Mistral 发布Mistral Large 4（Le Chonk）：编码 Agent 指数比肩 GLM-5.3 与 GPT-6.1 Terra，Token 效率高出 47%

25 0

法国 AI 实验室 Mistral 正式发布了其最新旗舰模型 Mistral Large 4（ML4）的完整权重。该模型因其万亿参数规模被社区昵称为“Le Chonk”。此次发布不仅提供了模型的开放权重，还公布了最新的基准测试数据，显示出西方开源模型在智能体编码与网络安全领域的显著进展。

模型：https://huggingface.co/collections/mistralai/mistral-large-4

编码性能提升与推理效率优化

经过三周的额外强化学习训练，Mistral Large 4 在多项编码基准测试中取得了实质性突破。

基准测试表现：在智能体编码基准 Terminal-Bench 4.0 上，其得分从预览版的 28% 跃升至 41%，在开放权重模型中处于领先地位。在 Cognition 的 FrontierCode 2.0 基准（评估端到端代码质量及仓库维护者合并意愿）中，该模型以 19.7% 的分数领先。
Token 效率：在 Artificial Analysis Coding Agent Index 上，ML4 获得 48 分，与领先的开放权重模型 GLM-5.3 持平，但每任务平均减少了 47% 的 Token 消耗，显著降低了复杂编码智能体的运行成本。
推理模式控制：为平衡性能与成本，模型现支持三种推理模式：
- 低：适用于简单任务，替代原有的“无”推理模式。
- 中：适用于日常编码与开发任务。
- 高（默认）：适用于需要高精度和彻底推理的复杂用例。

Mistral 发布Mistral Large 4（Le Chonk）：编码 Agent 指数比肩 GLM-5.3 与 GPT-6.1 Terra，Token 效率高出 47%

网络安全与防御能力强化

随着 AI 安全事件的增加，Mistral 将网络防御能力作为 ML4 的核心设计目标之一，旨在为组织提供可信赖的防御工具。

漏洞发现与修补：在衡量模型发现、重现并修补 C/C++ 开源项目内存安全漏洞的 CyberGym 基准中，ML4 的表现略优于 DeepSeek V4.1 Flash。
内置安全护栏：模型的内置机制能够有效区分防御性与恶意进攻性任务。在测试中，其对恶意网络请求的平均拒绝率达到 96.6%，在已测量的开放模型中位居首位。
专用安全变体：Mistral 正向 Orange Cyberdefense 等企业合作伙伴提供专用变体的预览访问。该变体针对渗透测试、漏洞评估和红队演练等高级工作流进行了优化，访问需经过严格的合同审查与受控环境限制。

企业级工作流与智能体安全性

除编码与安全外，ML4 在广泛的企业应用场景中也进行了针对性优化。

财务与会计工作流：模型在处理创建和编辑电子表格等真实世界财务任务时能力增强，Finch 分数攀升至 73.3%，在开放模型中仅次于 Kimi K3。
网页浏览与交互：通过强化学习管道，模型在 BrowseComp 基准上达到 84.5% 的得分，超越了 GLM-5.3 与 DeepSeek V4.1 Flash。
智能体安全防护：在 B3 Agent Security Benchmark 中，ML4 抵御了 97.1% 的系统提示泄露或恶意代码注入攻击，较预览版提升明显，使托管方无需额外调优即可运行安全的智能体。

实际应用场景验证

Mistral 展示了 ML4 在无人工干预下完成复杂端到端任务的三个具体案例：

网络漏洞分类：智能体读取漏洞报告，在隔离沙箱中重现缺陷，并持续迭代编写补丁，直至漏洞失效。
智能体网页开发：模型独立构建了“Orbital Trace”（一个包含约 19,000 颗卫星和碎片的实时 3D 地图应用），自动拉取真实跟踪数据，并在浏览器中自我测试与修复减速问题。
量子化学求解器：从零编写计算分子电子位置的软件，对照标准工具验证后，构建了可交互的 3D 页面，允许用户拖动滑块观察化学键断裂时电子的重新组合。

主权 AI 理念与部署选项

Mistral 强调“主权 AI”概念，即组织应保留对其所依赖模型和所创造智能的完全控制权。ML4 在欧洲基础设施上从零开始训练，具备清晰的技术谱系。

本地与私有部署：开发者可从 Hugging Face 下载开放权重，使用 vLLM 或 SGLang 在自有基础设施上部署。企业也可通过 Microsoft Foundry 获取，并利用 Azure 的私有部署选项。
定制化支持：组织可使用 Mistral Forge 结合专有安全数据、策略和检测逻辑对模型进行微调，或使用 Mistral Studio 构建和治理定制智能体。
NVIDIA 生态集成：模型可通过 NVIDIA 托管端点获取，作为优化的 NVIDIA NIM 容器运行，并支持使用 NeMo AutoModel 库进行定制。

许可协议与 API 定价

Mistral Large 4 采用 Mistral Ecosystem Open-Weight 许可（一种修改版的 MIT 许可）。该模型允许免费使用、修改、微调和商业化。唯一的限制是：运营 Model-as-a-Service（模型即服务）产品的企业，在商业使用该模型前必须获得 Mistral 的单独商业许可。

目前，Mistral Large 4 的 API 定价如下：