1万亿参数的“欧洲巨鲸”，不喂闭源模型的鱼饵

“1万亿参数，490亿激活参数。法国团队管它叫‘Le Chonk’。”

老实讲，这个名字听起来有点憨，但数据一点不憨。

2026年10月6日，Mistral 正式公开预览 Mistral Large 4（内部代号ML4）。没有花哨的发布会PPT，直接甩出底牌：它是目前开源界规模最大的原生多模态模型之一，也是欧洲AI主权战略的一块核心拼图。

有意思的是，当全球还在卷“谁的黑盒API更聪明”时，这帮欧洲人把刀架在了“控制权”上。

安全防御的“叛逆者”：当闭源模型开始说“不”

做网络安全的人最怕什么？不是算力不够，而是关键时刻被安全护栏拦腰截断。

官方披露了一个极具冲突感的场景：在真实软件漏洞复现与修复测试中，ML4拿到了82%的最高分。而同期参测的Claude Opus 5.5和GPT-6 Astra，因为触发拒绝策略，得分直接接近零。

“防守往往始于证明漏洞真实存在，而闭源模型的安全过滤恰恰会阻断这项工作。”

这不是理论推演，是实战痛点。攻击者已经学会越狱这些大模型来搞破坏，防守方却连自研工具都要看API提供商的脸色？ML4的解法很直接：开放权重+降低内容审查阈值。让企业能在私有云或本地部署，自己定规矩。

在Cybench的40道安全竞赛题里，它拿下了93%的通过率。说实话，这种“敢于接招”的姿态，在如今满嘴“安全对齐”的行业里，反而显得稀缺。

编码与智能体：盲测第二名的底气

代码能力是硬通货。ML4在DeepSWE v1.1拿下61.7%，SWE-Atlas-QnA拿到59.4%，Terminal-Bench 4也有28.3%。综合Coding Agent Index达到49.8%，直接把DeepSeek V4 Pro和Qwen3.8 Max甩在身后。

数字好看，人类评价更说明问题。Surge AI组织了一次双盲测试，专业标注员给五个模型打分。ML4 Preview以3.74分位列第二，仅输给Claude Opus 5（4.22），力压Kimi K3、GLM-5.3等选手。

%201_20jgWu.webp?dpl=6ac516f190c69e0008d46233)

个人觉得，这说明ML4的架构设计没在“幻觉优化”上死磕，而是把算力真正砸向了“能交付结果”的闭环。在CAD和STEM领域，专家标注员明确偏好ML4；金融与编码则与之持平。

智能体工作流同样能打。面对涵盖Gmail、Slack、Salesforce的657项自动化任务（AutomationBench），它跑出了59.9%的得分。长程知识工作评估（AA-Briefcase）更是冲到1,393 Elo。

视觉与科学：不止于“看懂”，更要“动手”

多模态理解早就过了拼“认图准确率”的阶段。ML4的杀手锏是视觉定位（Visual Grounding）。在Dense 200基准测试中，它以42%的成绩微幅领先GPT-6-Astra（41%）。

它能处理吉像素级卫星图像帮救灾团队找目标，也能放大工程图纸逐帧核对机械零件。感知即行动，这才是工业界要的东西。

科学计算领域，它甚至能一键生成完整的海特里克-福克（Hartree–Fock）量子化学模拟。数学推理方面，内部盲测显示它在STEM任务上的结构性和精确度优于GLM-5.3。

-alt_ZYLgs8.webp?dpl=6ac516f190c69e0008d46233)

金融和法律场景也不拉胯。第三方评估机构vals.ai的实测显示，它在企业财报分析和法律代理任务上均超越GPT-6-Astra。HarveyAI的法律Agent基准测试里，它依然是开源模型里的头牌。

幕后算力和主权赌局：3千亿欧背后的欧洲野望

吹完性能，得看看底座。

ML4不是租来的算力，也不是买来的数据集。它是在欧洲本土数据中心，用3800块NVIDIA Grace Blackwell GPU从零训练出来的。

更狠的是它的强化学习（RL）流水线。单轮训练每天产出约330亿token，其中160亿可直接用于训练。3000张GPU集群并行滚动，异步训练不断线。

这套基建背后，是€30亿的Series D融资——欧洲科技史上最大的一轮融资。钱全砸在了自己的服务器、研究和产品线上。

坦白讲，这点我不太认同某些“参数军备竞赛”的逻辑。模型再大，如果受制于人，随时可能因为合规审查或API宕机导致业务瘫痪。ML4押注的是“自主可控”。支持160多种语言的数据集、欧盟法律管辖下的独立部署、端到端的欧洲节点服务，这套组合拳打的是长期主义。

反转与余韵：开源的终局，是拿回方向盘

很多人以为“开放权重”只是技术情怀，但在关键行业眼里，这是生存问题。

当安全研究员需要逆向恶意软件、金融机构需要跨库比对财报、工程师需要核对图纸时，他们不需要一个只会说“抱歉，我无法回答”的管家。他们需要一把能随自己意志挥动的钥匙。

ML4的路线图很清晰：月底放出权重，继续用海量算力迭代，并以此为基础孵化垂直行业模型。进度条还在往前走，强化学习仍在飞行，模型性能远未饱和。

这场仗才刚开锣。当黑盒API的滤镜逐渐褪去，企业到底该为“开箱即用”付费，还是为“完全掌控”买单？

答案，或许就藏在每个决定本地部署的CTO手里。

【锐评】：闭源卖的是便利，开源卖的是命门；ML4这次不卷智商只卷底盘，欧洲AI的翻身仗才刚起跑。

参考链接：
https://mistral.ai/news/mistral-large-4/