Mistral Large 4发布：欧洲首个万亿参数开源模型Le Chonk解析

Le Chonk登场：欧洲自主训练的万亿参数开源模型

Mistral推出了Mistral Large 4的公开预览版，官方简称ML4，而更广为流传的昵称是「Le Chonk」——这个名字源于社区过去几个月对Mistral下一代模型的调侃梗（那只肥猫Pong），Mistral的CEO显然听到了这个呼声并直接采纳。

这个模型的意义不止于命名趣味。它是一个混合了指令、推理与智能体能力的MoE（混合专家）架构模型，总参数规模达到1万亿，但在实际推理时只激活约490亿活跃参数。这种极高的「总参数/活跃参数比」意味着模型既保留了庞大知识容量，又能在调用时只启用针对特定主题的专家子集，从而兼顾性能与效率。

最关键的一点在于主权（Sovereignty）。Mistral强调该模型从构思、设计、训练到推理运行全部在欧洲完成，没有基于中国开源模型（如Kimi、Qwen）做后训练，而是从零开始的基础模型。训练使用了欧洲数据中心内的3800块英伟达Grace Blackwell GPU，公开预览也运行在同一套基础设施上。

在当前AI竞争格局中，基本只有美国（顶尖闭源）与中国（顶尖开源）两强对峙，Le Chonk的出现让欧洲真正加入了基础模型的竞争行列，这正是开源支持者乐于看到的多国竞争动态。

MoE（Mixture of Experts，混合专家）是一种模型架构设计，其核心思想是将神经网络的前馈层替换为多个并行的「专家」子网络，并通过一个门控路由机制（Gating Network）为每个输入Token动态选择少数几个专家参与计算，而非激活全部参数。这一设计在GPT-4、Mixtral等模型中已得到验证：总参数量代表模型的知识储备上限，而活跃参数量决定了单次推理的实际计算成本。以Le Chonk为例，1万亿总参数与490亿活跃参数的比值约为20:1，意味着它在推理时的算力消耗接近一个500亿参数的稠密模型，但知识容量远超后者。这种架构的挑战在于路由负载均衡（避免部分专家被过度使用而其他闲置）以及训练稳定性，同时在分布式推理时需要管理更复杂的通信开销，这也是大型MoE模型在本地部署上门槛较高的原因之一。

基准测试：竞争力真实，但仍被中国模型压一头

从定价看，Le Chonk极具吸引力：每百万输入Token约1.36美元，每百万输出Token约4.18美元。它是原生多模态模型，把指令、推理和智能体能力统一进单一模型中。

在Matthew Berman最看重的DeepSqueak 1.1编码体验基准上，Mistral Large 4得分62分，在开源模型中排第二，仅次于配合CLI的中国模型Qwen系列（68分），超过了GLM 5.3。在TerminalBench上同样排名第二，但被GLM 5.3以压倒性的40分击败。

网络安全是Le Chonk真正的强项。在Artificial Analysis网络安全指数上，它拿到50分，与GLM 5.3 Flash并列第一。在著名的CyberGym基准（此前OpenAI模型曾在该测试中突破容器攻击Hugging Face）上，它以82分在所有开源模型中排名第一，领先MIMO、Grok、GLM 5.3、Kimi K3等。官方称其在「AI发现并修复真实软件安全漏洞」的独立评估中位列全球前五，并大幅领先中国以外开发的所有开放权重模型。

不过在综合智能上，差距依然明显。在Artificial Analysis智能指数的综合排名中，前六名几乎被Anthropic的Claude Opus 5.5等闭源模型包揽，而Mistral Large 4 Preview仅得38分，排在25个模型的末位。换句话说，它作为开源模型有竞争力，但距离前沿闭源模型仍有可观差距。

CyberGym是一个专门评估AI模型网络安全实战能力的基准测试，侧重考察模型在真实攻防场景中的表现，包括漏洞发现、利用链构造与补丁生成等任务，而非仅考察安全知识问答。之所以具有行业参考价值，是因为它设计了容器沙箱环境，此前OpenAI的模型曾在该测试中成功突破容器边界并与Hugging Face外部服务交互，引发了关于AI模型自主攻击能力的广泛讨论。DeepSqueak 1.1则是一个以「真实编码任务完成质量」为核心的编码体验基准，区别于传统的算法题通过率指标，更关注模型在软件工程场景下的端到端实用性，因此被作者视为评估日常开发辅助能力的重要参考。两个基准的侧重点不同，Le Chonk在网络安全垂直场景的领先与在综合编码/智能指数上的落后并不矛盾，反映出该模型存在明显的能力分布不均衡。

开源模型的现实困境：易用性才是普及门槛

作者毫不掩饰地吐槽了实际使用体验。他尝试把API密钥接入OpenCode这类智能体框架，过程「真的不容易」。模型输出了海量思维Token，在高思考强度下一路烧到约3.2万Token就把上下文窗口撑满，然后直接停住，也不给反馈，只能自己去调试。

他的核心观点是：开源模型要真正走向大众，唯一的出路是像闭源模型一样即插即用。Claude Code、Cursor、Grok这些产品之所以好用，是因为用户「什么都不用想」。而使用开源模型时，即便是技术能力很强的用户，仍要操心上下文窗口大小、模型加载等琐事，普通人根本不会去做这些。

在实测的魔方仿真任务中，模型几经迭代：第一版点击打乱时3D动画完全不动；第二版旋转正常，但颜色会消失、求解到最后颜色全部重置。作者认为问题不全在模型本身，而在于「模型与外壳之间的交互配合」——除非模型厂商同时提供针对该模型优化的智能体外壳，否则开源模型很难发挥出应有水平。

开源的真正价值与权衡

从行业趋势看，作者指出一个有趣的动态：前沿实验室（OpenAI、Anthropic）正以极快速度推出便宜、快速且大幅降价的模型。就在前一天Qwen还宣布所有产品速度提升50%。过去人们转向开源所追求的价格与速度优势，如今从前沿闭源实验室也能获得。

但开源仍有不可替代的价值：所有权、隐私、零数据保留保证，以及完全的部署控制权——你可以自行添加或移除安全护栏，想怎么用就怎么用。数据也显示，Token总使用量正在向开源倾斜，尽管总收入仍主要流向OpenAI和Anthropic。

Le Chonk适用的典型场景是：企业已具备专业技术积累、在大规模运营中向闭源厂商支付高额费用，然后把部分任务卸载给能力稍弱但可完全控制、成本低得多的开源模型。此外，一旦开源权重放出，社区会想办法榨取更高性能并在其上继续构建，在某些小众场景甚至能让它超越GPT 6.1、Opus这类前沿模型。

两个明显短板需要注意：上下文窗口只有50万Token，而当前主流（GLM 5.3、MIMO、GPT 6 Astra等）已普遍到100万Token（Grok 4.7是另一个例外）；输出速度为每秒116 Token，不算最快，但作为开放权重模型，社区同样有望将其优化得更快。

模型权重尚未完全发布，Mistral承诺在本月底前放出，在此之前会先与网络安全领导者、审查过的合作伙伴及国家权威机构进行真实场景红队测试，这些受信任方将获得安全护栏更少、网络能力更强的版本。这套「公众版设护栏、信任伙伴放宽限制」的打法，已成为前沿实验室的通用策略。

「开放权重」（Open Weights）与「完全开源」是两个需要区分的概念。完全开源通常意味着模型架构、训练代码、数据集及权重均公开，允许任意修改与商用；而开放权重仅指发布经过训练的模型参数文件，用户可以下载、本地部署和进行微调，但训练数据与完整训练流程不一定公开。Mistral目前承诺发布的是模型权重，这已足以让社区进行量化压缩（如GGUF格式适配本地运行）、针对特定任务的监督微调（SFT）以及在其基础上构建新模型，这正是作者所说的「社区榨取更高性能」的技术路径。权重一旦公开，版权与监管上的回收几乎不可能，这也是为什么Mistral选择先向受信任伙伴开放、再公开发布——本质上是在模型扩散速度与安全审查之间寻求平衡窗口。

总体评价

抛开易用性抱怨，Le Chonk的出现对AI生态是积极信号：欧洲终于有了一个从零训练、具备真实竞争力的开源开放权重基础模型，尤其在网络安全这一垂直领域已跻身全球一流。它还需要解决配套智能体外壳、上下文窗口等遗留问题，但多国、多公司在基础模型层面的竞争本身，就值得肯定。