法国 Mistral AI 的新旗舰 Mistral Large 4 来了，还带着一个昵称：Le Chonk。
这是一个原生多模态 MoE 模型，总参数约 1 万亿，每步激活约 500 亿参数。它支持文本和图片输入，可以推理、写代码、调用工具，现在已经开放 API 公测，权重计划在 10 月底放出。
Mistral Large 4 开放公测
Artificial Analysis 给这次公测版打出了 38 分：在它的智能指数中，这是目前中美之外得分最高的模型。同一份评测里，GPT-6 Luna（max）也是 38 分，DeepSeek V4.1 Flash（max）为 39 分。
自己的模型，自己的基础设施
Large 4 从零开始，在 Mistral 自有的欧洲数据中心里完成训练，用了 3,800 张 NVIDIA Grace Blackwell GPU。现在的 API 公测，也由同一套基础设施提供服务。
后续的欧洲部署也将由 Mistral 全程运营，受欧洲法律管辖。训练数据覆盖 160 多种语言，包括欧盟全部官方语言。
接下来是开放权重。按 Mistral 的计划，到月底，企业还会多一个把模型部署到自己环境里的选项，可以自行决定数据放在哪里、模型怎样接入业务。
从读图到找漏洞
复杂 PDF、工程图里的机械零件、大幅卫星图上的目标，都是 Mistral 用来展示 Large 4 的任务。模型需要放大局部、检查细节，再验证结果，视觉能力和工具调用一起参与工作。
在 Dense200 的边界框定位测试中，Mistral 给 Large 4 报告的成绩是 42.0%，GPT-6 Astra 为 41.5%。就这一项定位任务而言，两者已经很接近。
Dense200：Large 4 42.0%，GPT-6 Astra 41.5%
文档任务的提升更明显。Artificial Analysis 测得，Large 4 在 GDP.pdf 上的成绩约为 19%，比 Mistral Large 3 提高约 18 个百分点，与 MiMo-V2.6-Pro 接近，Kimi K3 则为 22%。
GDP.pdf：Large 4 18.6%，Kimi K3 22%
配套 API 单次能接受的图片数，也从此前的 8 张增加到了 100 张。AA 将输入范围的扩大列为这次文档成绩提升的原因之一。
安全任务也是这次的一个长处。Large 4 在 AA 的 Cyber Index 上拿到 50 分，与 GLM-5.3-Flash 相同。其中，CyberGym-E2E-AA 要求模型在真实开源软件里找到漏洞、复现并修补，Large 4 的成绩为 82%。
API 已经能试，前两周五折
现在可以通过 Mistral Studio 调用 Large 4。公测前两周，API 价格打五折。以下均为每百万 token 的美元价格：
|
|
|
|
|---|---|---|
|
|
|
|
|
|
|
|
|
|
|
|
AA 用同一套智能评测任务算出的平均成本，是 每题 1.13 美元，五折后约为 0.57 美元。同一口径下，GLM-5.3-Flash 为 0.25 美元，DeepSeek V4.1 Flash（max）为 0.27 美元。优惠期间，Large 4 的单位任务成本仍高于这两款模型。
Large 4 还在继续做强化学习训练。Mistral 计划在月底开放权重时，一并公布更多架构、评测和后训练细节。
参考链接
-
Mistral Large 4 发布介绍：https://mistral.ai/news/mistral-large-4/ -
Mistral Large 4 模型卡与价格：https://docs.mistral.ai/models/mistral-large-4-0 -
Artificial Analysis 评测：https://artificialanalysis.ai/articles/mistral-large-4-france-ai