← 返回 Siami 首頁

Mistral Large 4 權重真的開了:1.05 TB 檔案放上 Hugging Face,但官方自己的圖表顯示 DeepSeek 資安分數還是贏它

▲ 1,071 💬 311
Mistral Large 4 權重真的開了:1.05 TB 檔案放上 Hugging Face,但官方自己的圖表顯示 DeepSeek 資安分數還是贏它

編按:本文綜合整理自 Mistral 官方公告〈Mistral Large 4 (Le Chonk) is now open weight〉、Hugging Face 模型卡 mistralai/Mistral-Large-4-1T-A52B、Mistral Ecosystem Open-Weight License 授權條款、TechCrunch 報導、CNET 報導、Mistral 10 月 6 日預覽公告、Hugging Face 官方部落格 與 Hacker News 討論串(1,071 分、311 則回覆),並加入 Siami 編輯部觀點與分析。

2026 年 10 月 29 日,法國 AI 公司 Mistral AI 兌現了三週前的承諾:旗艦模型 Mistral Large 4(暱稱「Le Chonk」) 的完整權重,正式放上 Hugging Face。

10 月 6 日那場發表會上,Mistral 只開放了 API 預覽版,並留下「權重預計 10 月底釋出」的說法。當時的技術部落格還在逐條追問權重到底什麼時候才會真的落地。三週後,答案兌現了 —— 而且不是原封不動地兌現。


權重有多大:1.05 TB、54 個分片、56,563 個張量

先講最實際的數字。根據 Hugging Face 上 mistralai/Mistral-Large-4-1T-A52B 這個 repo 的 consolidated.safetensors.index.json,total_size 欄位寫著 1,060,548,427,328 bytes,也就是約 1.06 TB。

  • 分片數量:54 個 .safetensors 檔,每片 20 GB,總計約 1,060.55 GB
  • 張量數量:56,563 個
  • 檔案總數:69 個(包含 tokenizer、config、processor 等)
  • 上線狀況:發布當天已有 278 次下載、1,200 個 like

架構本身沒有在這三週改變。模型卡寫得很清楚:1 兆總參數的原生多模態 Mixture-of-Experts,每個 token 啟用 52B 參數(其中 49B 是 active parameters,加上 embedding 與輸出層)。具體結構是 128 個路由專家、每 token 選 4 個,外加 1 個共享專家。context 長度 1M,原生支援 160+ 種語言,包含歐盟所有官方語言。

訓練環境是 3,800 張 NVIDIA Grace Blackwell GPU,全部在 Mistral 自有的歐洲資料中心完成。

順帶一提,權重檔內嵌了一個 DSpark 推測解碼的 draft head,這在開源權重裡相當少見 —— 通常推測解碼的草稿模型是要另外發的。另外官方也釋出了 NVFP4 量化版本(Mistral-Large-4-1T-A52B-NVFP4),鎖定 Blackwell GPU,可用 vLLM 與 SGLang 跑。


三週的強化學習,數字確實往上跳了

Mistral 這次的核心敘事是:從預覽到正式釋出之間的三週,團隊持續擴大強化學習(RL)規模,「提升還在加速,沒有飽和的跡象」。官方給出的數字如下(皆取自 Mistral 官方頁面圖表原始資料):

  • Terminal-Bench 4.0:從預覽期自報的 28% 提升到 41.4%,自稱在開源權重模型中領先
  • Cognition FrontierCode 2.0(該公司的私有基準,評估「維護者是否會合併這個 agent 的改動」):19.7% 領先
  • Artificial Analysis Coding Agent Index:48%,與開源權重龍頭 GLM-5.3 幾乎並列,但每任務平均少用 47% token
  • Surge Code 人工偏好盲測:擊敗 GLM-5.3(64%)、Kimi K3(64%)、DeepSeek V4.1 Flash(56%),但落後 Claude Opus 5.5(22%)
  • FinWorkBench(Finch):從 67.4% 升到 73.3%,開源模型中僅次於 Kimi K3
  • BrowseComp 網頁瀏覽:從 SFT checkpoint 的 75% 拉到 84.5%
  • B3 Agent Security 基準:從 93.3% 升到 97.1% 的攻擊抵抗率

其中 token 效率是最實用的一項。對要把 coding agent 大量跑在production 環境的團隊來說,分數跟 GLM-5.3 打平、token 少用 47%,等於帳單直接砍一半。


但官方自己的圖表揭露了另一件事

這是本文最該被講出來的部分。Mistral 這次把資安能力當成主打,官方新聞稿寫的是「在 Artificial Analysis Cyber Index 上拿下 51%,這衡量的是模型在程式碼庫中發現漏洞、重現並驗證、修補且不破壞既有功能的能力」。

問題是,同一頁的那張圖表裡還有別的數字:

模型Artificial Analysis Cyber Index
DeepSeek-V4.1-Flash 101757%
MiMo-V2.6-Pro56%
Mistral Large 450.9%
GLM-5.3 Flash50%
Kimi K341%
GLM-5.336%
Beam 1.034%

換句話說,在 Mistral 自己用來證明「開源權重第一資安模型」的那張圖上,兩個中國開源模型的資安分數都比它高。Mistral 確實贏過 GLM-5.3 與 Kimi K3,但輸給 DeepSeek 的 Flash 版本和 MiMo。

這不是外部挑釁,是官方頁面裡明擺著的資料。同一個模式也出現在 AGI Intelligence Index v5:模型卡自己寫著 ML4 得分 26,是「西方開源權重模型中最高」,但同一句話接著承認「中國領先的開源權重模型在這個綜合指數上分數更高」。

Mistral 的措辭一直很精確 —— 從不宣稱自己是全球第一,而是說「西方最強」或「最佳開源權重模型之一」。這是修辭上的取巧,不是數據上的造假。但讀者很容易在標題的「state-of-the-art among open weights」裡讀到比實際更強的宣稱。


授權條款:修改版 MIT,但 MaS 需另簽商業授權

權重採用 Mistral Ecosystem Open-Weight License,官方描述為「修改過的 MIT 授權」。實際條文讀起來大致如下:

  • 可自由使用、複製、修改、合併、發布、分發、再授權、甚至出售模型本體或其衍生物
  • 唯一的實質限制是:若授權人或其關係企業經營 Model-as-a-Service 業務,必須先與 Mistral 另行簽訂商業授權
  • 條款明確定義 MaS 為「讓第三方能對輸入、參數或訓練資料行使實質控制的推論或後訓練服務」,且明文排除兩種情況:把模型能力嵌入特定功能的終端產品、以及單純轉送請求給他人託管的模型
  • 第 3 條另補充:內部使用(不對第三方開放)以及透過 Mistral 官方產品存取,不適用第 2 條

Hacker News 上對這段的解讀分成兩派。一派認為這讓「open weight」成了誤導性說法,應該叫 weight-available,理由是 Redis、Elasticsearch、Terraform 轉 source-available 時也曾引發類似反彈;另一派認為條款講在前面、內部與研究用途完全不受限,已經比那些從不釋出權重的前沿實驗室開源得多。

Hacker News 網友 dannyw 的說法或許最貼切:「我可以架設、可以執行、可以使用;但如果我想把存取權當成推論服務賣出去,就得先拿到授權。開源權重模型的經濟學一直都不太穩。」


價格近乎砍半,這才是真正的殺手級更新

除了權重釋出,Mistral 這次同時把 API 定價砍到接近預覽期的一半:

項目預覽期(10/6)正式釋出(10/29)降幅
輸入$1.36 / M tokens$0.70 / M tokens−49%
輸出$4.18 / M tokens$2.10 / M tokens−50%
快取輸入—$0.07 / M tokens新增

快取輸入價降到輸入價的十分之一,對大量重複 system prompt 的 agent workloads 是實質降本。

Hacker News 網友 Topfi 的實測回饋值得記錄:「在我原本的評測價格下,Mistral Large 4 Preview 是不具競爭力的。以這個價格再加上一些改進,這次完整發版值得我大幅重新評估。」

相較之下,那 1.06 TB 的權重檔案下載與自架成本才是真正的門檻 —— 這不是一般開發者或小公司能吞下的數字,多數人終究會回到 API 上。


部署選項與生態支援

Mistral 列出的可用路徑相當完整:

  • Mistral Studio、Mistral API(模型 ID mistral-large-4)、OpenRouter
  • Hugging Face 權重自行部署:官方推薦 vLLM(--tensor-parallel-size 8),另支援 SGLang、transformers、llama.cpp
  • NVIDIA 託管的 endpoint,以最佳化的 NVIDIA NIM container 提供,可搭配 NeMo AutoModel 或 TensorRT-LLM
  • Microsoft Foundry —— 微軟是第一個提供 Mistral Large 4 的雲端廠商,並提供 Azure 上的私有部署選項
  • 微調生態:Axolotl、Unsloth、TRL
  • Mistral Forge 可用專有資料、安全政策與偵測邏輯客製化模型
  • Mistral Vibe 是官方自家由 Mistral Large 4 驅動的 coding agent

推理建議參數:溫度 1.0、top_p 0.95、reasoning effort 預設為 high,另有 low/medium 兩檔可調。


Mistral 自己承認的那個問題

這次官方公告裡有一段很少被引用的自白,值得單獨提出來。Mistral 寫道:「自預覽期以來,我們在實際流量中仔細監控了與網路安全相關的使用。我們觀察到模型拒絕對線上目標進行黑箱攻擊,但我們看到它有進行真實攻擊的潛在可能。我們正在相應地調整防護rails,並會在未來幾個月持續更新。」

同時,官方也正提供給 Orange Cyberdefense 等企業設計夥伴「專為進階網路安全工作流最佳化的 Mistral Large 4 特殊變體」預覽存取權,涵蓋滲透測試、漏洞評估與紅隊演練 —— 但限定在自有或明確授權的系統、受控環境中,並有嚴格審查與合約保障。

換句話說:Mistral 一邊把「資安能力最強的開源模型」當賣點,一邊承認自己在生產流量裡觀察到這份能力有被用來打真實目標的風險。開源權重 + 生態部署 + 資安能力的組合,本身就是一把雙刃劍 —— 這也是為什麼 Mistral 同一份公告裡塞進八家資安業者的正面背書(Booz Allen、Cisco、Cloudflare、CrowdStrike、Elastic、ENISA、Fortinet、Orange Cyberdefense、Rubrik、Zscaler)。


為什麼這件事重要

第一,歐洲終於有一個能跟中國開源模型正面對抗的籌碼,而且是可以自己下載的。 Mistral 的整個「主權 AI」敘事到今天才第一次落地 —— 在權重只存在於 API 裡的時候,「主權」兩個字其實有點空心,因為你還是得經過 Mistral 的伺服器。權重一開,這件事才真的成立。Hugging Face 的 Jeff Boudier 說得直接:「AI 主權不等於選擇要呼叫哪一個 API,而是要有自由在自己的條件下執行、客製化並建構 AI。」

第二,開源權重的競爭已經進入「效能 × 成本」而非「效能 × 效能」的階段。 三週的 RL 把 Terminal-Bench 拉高 13 個百分點,同時 token 用量砍 47%、價格砍半 —— 這是在回答一個更實際的問題:誰能讓企業真的把 agent 放進 production,而不是停在 demo 階段。

第三,這次發布的資安定位,某種程度上是整個歐洲 AI 產業鏈的集體訴求。 從 Booz Allen 到 ENISA、從 La Banque Postale 到 Crédit Agricole,十幾家歐洲機構同時出來背書同一件事:資料主權與法規遵循已經變成採購 AI 的硬門檻。Mistral 把 Cyber Index 當主打,不是因為資安最亮眼(它不是),而是因為資安是歐洲市場最需要、也最容易用「你跑在我硬體上」來說服的場景。

第四,也是最容易被忽略的一點:權重釋出不等於能力變強。 三週的 RL 確實讓分數上跳,但模型架構、參數量、context 長度都沒變。真正改變的是「誰能用」——從只有 Mistral 客戶能用,變成任何有 1.06 TB 儲存與 8 卡以上推論資源的組織都能用。這是分發範圍的勝利,不是技術的勝利。


數據解讀與質疑

質疑一:「state-of-the-art among open weights in cyber」這句話的適用範圍,比多數人讀到的要窄。 官方自己的圖表顯示 DeepSeek-V4.1-Flash 1017(57%)與 MiMo-V2.6-Pro(56%)都高於 Mistral Large 4 的 50.9%。Mistral 的措辭是「開源權重模型中最好的之一」而非「全球第一」,但配上「state-of-the-art」這個詞與 HN 上 1,071 分的熱度,多數讀者會直接理解成「開源界最強」。看 benchmark 一定要把同一張圖裡的所有對手數字看完整 —— 這次尤其如此,因為關鍵數字就擺在官方頁面上,只是不在標題裡。

質疑二:96.6% 的惡意拒答率是一個沒有對照組的孤立指標。 Hacker News 網友 3form 的提問很銳利:「哪裡有『不會拒絕非惡意請求』的統計數字?」官方給的是 JailbreakBench、StrongREJECT 與 AgentHarm 上「平均拒答率 96.6%」,但沒有同時揭露合法的防禦性請求有多少被誤拒。Hacker News 另一位網友 kouteiheika 更直接:開源權重模型上的防護rails,在能自己架主機、能 prefill 並編輯思考過程的前提下,「純粹是安全劇場,只是要替發佈者擋掉可能發生的公關災難」。這在技術上完全成立 —— 護欄對閉源 API 有效,對拿到權重的人只是UX 提示。

質疑三:1.06 TB 的實際意義,比「開放權重」這個標題暗示的小很多。 這是一個需要 8 卡以上資料中心級硬體(官方 vLLM 建議 --tensor-parallel-size 8)、約 1 TB 以上儲存空間的模型。HN 網友 anigbrowl 提到硬體成本:「你可以在桌上放 512GB VRAM,如果你願意砸 3 萬美元買 Apple 的機器,對很多小公司來說是可負擔的。」量化(NVFP4、GGUF)與跨機協同能壓縮需求,但「任何人可以下載」與「多數人跑得起」之間還隔著一整個機房。因此實際受惠最大的,是有既有推論基礎設施的組織、歐洲受法規約束的企業,以及本身就是推論服務商的玩家 —— 而最後這一類還得先回頭跟 Mistral 談商業授權。

質疑四:價格砍半的真正原因,可能是預覽期的定價本來就訂錯了。 從 $1.36/$4.18 直接砍到 $0.70/$2.10,是把之前「以 API 預覽價為賣點」的策略整個翻轉過來。這對已經按預覽價簽約的早期客戶是好事,但反過來也說明:Mistral 在預覽期對自家模型在真實工作負載上的競爭力,可能比當時呈現的更沒把握。


結語

三週前那場發表會上,Mistral 說權重會在月底釋出。多數人(包括不少技術媒體)把它當成行銷話術 —— 因為同一份文件裡還寫著模型「仍在紅隊測試中」,而「1 兆參數 1M context」這種規格,光是讓它跑起來就需要一整間機房。

現在權重真的躺在 Hugging Face 上,56,563 個張量、54 個分片、一個字都沒有少。這個模型從「Mistral 說了算」變成「誰想用誰下載」,至少在形式上如此。

而它同時把幾個更麻煩的問題擺到桌面上:開源權重模型的安全護欄對誰有效、歐洲的「主權 AI」在拿權重與拿 API 之間差別有多大、還有 Mistral 自己的圖表裡那兩個分數比它高的中國模型。權重開了,這些問題才第一次有了討論的基礎。

網友熱門留言 (6)

#1 Hacker News 網友 maxloh 0
稱這個叫「open weight」是有誤導性的。當年 Redis、Elasticsearch、Terraform 轉為 source-available 時我們也有過很大的反彈不是嗎?這種授權方式比較精確的說法應該是 weight-available。Qwen、GLM、Kimi、MiniMax 也一樣。如果他們真的想走開源路線,就該選一個 OSI 認可的授權。
#2 Hacker News 網友 anigbrowl 0
去網路法院告他們吧。我受夠了把每個法律/合約問題都當成二元對錯來看,把有彈性的條文當成咒語的魔法詞。他們有把需要授權才能商業利用這件事講在前面,但同時你可以在沒有任何限制的情況下拿來做個人/實驗/科學/教育/開發用途,這已經很多了。它不是按照你虔誠定義下的 100% 開源,但肯定比那些從來不釋出權重的前沿實驗室開源得多。你要開公司就去買授權然後開心一點。
#3 Hacker News 網友 3form 0
「在 Cyber benchmark 上維持強勁表現,同時在惡意網路攻擊請求上達成 96.6% 的平均拒答率,這是我們在開源模型中測到的最高值。」我覺得這裡說著顯而易見的事情卻好像漏了什麼。哪裡有「不會拒絕非惡意請求」的統計數字?我用 random(1000) < 967 也能達到同樣的表現。
#4 Hacker News 網友 kouteiheika 0
這些統計數字和安全防護基本上沒有意義,因為要繞過它們實在太容易了。你可以先填充再編輯模型的回應/思考過程,逼它同意幾乎任何事;如果你不想花時間搞越獄又可以自己架主機,那麼替模型去censorship基本上是一個人一個週末的專案。開源權重模型上的防護rails純粹是安全劇場,只是要替發佈者擋掉可能發生的公關災難。
#5 Hacker News 網友 Topfi 0
他們把價格砍下來了,現在幾乎是預覽期的一半(輸入每百萬 token 0.7 美元、輸出 2.1 美元, versus 預覽時輸入 1.36 美元、輸出 4.18 美元)。在我原本的評測價格下,Mistral Large 4 Preview 是不具競爭力的。以這個價格再加上一些改進,這次完整發版值得我大幅重新評估。
#6 Hacker News 網友 rhdunn 0
有意思的是最近所有 SOTA 模型都落在 1T 到 3T 這個區間,而且啟用參數量也很大(A52B)。OpenAI、Anthropic 這些大概也有類似尺寸的模型。這會帶來兩個效果:第一,它讓這些模型無法有效在消費級硬體上使用;第二,它把訓練與執行的需求推向現有與未來的資料中心,運作成本變得更貴。如果能多一點更精簡的模型、更多不是「丟更多算力去撞題」的研究,那就好了。也許他們可以像 Qwen 過去那樣,從大模型訓練出小模型。