概览
Mistral AI 迄今最大的模型：1.05 万亿总参数、490 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 49B，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 490 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。官方称将于本月底（2026 年 10 月底）发布权重，并同步公布架构细节、更多基准与后训练方法，在此之前正与网络安全机构、受审核合作伙伴和政府部门做真实场景红队测试。 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=[...])。预览期官方标注的价格为每百万 tokens 输入 0.68 美元（缓存输入 0.07 美元）、输出 2.09 美元，均为原价 1.36 / 0.14 / 4.18 美元的划线优惠价；批处理（Batch，/v1/batch）按官方说明可享 50% 折扣。权重许可证尚未公布，自托管需等待权重发布。来源：mistral.ai/news/mistral-large-4、docs.mistral.ai/models/mistral-large-4-0（2026-10-07 核对）。
- 模态
- 多模态
