Mistral Large 4开放权重，AI早报盘点模型与生态新动向

开放权重阵营迎来重量级选手

欧洲大模型厂商 Mistral 正式发布并开放了旗舰模型 Mistral Large 4 的权重。这是一款原生多模态 MoE 架构模型，总参数约 1 万亿，每 token 激活约 520 亿参数，主攻代码与网络安全场景。官方称其为“最强西方开放模型”。

更具实用价值的是配套的动态比特量化版本：模型体积从 1.1TB 压缩至 233GB，支持在 MacStudio 上本地运行代码测试与安全相关任务。对希望在本地部署高性能代码模型的安全团队而言，这一体积优化直接把门槛从“机房级”拉到了“工作站级”。

从竞争格局看，开放权重模型正在从“能跑”走向“能打”——万亿级参数、原生多模态、面向垂直场景优化，这些特征此前更多出现在闭源旗舰产品上。

MoE（混合专家，Mixture of Experts）架构是理解这次发布的钥匙。传统稠密模型每处理一个 token 都要激活全部参数，而 MoE 把前馈层拆成多个“专家”子网络，由路由网络为每个 token 只挑选其中少数几个参与计算。这正是 Mistral Large 4 能做到“总参数约 1 万亿、每 token 仅激活约 520 亿”的原因：模型容量按总量计，推理成本却按激活量计。代价是显存占用仍取决于总参数量——权重全部要加载进内存，因此即便激活参数只有 520 亿，1.1TB 的原始体积依旧无法塞进单台工作站。这也解释了为何量化压缩到 233GB 才让 MacStudio 部署成为可能。

动态比特量化指按层或按权重的重要性自适应选择位宽，而非全局统一降到 4bit 或 8bit：敏感层保留较高精度，冗余层压得更狠，从而在体积大幅缩小的同时尽量保住代码与安全任务所需的推理质量。相比静态量化，动态方案对万亿级 MoE 更友好，因为不同专家的重要程度差异极大。

开放权重（open weights）并不等于开源。它指模型参数可下载、可本地运行与微调，但训练数据、训练代码和许可条款未必公开，商用还常受附加限制。理解这一区别，才能准确判断“最强西方开放模型”这一说法的分量。

代码安全成为大厂竞速的新战场

Meta 工程团队宣布将大模型即时生成测试技术 GTES 推向全量生产环境，在代码合入前自动生成针对性测试，已成功拦截漏洞。

同日，Devin 的母公司 Cognition 宣布收购软件安全公司 Corridor，进一步扩展代码安全产品线。两条消息指向同一趋势：AI 编程工具的价值重心正从“写代码”向“保证代码可靠”迁移。测试生成、漏洞拦截、安全审计这些环节，正在被大模型能力系统性地重做。

对开发团队来说，这意味着 CI 流水线的形态可能发生变化——测试不再是人工编写的静态资产，而是随每次代码变更动态生成的产物。

评测基准揭示能力差距：税务任务通过率仅 10.8%

Search AI 发布了包含 50 个专业税务任务的基准测试，结果显示排名第一的 Claude 系模型（原文称 CloudSignet 5.5）通过率仅为 10.8%。

这个数字值得关注：在垂直专业领域，头部模型的可靠性仍然有限。税务任务涉及法规引用、计算准确性和多步推理，任何一环出错都会导致整体失败。10.8% 的通过率说明，把专业税务工作直接交给模型处理，目前还不现实。

这类基准的意义在于提供了一把诚实的尺子。通用能力榜单上的高分，在专业场景中可能迅速缩水。

基准测试的“通过率”该如何读：50 个专业税务任务、头名仅 10.8%，这个数字本身不是模型能力的绝对刻度，而是任务难度与评分严格度的共同产物。税务场景通常要求引用具体法条、给出精确计算结果并完成多步推理，评分往往采用“全对才算通过”的严格口径——只要最终数值或条款引用有一处偏差，整题即判失败。这种设计放大了长链条任务的误差累积效应：单步准确率 95% 的模型，走完十步后整体成功率已跌到六成左右。因此 10.8% 更应被解读为“端到端可靠性”指标，而非“税务知识掌握程度”指标。

与之相对，通用能力榜单多采用宽松的部分给分或选择题形式，分数自然漂亮得多。两类基准衡量的不是同一件事，跨榜单直接比较会严重误判模型在专业场景中的可用性。对实际部署而言，更有参考价值的做法是把专业任务拆成可校验的子步骤，在每一步设置人工或规则兜底。

OpenAI 与 Anthropic 的治理路径分化

OpenAI 更新了模型行为规范 ModelStack，围绕忠于人类意图、减少伤害和尊重自主权等五项核心价值进行重组，并公开了用于捕捉模型失准与越权行为的分层监控系统。

同时，ChatGPT Pro 与 Business 用户在关联 API 组织后，每月可领取最高 500 美元的免费 API 调用额度。这一补贴策略显然意在把企业用户从聊天界面引导至 API 生态。

Anthropic 则走了另一条路：训练 Claude 在生成回答后进行自我评估，并将评估结果用于离线监测、标记潜在滥用对话。两家公司的差异在于，OpenAI 侧重行为规范与运行时监控，Anthropic 侧重回答后的自我审查与事后标记。

国内生态：模型上新与平台开放并行

据云栖大会参会者转述，阿里云^广告计划于下周发布 Qwen4 模型；腾讯混元也即将推出首次引入视觉理解能力的 HICE 系列。

应用层面，字节跳动豆包工作正式向企业开放第三方模型调用，首批接入 Kimi 3.1 Pro、GLM 5.3 和 DeepSeek^广告 V4.1 Flash。

这个动作的信号很明确：企业 AI 工作台正在从“单一模型绑定”转向“多模型路由”。对不同任务调用不同模型，可能成为企业级 AI 产品的标配能力。Kimi 同期上线了 Gmail、Google Drive 与日历插件，也在向办公场景渗透。

**多模型路由（multi-model routing）**指的是在应用层设置一个调度层，根据任务类型、成本预算、延迟要求和历史表现，把请求分发给不同的底层模型。企业工作台接入多家模型后，可以做到简单问答走低成本小模型、复杂代码或长文档分析走旗舰模型，既控成本又保效果。

它的工程价值还在于解耦：模型迭代极快，若产品与单一模型深度绑定，每次换模型都意味着重做提示词与评测。路由层把这种切换成本收敛到一处，并支持按 A/B 结果动态调整流量配比。挑战同样明显——不同模型的提示词格式、工具调用协议、上下文长度各不相同，需要一层适配抽象；跨模型的一致性与安全策略也更难统一治理。这解释了为何“多模型路由”看似只是接入几个 API，实际却是企业 AI 平台的核心架构决策。

具身智能：从硬件发布到商业化验证

智源机器人在年度创新日上发布了衡量机器人实际工作产出的指标 Woken，并推出 GRMAX 硬件与计划年底开源的具身基座模型 GO3 Preview。

语术科技发布了上市后的首份三季报：单机营收达 6.65 亿元人民币，同比增长 70%，研发支出同比大增 250%，重点投向具身基础模型与算力基建。

营收增长与研发投入同步放大，说明具身智能赛道仍处于“投入换规模”的阶段。Woken 这类产出指标的出现，也反映出行业开始尝试用更贴近实际工作价值的方式衡量机器人能力，而非停留在演示视频层面。

资本与政策：主权 AI 升温，监管同步收紧

加拿大总理宣布政府将出资最高 16 亿加元直接入股大模型公司 Cohere；Cohere 同日完成目标规模 70 亿加元的一轮首期交割，投后估值达 357 亿加元，创下加拿大最大私募融资记录。政府直接入股模型公司，是“主权 AI”从口号走向资本动作的标志性案例。

美国方面，司法反垄断机构已开始审查英伟达以 129.3 亿美元收购开源平台 Hugging Face 的交易，重点评估其是否会控制 AI 分发枢纽。这笔交易若成，开源模型的生态入口将高度集中，审查焦点正在于此。

企业并购方面，由 OpenAI 投资并作为技术合作方的 Thrive Holdings 宣布将以 153 亿美元的企业价值全现金收购安防公司 ADT，计划用 AI 改造传统安防服务。

政策监管层面动作频繁：美国众议院进步派议员起草决议草案，要求国会拒绝向因市场承压而面临破产的 AI 公司或金融机构提供资金救助；纽约州州长签署新法案，禁止面向未成年人的 AI 聊天机器人假扮真人或制造情感依赖；Reddit 宣布将浏览体验全面转向强制登录为主，以应对搜索引荐下滑并阻止 AI 爬虫抓取。

**主权 AI（sovereign AI）**指一国或地区为确保 AI 能力自主可控，通过本土算力、本土数据、本土模型公司来构建 AI 基础设施与产业链。加拿大政府直接入股 Cohere，是这一思路从补贴、采购走向股权持有的体现：政府既是出资方也是锚定客户，借此把关键模型能力留在本国司法管辖与数据边界之内。

这一模式与欧洲、海湾国家近年推进的本土算力与模型计划同属一个脉络，背后动因包括数据主权、供应链安全和对少数美国厂商的依赖担忧。但它也带来治理难题：政府作为股东，如何在模型安全监管上保持中立？被投企业又如何面对跨国客户对“国家背景”的顾虑？

与之呼应的是对英伟达收购 Hugging Face 的反垄断审查——开源模型的“分发枢纽”一旦集中到单一硬件厂商手中，开放生态的入口便可能受制于商业利益。主权 AI 与开放生态，正在成为同一枚硬币的两面。

算力与云业务：基础设施持续加码

亚马逊公布的三季报显示，当季总营收达 2019 亿美元，AWS 云业务同比增长 39%。国内算力基建上，全国首个华为昇腾 950DT 超节点集群已在武汉正式上线运行。

云业务的高速增长与国产算力集群的落地，构成了模型能力提升的底层支撑。在模型层竞争日趋同质化的当下，算力供给能力可能成为区分玩家梯队的关键变量。

关键要点回顾

• Mistral Large 4 开放权重，1 万亿参数 MoE 架构，量化版可在 MacStudio 本地运行
• 代码安全成为大厂竞速焦点，Meta 的 GTES 进入全量生产，Cognition 收购 Corridor
• 专业税务基准测试头名通过率仅 10.8%，垂直领域可靠性仍是短板
• 加拿大政府直接入股 Cohere，主权 AI 进入资本操作阶段
• 豆包工作开放第三方模型调用，企业 AI 工作台走向多模型路由