法国 AI 公司 Mistral 推出的 Mistral Large 4，常被叫作 “Le Chonk”。它的总参数超过 1 万亿，能处理文字和图片，也面向编程、复杂推理与企业工作流。更重要的是，事情已经不只是预览：模型权重已在 2026 年 10 月 29 日公开，官方模型文档随后标记为正式可用。
如果您还记得发布初期的测试数据，先留意版本变化。10 月预览版之后，Mistral 又继续训练并发布了更新版本。下面按最新公开资料，拆开看它的能力、价格、许可证和本地部署门槛。
Mistral Large 4 的核心规格是什么？
总参数很大，但每次推理只激活其中一部分
| 项目 | 公开规格 | 简单解释 |
|---|---|---|
| 总参数 | 约 1.05 万亿 | 模型中全部参数的规模 |
| 活跃参数 | 约 520 亿 | 每次处理内容时实际参与计算的部分 |
| 视觉编码器 | 约 16 亿参数 | 负责把图片信息转换成模型能处理的表示 |
| 上下文窗口 | 最多约 100 万 token | 一次请求可参考的文本与内容长度 |
| 输入类型 | 文字与图片 | 可分析文档、图表和技术图像 |
Mistral Large 4 使用 MoE（混合专家）架构。您可以把它想成一个大型专家团队：收到问题后，模型只调动一部分合适的专家参与计算，而不是让全部参数每次都同时工作。这样能控制推理计算量，但不代表本地部署只需要为 520 亿参数准备内存；完整权重仍然很大，通常需要多 GPU、分片或其他内存管理方案。
它真正想争取的，是编程、代理和安全任务
从写几行代码，扩展到处理完整工作流程
Credit: Mistral
Mistral 把 Large 4 定位为能理解代码仓库、使用工具并处理多步骤任务的模型，而不只是回答问题或补几行代码。它也支持函数调用、结构化输出、文档问答和代理工作流，适合接入企业内部工具。
在 2026 年 10 月底发布的更新说明中，Mistral 报告 Large 4 在 Artificial Analysis Coding Agent Index 得到 48%，并称每项任务平均使用的 token 比对照模型少 47%；在 Terminal-Bench 4.0 上为 41%，比预览版提高 13 个百分点。这些是发布方披露的测试结果，实际表现仍会受提示词、工具链和测试设置影响。
安全任务也是它重点宣传的方向。Mistral 报告其在 Artificial Analysis Cyber Index 得分为 51%，并在 B3 Agent Security Benchmark 上抵御了 97.1% 的攻击。需要注意，这些数字来自特定评测，不代表它能自动替代安全团队，也不代表任何未经授权的测试都可以进行。
图片理解和长文档处理也在能力范围内
不只是读文字，也能分析图表和技术图纸
Credit: Mistral
模型可以接收图片输入，分析图表、技术图纸和较长的文档。百万 token 的上下文窗口，适合把较多资料放进同一轮任务里；但上下文越长，并不代表每个问题都需要一次塞满。材料太多时，仍要注意检索质量、信息冲突和答案核对。
它还支持 160 多种语言。对跨语言文档、欧洲多语言业务和需要同时阅读图文资料的团队，这些能力可能比单纯的聊天体验更有价值。
现在可以下载权重，但“开放权重”不等于没有条件
2026 年 10 月 29 日公开权重，使用前仍要读许可证
Mistral 在 10 月 6 日先开放预览 API，随后于 10 月 29 日发布可下载权重。官方使用的许可证名称是 Mistral Ecosystem Open-Weight License，它以 MIT 许可证为基础修改，允许使用、修改、微调和商业化。
有一条特别需要企业留意：如果您或关联公司经营 Model-as-a-Service，也就是把模型或其衍生版本托管起来，让第三方通过 API 或托管端点使用，商业用途前需要另行取得 Mistral 的商业许可。仅在公司内部使用，或通过 Mistral 官方产品使用，许可证对这项额外要求另有说明。
所以，Large 4 可以称为开放权重模型，但不要只凭“开放”两个字就把它等同于 OSI 定义下的完整开源软件。权重可下载、许可证允许什么、训练数据和训练过程公开到什么程度，是不同问题。想先弄清这几个概念，可以接着看开放权重和真正开源差在哪。
API 价格与本地部署，哪种更实际？
先用 API 试任务，再决定是否自建算力
截至 2026 年 11 月 11 日，Mistral 官方模型页面列出的 API 价格为：
| 计费项目 | 价格（每百万 token） |
|---|---|
| 输入 token | 0.70 美元 |
| 缓存输入 token | 0.07 美元 |
| 输出 token | 2.10 美元 |
如果只是想验证编程、文档分析或图表理解，先通过 API 做一组自己的测试，通常比一开始采购服务器更省事。您可以挑 20 到 30 个真实任务，记录正确率、耗时、输入输出 token 和人工返工量，再与正在使用的模型比较。
本地部署的优势是数据和运行环境更可控，也能按自己的流程做微调和集成；代价是完整权重的内存与存储需求非常高。量化可以减少资源占用，但会带来速度、精度和兼容性取舍。若您正在评估本地模型硬件，可以参考骁龙笔记本跑本地大模型的内存与性能对比，不要只看显卡峰值速度。
哪些团队值得优先测试？
- 软件工程团队：有代码仓库、测试流程和人工审查机制，适合验证代理式编程任务。
- 安全团队：可以在获授权的隔离环境中测试漏洞分析、修复建议和检测规则生成。
- 需要私有部署的企业：对数据驻留、内部知识和运行控制有明确要求，并且具备算力与运维能力。
- 普通个人用户：如果只是聊天、写作或偶尔看文档，先用 API 或现有服务更实际，不必为了参数规模购买昂贵硬件。
常见问题（FAQ）
Mistral Large 4 已经开放下载了吗？
已经开放。权重于 2026 年 10 月 29 日发布，官方模型页面随后标记为正式可用。
它有多少参数？
官方文档列出约 1.05 万亿总参数和约 520 亿活跃参数，并配有约 16 亿参数的视觉编码器。
它算真正开源吗？
更准确的说法是开放权重。它使用修改版 MIT 的 Mistral Ecosystem Open-Weight License，部分托管式商业服务需要额外许可；是否符合完整开源定义，还要看具体开放范围与标准。
普通电脑能本地运行吗？
完整模型对内存和存储要求很高，普通笔记本通常不现实。量化版本能降低门槛，但仍需要认真核对硬件、推理框架和模型版本。
它的 API 价格是多少？
官方页面当前列出的标准价格为每百万输入 token 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元；价格可能调整，使用前请以官方页面为准。
总结
Mistral Large 4 的看点，不只是超过万亿的总参数，而是开放权重、长上下文、多模态和编程代理能力结合在一起。对企业来说，它提供了更多部署和控制选择；对个人用户来说，真正要比较的是任务效果、API 成本和本地算力，而不是只看参数数字。
参考资料：Mistral Large 4 开放权重发布说明；Mistral Large 4 官方模型文档；Hugging Face 模型卡。