Mistral Large 4开源权重发布：1万亿参数，激活49亿

法国AI公司Mistral近日发布了其旗舰模型Mistral Large 4，并做出了一个关键决定：公开模型权重。这意味着企业和机构可以将这个约1万亿参数的模型部署在自己的服务器上，不必将代码和数据交给第三方。科技速报第11期对此进行了报道，以下结合公开信息做进一步分析。

模型规格：万亿参数与稀疏激活

Mistral Large 4的总参数量约为1万亿，但每次推理只激活约49亿参数。这种稀疏激活设计延续了当前大模型追求“大容量、低推理成本”的趋势——总参数决定模型的知识容量，激活参数影响单次计算的资源消耗。

模型同时支持文字和图片输入，上下文窗口约为100万token。百万级上下文意味着可以一次性处理大量文档或长对话历史，对需要深度检索增强的应用场景有直接价值。

稀疏激活的典型实现是混合专家（Mixture-of-Experts, MoE）架构：模型内部包含多个并行的“专家”子网络，以及一个负责路由的门控网络。每次前向计算时，门控网络根据输入动态选择少数几个专家参与运算，其余专家保持静默。这样总参数量可以做得很大以承载更丰富的知识，而实际计算量只与激活的专家数量相关。Mistral Large 4约1万亿总参数、仅激活约49亿的配置，意味着每次推理只调用不到总参数量的0.5%。这也解释了官方所称“每项编码任务少用47%算力”的底层逻辑——稀疏激活是降低单次推理成本的关键手段，而非单纯依靠模型压缩。

“token”是语言模型处理文本的基本单位，可以粗略理解为词或词的片段。100万token的上下文窗口，按常见折算约相当于数十万汉字或上百页文档的体量。传统模型受限于几万token的窗口，长文档必须切块后分批送入；百万级窗口则允许将整份合同、整个代码仓库或长时间对话历史一次性输入，模型可以在全局范围内建立关联。这对检索增强生成（RAG）尤为重要：窗口足够大时，可以直接把候选资料整体放入上下文，减少检索切分带来的信息割裂，但也对显存和推理调度提出更高要求。

权重公开：自主部署与不可回收的风险

这次发布的核心变化不是模型能力本身，而是交付方式。过去企业调用闭源模型API，数据必须经过第三方服务器；权重公开后，机构可以在自有基础设施上完成推理，数据不出内网。

但Mistral自己也在官方说明中承认了另一面风险：下载出去的权重版本收不回来。后续的安全防护升级只会体现在API和新版本中，不会自动更新到已下载的副本。这是一个开源权重模型无法回避的结构性问题——发布即失控，安全治理只能向前生效。

“权重公开”与严格意义上的开源并不完全等同。开源软件通常指源码可获取、可修改、可再分发；而模型权重是训练完成后得到的参数文件，公开权重让使用者能在本地完成推理甚至微调，但训练数据、训练代码和完整训练流程往往并不公开，因此业内更常称之为“开放权重”（open weights）。这一区别决定了使用者获得的是部署与二次开发的自由，而非完全复现或审计模型能力的自由。Mistral Large 4采用修改版宽松许可，也正体现了开放权重模式下“能力可获取、条款有约束”的常见做法。

厂商自测数据：编码与网络安全表现

按官方说法，Mistral Large 4在编码助手榜单上与中国同类开源模型打平，每项任务少用47%的算力资源。终端编程得分41%，比预览版高出13个百分点。

网络安全是官方强调的主打方向，网络安全指数得分为51%。需要明确的是，以上数据均为厂商自测，尚未经独立核实。官方同时承认，模型有可能被用于提升真实攻击能力——这与网络安全能力的提升是一体两面。

两个现实门槛：许可与硬件

第一道门槛是许可。Mistral Large 4采用修改过的宽松许可：自己使用、修改、商用都可以，但如果拿它对外提供模型服务，需要另外购买商业许可。这实际上划出了一条界线——内部应用免费，转售推理能力收费。

第二道门槛是硬件。约1万亿参数的模型需要数据中心级别的硬件才能运行，普通电脑无法承载。权重公开降低了数据外流的风险，但没有降低部署的经济门槛。

约1万亿参数的模型即便采用稀疏激活，部署时仍需将全部权重加载到显存或高速存储中。以常见精度估算，权重体积可达数百GB乃至上TB量级，远超单张消费级显卡的容量，通常需要多机多卡的高速互联集群，并配合专门的推理框架做专家并行与请求调度。这意味着实际部署成本集中在GPU集群、显存带宽、机房散热与运维人力上，与调用云端API按量付费的模式有本质区别。权重开放解决的是数据主权和可控性问题，硬件与运维的资本开支仍需使用方自行承担。

权重公开意味着什么

对于有合规要求或数据敏感的企业，可自主部署的旗舰模型是一个有吸引力的选项。但需要权衡的是：厂商自测数据有待验证，安全风险无法通过后续更新修复已分发的副本，商业转售需要额外授权，硬件投入也不是小数目。

权重公开把选择权交给了使用者，同时也把部署责任和风险一并转移了过去。对Mistral而言，这是一次以开放性换取生态位的策略；对使用者而言，是否值得接手，取决于自身的数据边界和运维能力。