一个安全测试，出现了很扎眼的反差。

Artificial Analysis Cyber Index 要求模型复现开源软件里的真实漏洞，再给出补丁。
Mistral Large 4 拿到 82%，是素材里的全场最高。

几家领先闭源模型，包括 Claude Opus 5.5 和 GPT-6 Astra，在同一测试里接近零分。
原因也不复杂，它们拒绝执行。

这就是 Mistral Large 4 的开场。
它表面在发新模型，实际上把矛头对准了一个更现实的问题：关键时刻，AI 能不能真的干活。

Mistral 这次发布的是 Mistral Large 4 公开预览。
非官方简称 ML4，官方昵称叫 Le Chonk。
1 万亿参数，52B 激活，原生多模态，开放权重。
API 已经能在 Mistral Studio 试用，权重月底放出。

一万亿参数的胖墩，真正卷的是企业工作流

1 万亿参数，52B 激活，ML4 一上来就把开放权重的天花板往上顶。

它是一个开放权重的混合指令与推理 MoE 模型，支持多模态输入。
Mistral 称，这是公司迄今最大、最强的模型。

但更有意思的是它强调的方向。
编码、agent 工作流、多模态理解、网络安全、金融、法律、制造、物流、医药、公共部门。
这些词放在一起，味道就变了。

它不像在做一个聊天搭子。
它更像在抢企业里最麻烦、最贵、最容易出事故的活。

个人觉得，这一代大模型的竞争点已经变了。
聊天能力只是门票。
能不能读仓库、跑终端、看图纸、查财报、补漏洞，才算真正上桌。

闭源模型太听话，反而可能挡住安全防御

真正扎眼的，是闭源模型在漏洞复现里接近零分。

在 Artificial Analysis Cyber Index 里，ML4 进入全球前五。
在非中国开发的开放权重模型里，它大幅领先。
Cybench 的 40 道安全竞赛题，它解决 93%。

漏洞复现测试更有冲击力。
防御软件漏洞，往往得先证明漏洞真实存在。
这一步，恰好容易被闭源模型的安全过滤器拦住。

素材里提到，Claude Opus 5.5 和 GPT-6 Astra 在该测试接近零分，因为拒绝执行。
而威胁方却可能通过越狱闭源模型做攻击。
防御者如果也被同样的拒绝机制卡住，局面就很尴尬。

Mistral 给出的方案很直接。
ML4 提供开放权重，支持自部署，可以跑在私有云或本地。
安全团队能按自己的政策运行高级安全任务。

这点我挺认同。
企业安全场景里，模型突然拒答，本身就是风险。
安全模型太听话，有时会误事。

当然，ML4 也不是无底线放开。
Mistral 称，在公开预览前，它正与网络安全领导者、审查合作伙伴和国家机构在真实环境里红队测试。
这些访问者会拿到同一个模型，但内容限制更低，网络安全能力更强。

在 Lakera B3 AI Security Benchmark 上，它抵抗 93.3% 的攻击，素材称暂未看到更高分数。
对恶意网络安全请求，它的平均拒绝率高于素材中列出的所有开源模型。

欧洲讲 AI 主权，这次落到了机房和权重

3800 块 NVIDIA Grace Blackwell GPU，全在欧洲机房。

ML4 从零开始训练，用的是 Mistral 自有欧洲数据中心。
公开预览也跑在同一套基础设施上。

Mistral 强调，欧洲部署由其端到端运营，独立于其他数字服务商，并受欧洲法律约束。
模型还会在全球多个区域提供。

训练数据里也有多语言成分，覆盖 160 多种语言，包括所有欧盟官方语言。
这对欧洲企业客户很关键。
模型不只是会英语，还得能处理本地语言、合规和行业文件。

老实讲，这部分比跑分更像长期牌。
Mistral 背后还有 30 亿欧元 Series D 融资，这是欧洲科技公司迄今最大股权融资。
资金正在投入欧洲数据中心扩容。

ML4 讲的并不只是一个模型。
它更像一套欧洲 AI 主权方案。
机房在欧洲，法律在欧洲，权重开放，客户可以自部署。
这套组合拳，明显打向对数据和控制权敏感的企业。

跑分和盲评，它也想把日常知识工作包住

编码、Agent、多模态、法律金融，ML4 把战线拉得很长。

编码方面，它在 DeepSWE v1.1 拿到 61.7%，SWE-Atlas-QnA 拿到 59.4%，Terminal-Bench 4 拿到 28.3%。
综合 Coding Agent Index 得分 49.8%，素材称排在 DeepSeek V4 Pro 0813 和 Qwen3.8 Max 前面。

Surge AI 的盲评更有看头。
专业标注者看不到模型名字，只给输出打 1 到 5 分。
ML4 Preview 拿到 3.74，五款模型里排第二。
它前面只有 Claude Opus 5 的 4.22。
它后面是 Kimi K3、GLM-5.3、GLM-5.2。

Agent 工作流上，AutomationBench 测试 657 个业务流程，涉及 Gmail、Google Sheets、Slack、Salesforce 等应用。
ML4 得分 59.9%。
AA-Briefcase 上，它拿到 1393 Elo，素材称也领先 DeepSeek V4 Pro。

多模态是另一个亮点。
ML4 能看复杂文档、图表、自然图像，也能处理卫星图、工程图、PDF 证据和地理空间图像。
在 Dense 200 视觉定位测试里，它拿到 42%，GPT-6-Astra 是 41%。

科学和数学也没被落下。
ML4 在 SciCode-Verified 的开放权重模型里达到先进水平。
素材称，它能一次生成完整的 Hartree-Fock 模拟。
内部人评里，专家更偏好 ML4 的 CAD 和 STEM 表现，金融和编码则与 GLM-5.3 接近。

知识工作方面，第三方机构 vals.ai 测试了法律和金融任务。
Mistral 称，ML4 两项都超过 GPT-6-Astra。
在 HarveyAI Legal Agent 基准上，它超过所有开源模型。

价格也已经给出。
输入 1.36 美元 / 百万 token，输出 4.18 美元 / 百万 token。

社区泼冷水，恰好说明戏还没唱完

热门讨论并不全是欢呼。
Hacker News 相关讨论拿到 2044 分，评论数 1254。

有人拿它和 DeepSeek 对比。

它的多模态和视觉能力似乎强于 Deepseek 4.1 Flash，但编码不如 DS 4.1 1017，OpenRouter 成本约是 DeepSeek 的 10 倍。

也有人质疑发布节奏。

为什么感觉两周前已经见过它。

还有人在自己的对抗编程语言基准上测过。

表现很差，和 Kimi K3 差不多。

也有评论盯着参数效率。
52B 激活参数，听起来并没有夸张到不可挑战。
有人甚至说，自己家里跑的 qwen-3.8-flash-next 也许也能碰一碰。

这些声音值得听。
Benchmark 漂亮，不等于真实业务好用。
尤其网络安全、金融、法律这些场景，客户看重的，是事故率、审计、可控性和成本，榜单只能算参考。

有条热评很有意思。
它说，更令人印象深刻的是数据中心，因为用约十分之一的资源也能做到 sub-SOTA。

这点我不太认同只看跑分的路线。
ML4 如果真能月底放权重，真正有冲击力的地方，可能是欧洲算力、开放权重、企业自部署这三件事叠在一起。

Mistral 也留了后手。
背后的强化学习还在跑，当前约 3000 GPU，单次训练每天约 330 亿 token，过滤和掩码后约 160 亿 可训练完成 token。
Mistral 称，模型还没有饱和，后续还会快速提升。

月底，Mistral 会放出权重，并补充架构、基准和后训练细节。
真正的考验也才开始：开发者会不会把漏洞研究、金融分析和法律工作交给 Le Chonk？

【锐评】：ML4 的真正卖点，是让关键安全能力回到企业自己手里。

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