Mistral Large 4发布：欧洲AI能否重铸荣光？

法国AI公司Mistral于10月6日发布了新一代旗舰模型Mistral Large 4的公开预览版，模型权重计划在10月底开放。这家曾被视为"欧洲AI脸面"的公司，距离上一代旗舰Mistral Medium 3.5发布已过去整整5个月——在月更甚至周更成为常态的AI行业，如此长的更新间隔显得格外罕见。这款被寄予"重铸欧洲AI荣光"厚望的模型，究竟成色几何？

规格参数：Mistral史上最大模型

Mistral Large 4采用MoE（混合专家）架构，总参数约1.05万亿，激活参数49B，上下文窗口最高可达100万Token。它是一个原生多模态模型，能同时处理文字和图片，并原生支持160多种语言。官方宣称其在网络安全、金融与制造业领域处于开源模型的最前沿。

1万亿的总参数名副其实地对得起名字里的"Large"，这也是Mistral目前规模最大的模型。有意思的是，它的内部代号为"Le Chonc"，意为"大胖堆"，结合Mistral那只橘猫logo，"大橘为重"倒也顺理成章。

从官方公布的跑分看，成绩单颇为亮眼：SWE Atlas Q&A达到61.7%，Terminal Bench达到28.3%，综合Coding Agent Index达到49.8%。第三方机构Artificial Analysis给出的综合智能指数约为38分，与GPT级别模型持平，但略低于DeepSeek^广告 V4.1 Flash的39分。

MoE（Mixture of Experts，混合专家）架构是当前大型语言模型的主流设计方案之一。与传统的"稠密模型"在每次推理时激活全部参数不同，MoE架构将模型拆分为多个"专家"子网络，每次处理输入时只有少数几个专家被路由激活。这意味着模型拥有1.05万亿总参数，实际推理时只需调用约49B的激活参数，大幅降低了单次推理的计算开销，同时保留了超大参数量带来的知识容量优势。DeepSeek、GPT-4、Mixtral等主流前沿模型也普遍采用这一架构。衡量MoE模型时，激活参数比总参数更能反映其实际推理成本与速度，49B的激活参数大致相当于一个中型稠密模型的计算量。

宣传翻车：用ChatGPT P图的乌龙

或许是太想展示进步，Mistral在X平台发布的对比图表里，把自家模型从末尾"跳"到了前列。但眼尖的网友很快发现图表有问题——DeepSeek V4.1里的"V"字体明显不对，"Muse Glimmer"的拼写也出了错。

真相令人哭笑不得：这张宣传图疑似是用ChatGPT生成的，Mistral既没仔细P图，也懒得审核就直接发了出去，自然闹了笑话。对于一家力图证明自身实力的公司而言，这样的细节疏漏多少有些尴尬。

网络安全：这次宣传的真正重点

抛开翻车插曲，Large 4这次着重强化了网络安全能力。在CyberGym E2E这类漏洞发现、复现和修复任务上，它表现突出——独立测试显示，在其中一项端到端测试中的成功率达到81.7%，是当时18个测试模型中的最高成功率。

这一点确有现实意义。OpenAI和Anthropic如今对网络安全能力越来越谨慎，真正需要修复安全漏洞时，被自家安全机制拦下的次数反而比成功修复的次数还多。Mistral在这个被头部厂商"自我设限"的领域找到了差异化卖点。

OpenAI和Anthropic对旗下模型的网络安全用途设有严格的使用政策（Usage Policy）和内容过滤机制。这些机制在设计上倾向于宁可误拒也不放行，导致合法的渗透测试、漏洞复现与安全研究任务常被误判为恶意请求而遭拦截。这一现象在安全从业者群体中被称为"过度对齐"（over-refusal）问题。对于需要模拟攻击视角来发现和修复真实漏洞的红队工程师与安全研究人员而言，一个在安全规则上更为宽松、同时又具备足够技术能力的模型，具有实实在在的商业价值。Mistral选择在这一方向差异化，是有意识地填补头部厂商因合规压力主动让出的市场空间。

"欧美最强开源模型"的文字游戏

Mistral官方宣称Large 4是"美国和欧洲在综合基准中最好的开源模型"，还在视觉能力上超越了部分闭源前沿模型。听起来很提气，但这句话本身暗藏玄机。

当下真正坚持开源路线的欧美模型本就寥寥无几，此前最大的竞争对手Meta也已主要转向闭源。在这样的背景下，"欧美最强开源"的名头可以说是"手拿把掐"。而一旦把视野拉到全球，把GLM、Kimi、DeepSeek等中国开源模型拉出来对比，Large 4的差距就显现出来了。

网友实测的结果与官方宣传形成反差：Large 4的规划能力和代码质量不错，执行指令也比较老实，但"老实"得过了头——一思考就是一长串输出，还容易陷入循环，被调侃为"放生token"。实际体验下来，这个万亿参数模型与通义千问^广告3等中国模型相比仍显吃力。

进步显著，但算力是硬伤

如果不与中国模型横向对比，而是跟自己的上一代纵向比较，Large 4的进步相当惊人。上一代Mistral Medium 3.5的AA分数仅14分，这次直接跃升至38分，一代之内跨越了一个巨大的台阶。

但Mistral面临着与中国厂商类似的困境——算力不足。Large 4的训练仅使用了约3800张英伟达Blackwell GPU，规模相当有限。

更具象征意味的是，就在Large 4发布的同一天，德国搜索引擎Ecosia的CEO宣布与Mistral停止合作，理由是Mistral的模型"已经落后了一年"，且服务器经常过载。Ecosia在欧洲搜索市场的份额不到0.5%，这样一家小公司调用都会频繁过载，足见Mistral算力缺口之大。

英伟达Blackwell GPU（如B100、B200系列）是截至2024年底英伟达最新一代数据中心AI加速芯片，相比上一代Hopper架构（H100/H200）在训练和推理吞吐量上有显著提升。3800张Blackwell GPU对于训练万亿级参数模型而言规模极为有限——作为对比，Meta训练Llama 3系列时使用了超过1.6万张H100，而OpenAI、谷歌等头部机构的训练集群规模普遍在数万张GPU以上。算力规模直接影响模型的训练数据量、训练轮次和最终性能上限，也制约着推理服务的并发能力。Mistral作为欧洲初创公司，在GPU资源获取上受到地缘政治、资金和供应链等多重因素限制，这也是其与中美头部大厂之间结构性差距的根源所在。

情怀不能当算力用

Mistral过去最大的优势，在于开源路线、欧洲本土资源与本土AI公司的身份。它曾让许多人相信，欧洲无需完全依赖美国巨头，也能拥有自己的先进模型。

但现实是，情怀换不来算力，欧洲AI的招牌也无法直接转化为用户订单。Large 4在参数规模上的"大"，掩盖不了算力与工程落地上的"小"。马克龙所倡导的"欧洲AI第三条路"，看来依然道阻且长。这款模型是一次有价值的进步，但要真正"重铸荣光"，Mistral还有很长的路要走。