多：Medium 3.5 为 14，Large 3 为 9。ActuIA 指出，Large 3 没有推理模式，而该指数偏向推理。

效率是短板。据 Trending Topics，跑完这个指数，每个任务的成本是 1.13 美元，而 DeepSeek V4.1 Flash 是 0.27 美元，MiMo-V2.6-Pro 是 0.13 美元。这个模型为完成指数测试写出了约 2 亿个输出词元，同类模型的中位数是 8,100 万。实测速度为每秒输出 116 个词元，首个词元的延迟为 1.46 秒。

Vals.ai 以专业任务测试模型，它在总指数上把 Large 4 排在 45 个模型中的第 33 位，得分 48.05%。Harvey 的法律智能体基准（Legal Agent Benchmark）是它名次最好的一项，76 个中排第 6；Finance Agent v2 则把它排在 76 个中的第 22。

网络安全方面的成绩需要加一条脚注

Mistral 在安全工作上卖力地推销 Large 4。它报告，在一项要求模型复现并修补一个真实开源漏洞的测试中得分 82%，并说 Claude Opus 5.5 和 GPT-6 Astra 在这项测试中得分接近零，因为它们拒绝执行这项任务。

Artificial Analysis 自己的网络安全测量也支持这个方向。ActuIA 报告其网络安全指数（Cyber Index）得分为 49.5，在 18 个模型中排第五，在该指数的 CyberGym-E2E 测试中为 81.7%，是 18 个模型中最好的。按这一说法，GPT-6 Astra 得 0 分，拒绝率为 100%，Claude Opus 5.5 得 0.8%，拒绝率为 98.5%。

The Decoder 指出，这一结果既反映了供应商的政策，也反映了能力，因为拒绝一项任务的模型是不可能完成它的。Mistral 没有解释它如何区分正当研究与攻击准备。Mistral 说，经过审核的合作伙伴和国家主管机构，将在红队测试期间获得一个审核较宽松、网络安全能力有所扩展的版本。Trending Topics 报道，公开版本限制了这些能力。

价格与许可证

标价是每百万输入词元 1.36 美元，每百万输出词元 4.18 美元。模型卡上曾出现过这两项价格的一半，即 0.68 美元和 2.09 美元，作为促销价。Unite.AI 对 Artificial Analysis 页面的转述把这个折扣描述为头两周的上线优惠，而 ActuIA 没有发现任何截止日期的说明。

许可证才是更大的未知数。它决定企业能否把这个模型用于商业，而 Mistral 的发布文章和模型卡都没有写明。Mistral 的文档显示，Large 3 是以宽松的 Apache 2.0 许可证发布的。据 Trending Topics，Medium 3.5 采用一种修改过的 MIT 许可证，把月收入超过 2000 万美元的公司排除在外，VentureBeat 则报道 Large 4 将采用定制许可证，但没有给出细节。tuput 没能找到那篇 VentureBeat 报道。ActuIA 指出，Mistral 列出的将随权重一起公布的内容，涵盖架构、基准测试和训练方法，没有提到许可证。

面向谁，以及同月将至的一个对手

Mistral 点名的目标客户有金融、工程、制造、物流、制药、科学、航运和公共部门，还有希望在私有云或自己的服务器上运行该模型的安全团队。它的文章写道：“Forged in Europe. Built for AI sovereignty.”印度推动自研模型，背后也是同样的论点，tuput 在印度正在用自己的语言建造 AI一文中报道过。关于这类系统究竟做什么的通俗解释，见聊天机器人如何猜下一个词。

它身后还排着另一个发布。TechCrunch 在 10 月 5 日报道，布鲁克林的创业公司 Reflection AI（由两位前 Google DeepMind 研究员创办）宣布了 Beam，这是一个纯文本的混合专家模型，总参数 5,010 亿，活跃参数 230 亿。Reflection 说，Beam 在高级推理基准上与 Z.ai 的 GLM-5.2 相当，并将在 10 月发布权重。TechCrunch 指出这些说法出自公司本身，也没有写明许可证。

Mistral 说，这个预览版背后的强化学习训练仍在进行，预计会有大幅提升，所以 38 分未必是最终成绩。Mistral 给出的权重发布期限是 10 月底。