2026 年 10 月 6 日，Mistral AI 以公开预览的形式发布了 Mistral Large 4，内部代号 Le Chonk，简称 ML4。按照模型文档，这是一个细粒度混合专家（MoE）模型：总参数 1.05 万亿，每个 token 激活 490 亿，另带一个 16 亿参数的视觉编码器，上下文窗口为 100 万 token。它是在 Mistral 位于欧洲的自有数据中心内、用 3800 块 NVIDIA Grace Blackwell GPU 从零训练完成的。
在架构层面，ML4 属于指令与推理混合的 MoE，原生支持图像输入。每个 token 只激活约 4.7% 的权重，这也是万亿级模型能够以中端价格提供服务的原因。但需要注意，完整的 1.05 万亿参数仍需全部驻留显存——激活参数决定的是计算量，而不是硬件账单。目前 Mistral 尚未公布专家数量、top-k 路由策略和层结构，这些信息会随权重一起发布。训练数据覆盖 160 多种语言，其中包含所有欧盟官方语言。
API 现已上线，输入价格为每百万 token 1.36 美元，输出每百万 token 4.18 美元。缓存输入的价格是每百万 token 0.14 美元，在 100 万 token 上下文的场景下，这一价格会显著影响长时智能体循环的成本结构。权重承诺在 2026 年 10 月底发布，因此目前还不能自行部署，许可证也尚未公布。
性能方面，网络安全是最亮眼的部分：Mistral 报告 Cybench 得分 93%、CyberGym-E2E 得分 82%，在 Artificial Analysis Cyber Index 上进入全球前五。更值得关注的是其背后的结构性论断——Mistral 表示，若干闭源前沿模型在 CyberGym-E2E 上接近零分，原因在于它们直接拒绝执行任务。复现漏洞以验证其真实存在，属于标准的防御性安全工作，而服务商层面的拒绝会直接阻断这类工作。
在智能体编程方面，Mistral 给出的数据是 DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4.0 28.3%，合并计算后的 Artificial Analysis Coding Agent Index 为 49.8%。Mistral 也说明，这些结果是在测试框架公开之前私下评估的，因此目前尚不能独立复现。相比之下，与 Surge AI 合作的盲测人类评估可能是更诚实的信号：专业标注员给 ML4 Preview 打了 3.74 分（满分 5 分），在 5 个模型中排名第二，领先 GLM-5.3（3.60）和 Kimi K3（3.59），但落后于 Claude Opus 5 的 4.22。安全性上，ML4 在 Lakera 的 B3 基准上能抵御 93.3% 的攻击，在 KORABench 上得分 1.691（满分 2.0）。
与最接近的开源权重竞品相比，几款模型的定位差异明显。DeepSeek V4 Pro 总参数 1.6 万亿、每 token 激活 490 亿、上下文 100 万 token，不支持原生图像输入，权重已上架 Hugging Face，采用 MIT 许可证，API 价格因提供商而异，于 2026 年 8 月发布（0813 构建）。Kimi K3 总参数 2.8 万亿、每 token 激活约 1040 亿、上下文 100 万 token，支持原生图像输入，权重自 2026 年 7 月 27 日起可用，采用 Modified MIT 许可证，输入/输出价格为 3 美元/15 美元，2026 年 7 月 16 日发布。GLM-5.3 的总参数与激活参数未正式公布，上下文 100 万 token，不支持原生图像输入，权重情况依据 Artificial Analysis，采用 GLM-5.3 许可证，价格为 1.40 美元/4.40 美元，2026 年 8 月 14 日发布。ML4 的差异化优势在于原生多模态、100 万 token 上下文和较低的 API 价格，但权重与许可证仍待公布，这是它相对其他开源权重模型最明显的短板。
今天就能用它做什么？预览 API 支持函数调用、结构化输出、文档问答、批处理，以及 Agents 和 Conversations 端点。缓存输入 0.14 美元/百万 token 的定价，让 100 万上下文下的长时智能体循环在经济上变得更可行。整体来看，ML4 是一次分量不轻的欧洲主权 AI 发布：训练和部署都在欧盟数据中心完成，模型规模迈入万亿级，同时在网络安全这类闭源模型常常拒绝的领域给出了差异化表现；但权重、许可证以及第三方独立复现，仍是需要继续观察的待验证项。