Mistral Large 4"胖猫"揭秘：万亿参数能否胜过中国开源模型？

一家欧洲AI公司造出了一个万亿参数的旗舰大模型，然后给它起了个代号——The Chonk，翻译过来差不多就是"胖猫"。Chonk是英文网络梗，专门形容那种圆滚滚、胖乎乎的猫。万亿参数配上"胖猫"代号，反差拉满。这就是Mistral Large 4。

更值得琢磨的，是它瞄准的对手。模型发布当天，CNBC和路透社的报道都把它和中国的开源模型放在一起。一家法国公司的新模型，最显眼的参照物居然是中国团队做的模型，这件事本身就很有意思。而且这只"猫"还没真正露面——官方页面挂着倒计时，完整参数要到特定日期才公开。眼下大家热议的，其实是一只还没开箱的猫。

万亿参数的"胖猫"到底有多胖

直接去源头看。Hugging Face可以理解成AI圈的大仓库，各家公司把模型放上去供人下载。Mistral在官方页面写的核心信息就两条：万亿参数与原生多模态。

原生多模态，说的是它从设计之初就不只处理文字这一种信息，而非后来再外挂一个模块。至于参数，你可以把它想成模型脑子里的旋钮——旋钮少时能调的不过是音量、亮度；旋钮多到万亿这个量级，调的就是语言里那些细微的分寸。光听这个量，这只猫确实够胖。

但它每回答一个问题，这万亿个旋钮会全部转起来吗？答案是不会。秘密藏在仓库名的小尾巴里：A52B。按行业惯例，A指的是激活参数，52B就是520亿。翻译成人话：总共万亿参数，每次真正干活的只有520亿这一小部分。

换个生活里的例子，这像一家医生多到数不清的大医院。你去看病，不会有一大群医生围着你转，分诊台只把你派给最对口的那几位。医院的规模决定了它什么病都能接，而每次看病花多少钱，只看真正上手的那几个人。这正是混合专家（MoE）架构的核心思路——每吐出一个字都要做一轮计算，若每次都把万亿个旋钮全拧一遍，又慢又费电；只让一小部分上手，计算量就小得多，回答更快，账单也更好看。

需要补一句：520亿这个数字目前是从仓库命名惯例推出来的，官方完整说明尚未放出，最终要以官方为准。

混合专家（MoE，Mixture of Experts）架构的原理值得多说一句。传统的"密集"模型每次推理时会让所有参数参与计算，而MoE的做法是把模型内部分成许多个"专家"子网络，每次处理输入时由一个称为"路由器"的组件决定激活哪几个专家。这种设计让模型可以在不成比例增加计算量的前提下扩大参数规模——总参数决定模型的"知识容量"，激活参数决定每次推理的实际算力消耗和响应速度。GPT-4、Gemini 1.5等主流旗舰模型据推测也采用了类似架构。MoE并非没有代价：路由逻辑本身需要精心调优，否则容易出现部分专家被过度使用、其余专家闲置的"负载不均"问题，这也是评估MoE模型质量时需要关注的内部细节。

欧美开源模型为何都拿中国当标尺

把时间倒回发布当天。CNBC的报道称Mistral公开了这个新模型，并说它属于"全球最好的开源模型之列"，紧接着给整个行业定了调：西方的开发者正在追赶中国的开源模型。"追赶"这两个字信息量很大——在这篇报道的叙事里，跑在前面的那一方不是西方公司，而是中国的开源模型。

同一天路透社的报道标题更直接：Mistral的CEO说新模型在部分领域胜过中国模型。注意"部分领域"这四个字，不是全面胜出。具体是哪些领域、对手是谁，正文暂时还看不到。

Mistral并非孤例。就在它前一天，美国公司Reflection发布了开源模型，TechCrunch的标题写着"要挑战中国模型"，而且强调"算力成本更低"——同样的活花更少的电和卡。前后脚两家欧美公司各发一个开源大模型，都点名同一个参照物，道理很朴素：赛跑时你只会盯着跑在前面的人。按CNBC的叙事，开源这条跑道上被盯着的那个，眼下就是中国模型。当所有人都拿你当尺子量自己，你就成了那把尺子。

而被盯着的那一方也没停下。同一周，阶跃星辰的Step 5预览版出现在了模型平台OpenRouter上。整个场面像一场马拉松：前面的人在提速，后面的人集体发力，谁也不敢松口气。

Mistral手里的另一张牌：数据主权

如果Mistral只想证明自己跑得快，故事就太简单了。它手里还有张很有欧洲特色的牌。科技媒体ZDNet的报道把重点放在两件事上：给企业带来AI网络安全能力，而且"有你自己掌控"。

"有你自己掌控"才是重点。等Mistral把模型参数公开，就等于把模型本体交了出来，企业可以下载下来装进自己的机房，数据不用发到别人的服务器上。这就像租房和买房的区别：调用别人的接口像租房，房东随时能改租金、改规矩；把模型装进自己机房是买房，门锁怎么换、谁能进门，全是自己说了算。这条线有个更正式的名字——数据主权。

为什么偏偏是网络安全？因为安全团队手里的东西往往是一家公司最不想外传的。AI能干的活不少——看海量日志、找异常、写排查报告，量大又重复，正适合交给模型。想象一家欧洲银行的安全主管，他想用AI去翻系统日志排查异常，可这些日志本身就是银行最敏感的家底。让他把日志全发到一个远在海外的接口上，他多半会直接摇头。对这种客户来说，能装在自己家里的模型才算能用的模型。

不过别急着鼓掌。买房也有买房的代价：就算每次只动用520亿参数，整只万亿参数的胖猫你还是得完整地养在家里，得给它备一个足够大的"窝"。能装进去和装得起是两回事——对大企业不算事，对小团队门槛可不低。开源的猫，不等于免费的猫粮。

数据主权（Data Sovereignty）在欧洲语境中有特别的政策背景。欧盟《通用数据保护条例》（GDPR）严格限制个人数据跨境传输，尤其是向欧盟以外地区传输，违规企业面临最高全球营业额4%的罚款。这一法规直接推高了欧洲企业对"数据不离境"方案的需求。与此同时，欧盟正在推进《欧洲数据法》和《AI法案》，进一步强化对关键基础设施和高风险AI应用的本地化要求。Mistral作为法国公司，在合规叙事上天然占据优势——它可以向欧洲客户承诺，整条AI处理链路都可以在本地完成，不触碰任何跨境传输的监管红线。这解释了为何"可部署进自有机房"这个技术特性，在欧洲市场会被当作核心卖点而非附加功能来宣传。

"胜过"二字，证据在哪

"胜过中国模型"这句话到底有多少证据撑着？把手头能核实的材料翻了个遍，结果有点尴尬：缺哪几个领域、对手是哪个具体型号、测试的原始数据——这些都还没摆上桌。

一张能服人的成绩单，至少要说清楚考的是哪张卷子、同场考试的是谁、谁来监考。卷子最好是公开测试，对手得是具体型号，监考最好是第三方，缺一样都不算数。而现在这些都还没有。

已经有人等不及了。一家叫MindStudio的公司通过OpenRouter拿到模型测了写代码的能力，文章标题本身就是个问号。这个问题问得很准，因为跑分和干活真是两回事——就像考驾照科目一满分，不代表你能在晚高峰把车稳稳开进老城区的窄巷子。排行榜上的分数是一回事，帮你把一个真实项目从头写到尾是另一回事。

还要分清一层：说"胜过"的是Mistral自己，CNBC和路透社做的是把这个说法报道出来——转述不是验证。在原始数据公开之前，"胜过"两个字只能算Mistral自己的说法，不能当成定论。好消息是，这个悬念有截止日期，成绩单也许会跟着完整参数一起到来。

开箱那天该盯哪几个地方

据统计，开箱前已有数百人在Hugging Face官方页面上给这个参数都还没公开的模型点了"等待发布"。不过页面原文写的是Current ETA（当前预计时间），"预计"就意味着可能会变。

真到开箱那天，有三件事值得盯：

• 官方模型说明：每次调用到底多少参数在干活，520亿这个推算对不对。
• 测试成绩："胜过中国模型"具体在哪些项目、跟谁比。
• 开源许可证：企业到底能不能放心拿去商用。许可证这件事听着最枯燥，其实最要命——同样叫开源，有的随便商用，有的会加各种条件。对想把胖猫养在自家机房的企业来说，这一页条款可能比任何跑分都重要。

还有一件不归Mistral管的事：开箱之后，第三方实测怎么说。把镜头拉远一点，同一条跑道上，Reflection、Mistral、阶跃星辰短短几天轮番出牌，开源大模型这张牌桌正变得越来越挤。如果胖猫准时开箱、成绩单也经得起第三方检验，这张牌桌上就真的多出一个欧洲的座位。可如果开箱推迟、或者实测不如标题响亮，大家记住的恐怕只会是它那个可爱的名字。

开源许可证的差异在AI领域尤为复杂。常见的许可证类型从宽到严大致可分为：Apache 2.0（允许商用、修改、再分发，几乎无限制）、MIT（类似Apache 2.0，更简洁）、以及各家公司自定义的"社区许可证"。后者是近年来AI公司的常见操作——表面上开放权重，实则在商业规模使用、竞争性部署或特定行业应用上设有限制。Meta的Llama系列、Mistral早期部分模型都曾采用带附加条件的自定义许可证。对企业用户而言，"开源"二字本身不代表法律上可以自由商用，采购或部署前必须逐条核对许可证原文，尤其是关于用户规模上限、禁止用途和再分发条款的部分。