概览
Mistral AI 迄今最大的模型:1.05 万亿总参数、520 亿激活的原生多模态 MoE,1M 上下文,主打编程智能体、网络安全与视觉定位,10 月底开放权重。 能力: - 细粒度 MoE:总参数约 1.05T,每 token 激活 52B,另带 1.6B 视觉编码器 - 原生多模态:理解复杂文档、图表、自然图像,视觉定位能力突出 - 1M 上下文,支持结构化输出、函数调用、文档问答、Prefix、批处理 - 可在 Agents & Conversations API 中使用内置工具 - 官方测评:DeepSWE v1.1 61.7%、Terminal-Bench 4 28.3%、Cybench 93% - 预训练语料覆盖 160 多种语言,含欧盟全部官方语言 - 在 Mistral 位于欧洲的自有数据中心训练与提供服务 API ID:mistral-large-4(别名 mistral-large-4-0) 概览: Mistral Large 4(官方昵称 ML4、「Le Chonk」)是 Mistral AI 于 2026 年 10 月 6 日发布公开预览的旗舰模型,也是其迄今规模最大、能力最强的模型。官方文档写明它是开放权重、通用、原生多模态的细粒度混合专家(MoE)模型:总参数 1.05 万亿、每 token 激活 520 亿,另有 16 亿参数的视觉编码器,上下文 1M tokens。模型在 Mistral 位于欧洲的自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练,预览 API 也在同一基础设施上提供;训练数据覆盖 160 多种语言。2026 年 10 月 29 日官方发布了改进版并开放权重(Hugging Face:mistralai/Mistral-Large-4-1T-A52B),称编程和防御性网络安全能力相比预览版有大幅提升,推理也更省 token;权重可用 vLLM、SGLang 自托管,也可通过 OpenRouter、NVIDIA NIM 使用。 能力方面,官方披露的数据包括:编程智能体 DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%;Artificial Analysis Cyber Index 位列全球前五,在「复现并修补真实开源漏洞」测试中得分 82%,Cybench 40 道题解出 93%;AutomationBench(657 个 Gmail、Google 表格、Slack、Salesforce 等业务流程)59.9%;视觉定位 Dense 200 上 42%。以上均为官方数据,尚待第三方复核。官方同时强调安全性:Lakera B3 间接提示注入基准抵御 93.3% 的攻击;KORA 基准得分 1.691(满分 2),为官方测得的开源模型最高分。 使用方式:在 Mistral Studio 申请 API Key 后,用 Chat Completions 或 Conversations 接口调用,模型名填 mistral-large-4。官方 Python 示例为 from mistralai.client import Mistral,client = Mistral(api_key=os.environ["MISTRAL_API_KEY"]),再调用 client.chat.complete(model="mistral-large-4", messages=[...])。自 2026 年 10 月 29 日起官方价格为每百万 tokens 输入 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元(此前预览期为 1.36 / 0.14 / 4.18 美元);批处理(Batch,/v1/batch)按官方说明可享 50% 折扣。权重许可为 Mistral Ecosystem Open Weight License v26.10(在 MIT 基础上修改):可免费使用、修改、微调和商用,唯一条件是以「模型即服务」(MaaS)方式对外商用的企业须另向 Mistral 取得商业许可。来源:mistral.ai/news/mistral-large-4、mistral.ai/news/mistral-large-4-oss、docs.mistral.ai/models/mistral-large-4-0、huggingface.co/mistralai/Mistral-Large-4-1T-A52B(2026-10-07 核对,开放权重、许可与价格 2026-10-30 复核)。
- 模态
- 多模态
- 许可说明
- 开源 · Mistral Ecosystem Open Weight License v26.10




