Mistral 发布了 Mistral Large 4，这是其迄今为止最大的模型。它拥有 1 万亿参数，并在公司自有的欧洲数据中心完成训练。在一个独立指数中，该模型实现了大幅跃升，但仍远落后于领先的闭源模型。Mistral 的主要卖点是它能处理 Claude 和 GPT-6 拒绝触碰的安全任务。
Mistral 已发布公开预览版Mistral Large 4（ML4），绰号“le Chonk”。该 API 现已通过Mistral Studio提供。模型权重预计将于 10 月底跟进发布。
据 Mistral 称，ML4 是一个原生多模态模型，拥有 1 万亿参数，其中 490 亿为激活参数。在X上，该公司表示，在综合基准测试中，ML4 是美国或欧洲最好的开源权重模型。它声称在网络防御、制造业和金融领域达到最先进性能，并表示其在视觉定位方面甚至击败了闭源前沿模型。
对 Mistral 而言是一次大跃升，但 Claude 仍领先 20 分
一个独立视角来自Artificial Analysis 的 Intelligence Index，该指数汇总了跨不同领域的十项基准测试。ML4 在该指数中得分 38 分。这对 Mistral 来说是一大进步：其前代 Mistral Large 3 在该指数中仅得 9 分，而最新的Mistral Medium 3.5得分为 14。以 38 分计，ML4 也略高于GLM-5.2（来自 Z.ai，Mistral 在其自有平台上提供该模型）。但与榜首的差距仍然很大。Claude Opus 5.5 (Max)以 58 分领先。
在权重发布之前，Mistral 正与安全公司、经过审核的合作伙伴以及政府机构对该模型进行红队测试。这些团队获得的是同一版本，但审核更宽松、网络能力更强。
Mistral 的网络安全优势部分来自竞争对手拒绝承担该任务
Mistral 将其公告的大部分篇幅用于 IT 安全。据该公司称，在 Artificial Analysis Cyber Index 中，ML4 位列全球前五。在中国以外开发的开源权重模型中，它大幅领先。
其中一项测试要求模型复现开源软件中的一个真实漏洞，然后将其修补。ML4 达到 82%，是所有模型中的最高分。不过原因很不寻常。据 Mistral 称，Claude Opus 5.5 和GPT-6 Astra得分接近零，因为它们完全拒绝执行该任务。因此，这项测试衡量的是提供商的政策，而非仅仅是模型能力。
Mistral 将此转化为一个卖点。该公司认为，防御软件往往始于证明某个漏洞是真实存在的。闭源模型的安全过滤器恰恰阻止了这类工作，而攻击者反正也会越狱这些同样的模型。Mistral 补充说，在事件处理过程中失去对某家提供商的访问权限，本身就可能成为一种安全风险。ML4 也被设计为可在私有云或本地部署中运行。
与此同时，Mistral 也标榜高拒绝率。在来自 JailbreakBench、StrongREJECT 和 AgentHarm 的恶意网络提示上，ML4 的拒绝频率高于任何其他开源模型。至于该模型如何可靠地区分合法的漏洞研究与攻击准备，Mistral 并未解释。据该公司称，在 Lakera 的 B3 AI Security Benchmark 中，ML4 拦截了 93.3% 的攻击。
ML4 在编程方面排名第二，领先于 Deepseek 和 Qwen
在编程方面，ML4 在 Artificial Analysis Coding Agent Index 中得分 49.8%，领先于Deepseek V4 Pro和Qwen3.8 Max。Mistral 还与 Surge AI 进行了一次盲测评估，专业标注员在不知道代码由哪个模型生成的情况下对代码质量进行评分。ML4 在五个模型中排名第二，得分为 5 分中的 3.74 分，领先于GLM-5.3和Kimi K3。Claude Opus 5 以 4.22 分领先。
在图像理解方面，Mistral 声称有重大改进。ML4 应该能够分析文档、图表、十亿像素级卫星图像和技术图纸，并自行放大查看细节。不过，其相对闭源模型的领先优势并不大。在 Dense 200 基准测试中，ML4 得分为 42%，而 GPT-6 Astra 为 41%。根据 Vals.ai 的评估，ML4 在法律和金融任务上也击败了 GPT-6 Astra。
欧洲主权作为一种商业模式
Mistral 表示，ML4 是在其自有欧洲数据中心内，使用 3,800 块 Nvidia Grace Blackwell GPU 从零开始训练的。预览版运行在同一基础设施上。除了在多个地区提供服务外，Mistral 还计划推出一个完全由自己运营的欧洲版本，不依赖其他服务提供商，并受欧洲法律管辖。训练数据涵盖 160 多种语言，包括所有欧盟官方语言。
据 Mistral 称，训练是与金融、制造、物流、制药、航运和公共部门的公司合作进行的。该公司使用了其通过 Mistral Forge 向客户提供的相同训练和 RL 环境。在强化学习后训练阶段，Mistral 使用了约 3,000 块 GPU。单次训练运行每天生成约 330 亿个 token。
训练尚未完成
Mistral 表示，预览版背后的 RL 运行仍在进行中，且没有显示出趋于平缓的迹象。该公司预计未来几周会有显著改进。算力扩展由30 亿欧元的 D 轮融资提供资金，这是欧洲科技公司有史以来筹集的最大股权融资轮。
目前仍有很多不清楚的地方。根据模型文档，ML4 采用细粒度混合专家架构，总参数量达 1.05 万亿，并配备一个 16 亿参数的视觉编码器。上下文窗口跨度达 100 万 token。Mistral 计划在本月底随权重一同发布架构细节、许可证以及后训练方法。
在预览期间，Mistral 对每百万输入 token 收费 0.68 美元，每百万输出 token 收费 2.09 美元。缓存输入费用为 0.07 美元。文档中还列出了两倍于这些费率的价格：输入 1.36 美元、输出 4.18 美元、缓存输入 0.14 美元。ML4 还旨在为新一代专用 Mistral 模型奠定基础。
Mistral 数月来一直在欧洲建设自己的基础设施。今年 3 月，该公司申请了一笔8.3 亿美元的贷款，用于在巴黎附近建设数据中心，并计划到 2027 年底在欧洲实现 200 兆瓦的计算容量。该公司似乎正将重心从消费者转向企业客户。今年 5 月，Mistral将其聊天机器人 Le Chat 更名为 Vibe，并将其重建为一款工作工具。
同月，Mistral 首席执行官 Arthur Mensch向法国议会委员会警告称，欧洲在网络安全方面面临依赖美国模型的风险。Mensch 表示，法国军方的代码库不应被 Anthropic 的 Mythos 扫描。他补充说，Mistral 自己的模型也能发现那些与 Mythos 相关联的相同漏洞。