2026 年 10 月 30 日，欧洲团队 Mistral 正式公开旗舰模型 Mistral Large 4 权重，代号「Le Chonk」。模型总参数达 1.05 万亿，采用稀疏混合专家架构，在欧洲本土从零完成预训练。它原生支持图像、文档与代码的多模态理解，这一体量在开源权重里属于第一梯队。
在 Artificial Analysis 的 Coding Agent Index 基准中，Le Chonk 测得 48%，与开源同期的 GLM-5.3 基本持平。工程记录给出了一个反常识的结果。在完成同类软件任务时，它平均少消耗 47% 的输出 token。Mistral 将这一能效区间称为模型推理的「甜点区」。
大模型演进的焦点，正从跑分转向工程负载下的推理开销。当模型通过率持平时，交互吞吐与显存占用决定了系统能否落地。这组数据证明，开源阵营在算力成本结构上具备了正面竞争的底气。
跑分打平前沿基准，单任务少烧 47% token
智能体进入生产管线后，长上下文与反复推理构成了主要成本。在 Coding Agent Index 中，Le Chonk 取得 48% 的成绩，打平 GLM-5.3。更关键的差异在消耗统计。少消耗 47% 的 token，让长程任务的推理开销直接缩减近半。
据 Mistral 转述，Cognition 的 FrontierCode 2.0 以「仓库维护者是否合并改动」为判据。在这项基准中，Le Chonk 录得 19.7% 的合并率，高于 GLM-5.3 的 19.3%。同期 Kimi K3 录得 17.8%，GLM-5.3 Flash 为 17.3%。而在榜单后列，Beam 1.0 测得 14.2%，DeepSeek V4.1 Flash 为 2.9%。
合并率微幅领先，反映出代码在工程规范上的连贯度。自动化编码常因冗余注释或脆弱测试被维护者拒之门外。Le Chonk 在削减近半输出的同时保住通过率。这体现出模型策略对无效试错与过度工程的收敛。
图：FrontierCode 2.0 编程基准得分对比。该测试以真实仓库维护者合并改动为判据，注意各家模型在严格工程标准下的分数离散度。来源：Mistral 官方博客。
追加三周强化学习，终端任务收窄输出长度
输出长度的大幅收敛，来自后验训练优化。Mistral 在预训练基座上追加了三周强化学习，专项压缩智能体的行动步数。在终端环境测试 Terminal-Bench 4.0 中，Le Chonk 跑出 41% 的通过率。这一表现相比此前的 preview 版本提升了整整 13 个百分点。
成功率爬升的同时，推理体积逆向缩减。模型在终端任务中的输出 token 减少了 30%。官方在公告中表示，强化学习的增益仍在加速，且没有饱和迹象。针对交互环境调优的奖励模型，有效剔除了智能体的无效废话。
针对不同算力预算，模型提供了 Low、Medium 与 High 三档推理模式。默认开启的 High 档面向深层长程推理，Low 档则直接取代了无推理状态。分档策略让思考深度成为可控变量。轻量排障任务无需加载重度思维链，省下了高并发下的显存开销。
把持 96% 恶意拒答率，安全规范适配企业生产
模型在安全边界上的防御力，决定了企业私有化部署的门槛。官方将标语定为「Built for Coders, Trusted by Defenders」。面对恶意网络请求测试，Le Chonk 实现了 96.6% 的平均拒答率。官方称这一数据处于开源前列，同时强调对合规防御任务不随意拒答。
在机构 Artificial Analysis 的 Cyber Index 安全榜单中，Le Chonk 测得 51%。同一测试中，DeepSeek-V4.1-Flash 为 57%，MiMo-V2.6-Pro 测得 56%。而在 Surge Code 人类偏好盲测里，其实际表现仅次于 Claude Opus 5.5。这一代码盲测评分高过同期的其他开源竞品。
高拒答率与安全指数的分离，展示了微调调校的双刃剑特征。96.6% 的阻断率切断了生成自动化黑客脚本的途径，满足合规要求。但是在处理深层漏洞逆向与对抗验证时，严格的安全限制收窄了推演空间。工程调校在防范越权攻击与保留推演深度之间寻找着妥协点。
万亿参数自建私有化，欧洲主权算力先算经济账
Le Chonk 拥有 1.05 万亿总参数，依靠稀疏混合专家机制运行。单次前向推理仅激活部分参数，让超大模型能够在特定集群上部署。Mistral 强调该模型在欧洲本土从零完成训练。这一发布成为欧洲在生成式 AI 领域确立技术自主的重要标本。
模型权重已在 Hugging Face 公开，支持使用 vLLM 或 SGLang 自行托管。模型卡与许可协议同步开放，完整技术报告标注为即将发布。本地运行的架构，让敏感业务免于把内部代码向外部云端暴露。
官方公布的合作伙伴涵盖 NVIDIA、Cisco、Cloudflare 与 CrowdStrike 等企业。欧洲本土名单则涵盖 ASML、Orange Cyber、农业信贷银行以及欧洲空间局。工业制造与防务机构的介入，显露出高合规场景对算力自主掌控的迫切需要。
自主可控的愿景，必须经受数据中心物理账单的检验。1.05 万亿参数即便稀疏激活，权重本身也是数百 GB 量级的文件，显存与存储的搬运成本躲不掉。自建集群的高吞吐网络与电力消耗，对基础设施构成了硬性考验。企业要在硬件投入与长期运维开销之间算清综合账本。
图：Mistral 官方展示的合作机构名录，覆盖芯片制造、网络安全与欧洲航空航天等核心领域。来源：Mistral 官方博客。
跑分红利见顶后，推理成本决定开源生存空间
开源大模型的竞争正在跨入新的分水岭。早期的角逐集中在扩大数据规模与堆高评测分数。当主流模型在任务通过率上拉不开代差，全天候运转的算力预算成了主导因素。单位产出消耗多少 token，直接决定了业务线能否维持长期部署。
Le Chonk 给出了一种新的参照路径。用少消耗近半的 token 换取同等的代码交付质量，大幅压减了硬件开销。客户需要自主权，更需要算力预算撑得住日常消耗。兼具同级能力与更高能效比，开源权重才算在工程生产中拿到了通行证。
图：Mistral 官方为该旗舰模型选用的吉祥物形象「Le Chonk」。来源：mistral.ai。
参考链接：
- Mistral 官方博客：Mistral Large 4 开源权重发布说明
- Mistral 官方博客：Mistral Large 4 模型架构与基准评测
- Hugging Face 官方权重仓库：Mistral-Large-4-1T-A52B
