Mistral ML4 开权重解读：万亿参数 Le Chonk，编程、安全与推理成本有哪些变化？

Mistral ML4 的完整名称是 Mistral Large 4，昵称 Le Chonk。它并不是这两天才首次出现：官方模型文档标注的公开预览时间为 2026 年 10 月 6 日，而最新开权重公告的重点，是开放经过进一步强化学习改进的模型权重，同时更新编程、防御安全和推理效率表现。

因此，这篇围绕最新开权重版本展开，而不是把月初预览成绩和当前成绩混在一起。对企业而言，看点既是能力，也是能否自行运行、定制，以及实际推理成本。

本文依据截至 2026 年 10 月 30 日核对的 Mistral 官方公告、模型文档与官方模型卡整理。成绩均为发布方引用或报告的结果，并非 TboxIO 独立复测；成本示例为公开费率计算。

先看规格：总参数与激活参数不是一回事

项目	官方信息
名称	Mistral Large 4 / ML4 / Le Chonk
架构	原生多模态、细粒度 MoE
总参数	文档列 1.05T，宣传简称约 1T
激活参数	每 token 约 49B；含嵌入和输出层约 52B
专家结构	128 个路由专家，每 token 激活 4 个，另有 1 个共享专家
视觉编码器	文档列 1.6B 参数
输入与输出	文本、图像输入，文本输出
上下文	1M
推理强度	low、medium、high，默认 high
API 模型标识	mistral-large-4
权重仓库	mistralai/Mistral-Large-4-1T-A52B

49B 与 52B 的说法有统计范围差异，官方模型卡给出了包含嵌入与输出层的说明，不应把它们写成互相冲突的两款模型。MoE 每 token 激活部分参数，也不代表部署时只需存放 52B 权重。

模型卡称原生支持 160 多种语言，但这不是每种语言能力相同的证明。文本、图像输入也不等于原生音频或视频输出；应按具体接口和工具区分。

最新跑分：编程效率是重点，综合能力仍有边界

指标	最新版本官方报告	应如何解读
Cognition FrontierCode 2.0	19.7%	私有基准，关注端到端代码质量与维护者是否愿意合并
Artificial Analysis Coding Agent Index	48%	官方称与 GLM-5.3 大致持平，平均每任务少用 47% token
Terminal-Bench 4.0	41%	相对公开预览高 13 个百分点，输出 token 少 30%
Artificial Analysis Cyber Index	51%	漏洞发现、复现验证及不破坏功能的修复任务
FinWorkBench（Finch）	73.3%	财务、会计等工作流，尤其电子表格创建与编辑
BrowseComp	84.5%	公告对照的是 75% 的 SFT 检查点，不是所有旧版模型
B3 Agent Security：攻击抵抗率	97.1%	公开预览为 93.3%，提升 3.8 个百分点
Artificial Analysis Intelligence Index v5	26	综合指数，不应写成 26% 正确率

这些项目的量纲与测试设置不同，不宜直接平均成“综合胜率”。FrontierCode 2.0 是私有测试，无法仅凭一个数字完成公开复现。Coding Agent Index 的节省是相对指定对照模型的平均 token 数，不是所有任务、所有模型都少用 47%。

官方模型卡也明确承认：在 Intelligence Index v5 上，领先的中国开权重模型分数更高。ML4 的编码与安全优势，不等于通用能力全部第一。

官方还引用 Surge Code 的盲测偏好结果，称在参与比较的模型中，ML4 优于 GLM-5.3、Kimi K3、DeepSeek V4.1 Flash，仅落后于 Claude Opus 5.5。这里是特定评测集合中的人工偏好，不是所有模型、所有编程任务的绝对排名，本文也不补造未核实的具体胜率。

相对月初预览版，哪些提升有明确对照？

最直接的同系列对照是 Terminal-Bench 4.0：新版本达到 41%，提高 13 个百分点，同时输出 token 减少 30%。按公告差值倒推，预览约为 28%，但这个 28% 是算术推导，不是本站重新测得的分数。百分点变化也不能写成只提升 13% 的相对增幅。

B3 抵抗率从 93.3% 到 97.1%，是 3.8 个百分点差异。BrowseComp 从 75% 到 84.5% 则明确比较 SFT 检查点与后续强化学习效果，不应直接当作旧版 API 升级幅度。

除此之外，官方强调编码、企业任务和效率继续改善，但并没有在本文所引文字中给出每项任务完整的预览版对照。对缺少同条件数据的项目，不宜自行填入提升倍数。

防御安全增强，不等于不会出错

Cyber Index 关注发现和复现漏洞、验证问题，再修补代码且不破坏既有功能。官方同时报告恶意网络请求平均拒绝率 96.6%，统计来自 JailbreakBench、StrongREJECT、AgentHarm 的相关提示。

96.6% 是指定请求集合中的拒绝率，97.1% 是 B3 的攻击抵抗率；两者不是同一个指标，也不能解读成“能发现 97.1% 的真实漏洞”或“完全免疫提示注入”。

公告提到面向经过审核企业伙伴的专门安全变体，该变体有单独访问条件，不能与公开下载的通用 ML4 混为一谈。对于实际代码审查与修复，仍应检查误报、漏报和回归测试结果；模型评分不能替代系统本身的权限和验证机制。

三档推理：默认 high，简单任务可降档评估

档位	官方建议
low	简单任务，替代原先的 None 模式
medium	日常任务
high	默认；复杂 Agent 和高精度任务

模型卡建议采样参数 temperature=1.0、top_p=0.95，并要求工具描述清晰、数量聚焦。接入旧工作流时，不能直接假定原来的 None 参数仍保持同样含义。

模型同时提供函数调用、JSON 输出和严格 JSON Schema。推理强度提高会影响时间与 token 消耗，应以完成质量和实际成本选档，而不是把默认 high 视为所有场景最佳。官方说明 max_completion_tokens 包含推理 token 和可见输出，预算不应只按最终文字长度估计。

API 价格与成本示例

最新公告及文档列出的每百万 token 美元价格如下：

项目	价格
普通输入	$0.70
缓存输入	$0.07
输出	$2.10

以 10,000 个普通输入 token 加 2,000 个计费输出 token 为例，不使用缓存，模型 token 费用约为 $0.0112。这只是固定数量的计算，不包括其他工具或平台费用，也不保证每次任务只消耗这些 token。

缓存需要实际命中才适用相应费率；推理、反复调用工具和重试会改变总量。因此，官方报告 token 更高效值得关注，但不等同于所有项目的账单按同样百分比下降。不同托管商的定价与服务条件也应分别核对。

自部署：开放权重不是消费级单卡承诺

官方模型卡推荐 vLLM，并列出 SGLang、Transformers、llama.cpp 的生态支持。示例采用 8 路张量并行，但这是服务配置示例，不是对所有精度和硬件的最低卡数声明。

基础仓库标注 FP8，同时提供面向 Blackwell GPU 的 NVFP4 检查点。量化可以减少内存占用，但总权重、KV cache、并发与上下文长度仍决定完整部署需求；本文未做本地硬件速度或显存实测。

模型还附带 DSpark 推测解码 draft head，官方报告最高约 1.9 倍吞吐，并明确实际收益随硬件与工作负载变化。吞吐不是每位用户的延迟，不能写成任何设备都快 1.9 倍。

接入工具时需匹配推理与工具解析器。官方 vLLM 示例使用 mistral reasoning parser 和 tool-call parser；内存不足时建议降低最大模型长度或并发。因此，“支持 1M”不等于任意机器都能轻松跑满上下文。

许可证和适用人群

官方称采用 Mistral Ecosystem Open-Weight License，是修改版 MIT；公告与模型卡特别指出，经营 Model-as-a-Service 业务的商业使用需要另行取得 Mistral 商业许可。因此不能简单写成无额外条件的标准 MIT 或 Apache 2.0，实际使用应阅读仓库完整 LICENSE。

若团队需要可控部署的代码 Agent、防御安全辅助、文档与图表理解，ML4 值得列入评估。对已用预览版的团队，应在固定代码仓库和任务集上比较成功率、人工修改量、token、延迟及费用。自部署团队还需评估硬件、量化和运维，而不只看 API 单价。

TboxIO 的判断：本次 ML4 的核心是经过改进的权重开放，以及编码、防御安全与 token 效率的组合。官方数据支持认真试用，但不能推导为所有任务最强、完全安全或低成本单卡部署。

参考来源

• Mistral 官方开权重公告：成绩、预览对照、价格及许可说明
• 官方模型文档：参数、上下文、API 与价格
• 官方模型卡：架构、激活参数口径、推理设置与部署