Mistral Large 4 开放权重 1万亿参数可自部署 但官方承认护栏挡不住真实攻击

核心要点

• 10月29日权重上架Hugging Face，1.05T参数
• 每token激活52B，API输入0.70美元/百万token
• 官方自曝模型可能被用于发起真实攻击
• API护栏能隔夜更新，下载的权重不能
• AA智能指数仅26分，中国领先开放模型更高

10月29日，Mistral 把 Mistral Large 4 的权重放到了 Hugging Face 上。这个内部代号 Le Chonk 的模型，正式从「只能通过 API 调用」变成「可以下载下来自己跑」。对跨境电商团队来说，这多了一个能自部署、能把数据留在自己机房里的大模型选项。

但这篇最值得写的不是参数，是 Mistral 自己在同一篇公告里承认的一件事：监控线上流量时，他们观察到模型可能被人用来发起真实攻击，正在改护栏。问题在于，改不了已下载的权重。

参数与规格：1万亿只是容量，每token才是成本

先说清几个数。据 Mistral 官方披露，这是原生多模态的MoE（混合专家）架构，总参数约1.05万亿，每token激活52B（计入embedding与输出层），有1.6B的Pixtral风格视觉编码器，支持文本加图像输入。上下文长度官方文档与模型卡都写 1M token。官方宣称在自有欧洲数据中心约3800张NVIDIA Grace Blackwell上从零训练。

激活参数有三个口径：Mistral官方文档和Hugging Face仓库名（Mistral-Large-4-1T-A52B）写 52B，HF发布博客写「约1T总参数、49B激活」，Artificial Analysis 预览条目写1T/49B。上下文同理，512K 是预览期AA条目的旧记录，现行官方模型卡和文档都是1M。另外别把1.05T当成本——每token只激活128个专家中的4个加1个共享专家，但权重仍要完整装进显存。

价格方面，据 Mistral 官方定价页，当前是输入每百万token 0.70美元、缓存输入 0.07美元、输出 2.10美元。二手源写1.36/4.18 的是预览期列表价。相比上一代 Large 3（0.50/1.50），输入输出都涨了约40%。

基准分要分开看：官方自报的和独立测的不一样

Mistral 在公告里给了一组很好看的数字，全部是官方自报，据其披露：FrontierCode 2.0 拿 19.7%，开放权重模型里最高；Artificial Analysis Coding Agent Index 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% 的token；Terminal-Bench 4.0 41%；AA Cyber Index 51%；恶意 cyber 请求平均拒绝率 96.6%；Finch 金融测试 73.3%；BrowseComp 84.5%。

独立第三方测出来是另一回事。Artificial Analysis 官方页面上，Mistral Large 4（high）在 Intelligence Index v5 得分 26，同体量开放权重模型里排第9/21。

真正的反差在这里。同一份榜单上，中国领先的开放权重模型分数更高：GLM-5.3（max）和 DeepSeek V4.1 Flash（max）都是 32，MiMo-V2.6-Pro 是 30，闭源模型在 57 到 59 之间。Mistral 自己在模型卡里承认了，原文是「The leading open-weight models from China score higher on this aggregate index」。

还有几处官方图表里没写的：Mistral 说自己在防御性安全上领先开放模型，但按其自己给的数字，AA Cyber Index 上 DeepSeek V4.1 Flash 是 57、MiMo-V2.6-Pro 是 56，都高于 Large 4 的 50.9——它是开放模型里的第三，不是第一。Kimi K3 在 Finch 和 BrowseComp 上也都更高。

一个有意思的对照：预览版到正式版，官方自报的 Terminal-Bench 从28%涨到41.4%，但独立测的 Intelligence Index 只从25涨到26。真正被独立确认的大幅提升是速度（106 涨到 161 tok/s）和每任务成本（降63%）。选型的人还要注意：官方文档页写的上下文是1M，但 HF 发布博客给的 vLLM 启动参数里 --max-model-len 是 131072，1M 是能力上限，首日配方并未默认开满。

护栏这件事：官方承认了，而且改不了已下载的权重

这是本篇最该被记住的部分。据 Mistral 官方公告原文，它在预览期之后监控了线上流量中的网络安全相关使用，观察到模型拒绝了针对真实目标的黑盒攻击，但接着写下：「we see a potential for uplift to conduct real attacks」（我们看到存在被用于发起真实攻击的潜力），并说明正在相应修改护栏、承诺后续数月持续更新。

同一份公告里，Mistral 说自己在恶意 cyber 请求上的平均拒绝率是96.6%（在 JailbreakBench、StrongREJECT、AgentHarm 的 cyber 提示上计算），是它测过的开放模型里最高的。

但有个绕不过去的矛盾。API 上的护栏可以隔夜更新，下载下来的权重不能。拿到权重的人可以微调或直接移除拒绝行为，Mistral 后续的护栏更新只会到达选择更新的人。有人进一步指出，Mistral 这份许可证文件里没有可接受使用政策——意味着拒绝行为是权重自身的属性，不是 Mistral 在文件被复制后还能掌握的控制手段。

还有个容易被忽略的细节：Mistral 给 Orange Cyberdefense 这类审核通过的企业伙伴提供了专门的渗透测试与红队变体，但那不是公开发布的版本。官方公告和模型卡里都没有系统卡、没有评估微调移除拒绝行为的难度。96.6% 也是厂商用自己选的评测集自测的结果。

自部署的现实门槛与许可证红线

自部署听起来很美，但门槛不低。官方提供 FP8 与 NVFP4 两版 checkpoint，首日支持 vLLM、SGLang、Hugging Face Transformers 和 llama.cpp。vLLM 的 day-0 配方是 FP8 跑8张 GPU、NVFP4 跑4张 Blackwell。checkpoint 内嵌了 DSpark 投机解码草稿头，官方称吞吐最高提升1.9倍，但这是服务栈的吞吐口径，不等于每个请求的延迟都降。

可跑的硬件档位大致是：8张 H200 跑 FP8，单请求约65 tok/s，投机解码被接受时能到120到138 tok/s；Mac Studio M3 Ultra 512GB 跑 Q2_K GGUF 约15 tok/s；AMD 侧重量化后约578GB，可上4张 MI350。这些是各家实测而非官方统一口径。渠道上，Mistral API 与 Mistral Studio、OpenRouter、Microsoft Foundry（首家上线的云厂商）、NVIDIA 托管端点与 NIM 容器、HF Inference Endpoints 都能拿到。

许可证有一条硬红线，很容易被忽略：Mistral Ecosystem Open-Weight License 是修改版MIT，你可以自由使用、修改、微调和商用，但以「模型即服务」（MaaS）形式对外提供的企业需要另签商业许可。你要是打算把基于它的能力包装成托管 API 卖出去，这不是免费的事，对做SaaS的团队影响最大——Meta 抓取条款争议那篇讲的是同一类边界问题。官方文档页标注该许可证版本为 26.10。

卖家现在该判断的三件事

先算清自部署的成本线。8张H200是一次性投入加机房加运维，和 API 的每百万token 0.70美元不是同一笔账。token用量小的业务用 API 更划算；用量大、数据不能出内网的，自部署才划算。

第二，别拿厂商榜单做决策。26分说明它在开放模型里是中上水平。如果核心需求是最低成本拿到正确答案，DeepSeek V4.1 Flash 和 MiMo-V2.6-Pro 分数更高、价格只有几分之一。如果你要数据驻留和欧洲训练的供应链确定性，Large 4 才有意义。

第三，涉及安全类任务，护栏要你自己兜。官方承认观察到真实攻击潜力、权重改不了、给 Orange Cyberdefense 的还是另一个版本。自部署 Large 4 做安全研究，权限边界、授权目标范围、日志留痕都得你自己设计。

顺带说一句评测环境。Zalando 退货机器人 AI 应用那类项目里，模型换代的代价往往不在跑不动，而在行为细节变了需要重调。Mistral 这次给的是三档推理强度（默认 high），同一模型不同档位在 AA 榜单上就是23分和26分的差别，单任务成本也从1.41美元到2.06美元不等。

参考文章

• 《Mistral Large 4 (high) – Intelligence, Performance & Price Analysis》｜Artificial Analysis｜https://artificialanalysis.ai/models/mistral-large-4
• 《Mistral AI 开放 Large 4 模型权重：1T 参数，编程智能体更省 Token》｜腾讯新闻｜https://news.qq.com/rain/a/20261030A03KMV00
• 《Mistral Large 4 (Le Chonk) is now Open Weight》｜Web Pulse｜https://wpnews.pro/news/mistral-large-4-le-chonk-is-now-open-weight
• 《Mistral ships Large 4 weights: the trillion-parameter open model Europe trained on its own GPUs》｜Singularity.Kiwi｜https://singularity.kiwi/mistral-large-4-open-weights-release-2026
• 《Mistral Large 4 (Le Chonk): Benchmarks, API Pricing, Price-Performance & How to Try It》｜Terapep｜https://www.terapep.com/blog/mistral-large-4-benchmarks-pricing-how-to-use-2026
• 《Mistral Large 4: 1.06 TB at FP8, and a cyber lead its chart lacks》｜P.K. Sharma｜https://www.pk-sharma.com/briefing/mistral-large-4-le-chonk-open-weights-one-trillion-parameters-what-it-takes-to-run
• 《Mistral Large 4 open weights: 1T MoE, 1M context, license, benchmarks and API pricing》｜Data Studios｜https://www.datastudios.org/post/mistral-large-4-open-weights-1m-context-modified-mit-license
• 《Paris-based Mistral releases “Le Chonk,” a strong coding model that still trails China overall》｜The Decoder｜https://the-decoder.com/paris-based-mistral-releases-le-chonk-a-strong-coding-model-that-still-trails-china-overall/

FAQ

Mistral Large 4 的上下文到底是512K还是1M？

现行官方口径是1M token，Mistral官方文档与Hugging Face模型卡都这么写。512K那个数字出自Artificial Analysis的发布预览期条目，属于过时记录。注意1M是能力上限，官方首日给的vLLM部署配方默认 --max-model-len 131072。

用Mistral Large 4做托管API需要额外付费吗？

需要。Mistral Ecosystem Open-Weight License 是修改版MIT，你可以自由使用、修改、微调和商用，但以「模型即服务」形式对外提供时，需要向Mistral另签商业许可。

官方说护栏正在修改，那下载的权重安全吗？

权重一旦下载就无法回收，Mistral后续的护栏更新只到达选择更新的人。官方确认了两件事：一是它监控线上流量时观察到模型可能被人用于发起真实攻击，二是给Orange Cyberdefense等审核伙伴的渗透测试变体并不是公开发布的版本。官方没有发布系统卡，也没有评估微调移除拒绝行为的难度。