Mistral Large 4（LeChonk）：欧洲重返AI开源第一梯队

欧洲似乎重新回到了AI竞赛的牌桌上，而Mistral正是这股势头的核心代表。这家法国公司发布了Mistral Large 4，代号"LeChonk"（法语意为"胖子"），据称是中国以外最强的开源权重模型——也就是欧美所有开源模型中最强的那一个。

这个说法听起来很诱人，但需要冷静看待：目前最强的闭源模型仍然来自美国，最强的开源权重模型仍然来自中国。欧洲并非这条战线上的领头羊。不过，对一家欧洲公司而言，这依然是一次相当亮眼的出击。

核心参数与定价

Mistral Large 4采用混合专家（MoE）架构，总参数量达到1万亿，但每次生成token时仅激活约490亿参数。这意味着模型需要占用较大的显存空间来加载全部权重，但实际推理计算量远小于同等规模的稠密模型，因此推理速度更快。

需要提醒的是，虽然它是开源权重模型，但权重尚未开放下载。Hugging Face页面上挂着一个倒计时，预计在10月31日左右正式放出权重。这在开源模型发布中其实很常见——宣布开源不等于当天就能下载。

定价方面，输入每百万token约1.36美元，输出每百万token约4.18美元。考虑到它的实际性能，这个价格并不算便宜，甚至可以说偏贵。

混合专家（MoE，Mixture of Experts）架构是近年大模型领域的主流方案之一。其核心思想是将模型拆分为多个"专家"子网络，每次处理输入时由一个轻量级"路由器"动态选择其中少数几个专家参与计算，而非激活所有参数。这样做的好处是：模型的总参数量（代表知识容量）可以做得很大，但单次推理的实际计算量（FLOPs）却只相当于激活参数的规模。Mistral Large 4的1万亿总参数 vs 490亿激活参数，意味着每次推理的算力消耗大约只有同规模稠密模型的1/20。这一设计使其在推理速度和成本上具有明显优势，但代价是需要将全部1万亿参数的权重同时加载到显存中，对部署硬件的内存容量要求极高。Meta的Llama 3.1系列、Google的Gemini 1.5以及DeepSeek^广告系列均采用了类似的MoE设计思路。

基准测试：网络安全是真正的强项

官网上最亮眼的展示是CTF Speedrun——19项网络安全挑战的竞速对比。在加速回放中可以看到，Mistral Large 4是解题最快的模型，并且解出了19题中的18题，比第二名略多。

网络安全几乎是这款模型唯一能与前沿闭源模型（如Opus、GPT系列）正面竞争的领域。在Mistral自家公布的基准中，深度软件工程（Deep Software Engineering）上它不敌Kimi K3，但略胜GLM 5.3；Terminal Bench上高于Kimi K3但低于GLM 5.3；而在Cyber相关基准上，它与GLM 5.3 Flash持平，表现堪称领先。

不过，模型发布页上的基准数据往往经过精心挑选，用来凸显模型优势——这是营销的常态，并不代表Mistral造假。更中立的参考是Artificial Analysis平台的数据。在综合智能排名中，Mistral Large 4 Preview定位中规中矩，谈不上惊艳，但确实是中国以外最强的开源权重模型。

值得注意的一点是名字里的"Preview"——它意味着训练尚未完成，强化学习阶段仍在进行中，最终分数理论上还有提升空间。

在Arena AI的盲测ELO排名中（coding与web开发领域），Claude Opus 5.5 Max稳居榜首。Mistral Large 4排名第45位，看似平平，但其性能水平大致相当于Opus 4.8、Sonnet 4.6或GPT-5.6级别——用一个欧洲开源模型达到这个水准，对欧洲的技术主权而言意义重大。

CTF（Capture The Flag，夺旗赛）是网络安全领域的标准竞技形式，参与者需要在规定时间内通过逆向工程、漏洞利用、密码学破解、Web渗透等技术手段找到隐藏的"旗帜"字符串。CTF Speedrun作为基准测试，衡量的是模型在有限时间内独立完成这类安全挑战的能力，能较为直接地反映模型对底层系统知识、代码调试和漏洞分析的综合掌握程度。与代码生成或数学推理等基准不同，CTF题目往往需要多步骤的逻辑链条和对边界情况的精确判断，对模型的实际"动手"能力要求更高。Mistral在此领域的优势，可能与其训练数据中包含大量欧洲网络安全社区的技术资料有关，也可能反映了其在结构化问题拆解上的特定优化方向。

主权意义大于性能本身

不必粉饰：Mistral Large 4不是前沿战线的关键玩家，即便强化学习训练完成，大概率也进不了前10甚至前15。但它的真正价值在于"欧洲主权"这个维度。

这款模型完全在欧洲数据中心训练（硬件仍是美国Nvidia的），而且仅用了约3800张GPU就完成了训练，远少于其他公司所能调动的算力。这反过来证明了Mistral团队的技术实力。

更关键的是合规优势。对于处理敏感数据的欧洲企业，使用一个在欧洲数据中心、依照欧洲监管（如AI法案）训练出来的模型，在合规层面显然是更安全的选择。只要这款模型接近可用水准，欧洲企业就很可能大规模采用它。

此外，Mistral明确表示这只是其30亿欧元D轮融资所支持路线图上的第一个里程碑，意味着后续还会持续扩充算力、推出更多模型。结合近期ALF Alpha（德国Calibri）、Black Forest Labs（Flux 3）、英国11v4等一系列欧洲模型发布，整个欧洲AI生态正在明显升温。

欧盟《人工智能法案》（EU AI Act）于2024年正式生效，是全球首部系统性AI监管法规。该法案按风险等级对AI系统分类管理，对高风险场景（如医疗、执法、关键基础设施）提出数据治理、透明度、人工监督等强制要求，并对在欧盟市场提供服务的通用AI模型（GPAI）规定了额外的合规义务，包括提交技术文档、尊重版权及披露训练数据摘要等。对欧洲企业而言，使用在欧洲数据中心训练、由欧洲公司运营的模型，不仅更容易满足数据主权和跨境传输限制（如GDPR对数据不得转移至第三国的规定），也能在审计和问责链条上保持清晰。这正是Mistral将"欧洲本土训练"作为核心卖点的商业逻辑所在——合规成本的降低本身就是实实在在的竞争优势。

实测体验：废话多，但不冗长

除了基准数据，视频作者还用自建的"Neural Yap Benchmark"（衡量模型"废话程度"的测试，目前仍是0.1 alpha版）做了评估。该测试从四个维度打分：套话短语（如"你说得对""你有理由质疑"）、排版符号（AI惯用的破折号等）、格式化程度（Markdown标题、emoji等）、以及回答长度，分数越低越简洁。

Mistral Large 4整体废话程度较低，明显优于上一代Mistral模型。它的"扣分"主要来自排版符号——用了大量AI式破折号，但这其实是最无伤大雅的一类。在回答长度上，它反而是测试中最简洁的模型之一。

问题出在套话短语上：Mistral Large 4频繁使用"你说得对，我之前的方案过度设计了，让我重新考虑"这类话术，仅次于DeepSeek V4 Flash。作者在实际项目测试（一个关于数据模型变更的误导性问题）中也印证了这一点——模型给出了冗长的分析，并带有明显的迎合式措辞，这是作者个人非常反感的模式。

构建ChatGPT克隆实测

作者还让多个模型用同一套复杂提示构建一个支持多AI供应商、带语音输入和多主题切换的ChatGPT克隆应用，对比对象包括DeepSeek V4、GLM 5.3、GPT-6 Soul、Kimi K3、Mistral Large 4以及Opus 5.5。

结果出人意料：Kimi K3表现最佳，设计出色、语音输入实时可用、各主题（Frutiger Aero、Dorfic、像素风）都还原得不错。而作者最推崇的Opus 5.5这次反而翻车，界面不佳、无法选择模型、连基本对话都没能跑通，语音输入也失效。

Mistral Large 4的成品界面一般——用图标代替文字、麦克风按钮不够美观，Dorfic主题也没做对，整体介于DeepSeek和GLM 5.3之间，优于后者但不及Kimi K3。

结论

综合来看，Mistral Large 4并未重新定义性能天花板，它在排行榜上的位置相当有限。但对欧洲而言，这是一次意义重大的胜利：用更少的算力、完全在欧洲本土训练出了一款达到数月前顶级水准的开源模型，并且在网络安全这一垂直领域真正触及了前沿。

随着权重即将开放、技术报告有望发布，加上背后30亿欧元融资的支撑，Mistral乃至整个欧洲AI生态都值得持续关注。欧洲，至少暂时，重新回到了桌面上。