尧图网页设计 
据多家媒体报道法国AI公司 Mistral AI 在10月6日发布了新一代旗舰模型 Mistral Large 4简称 ML4代号 le Chonk的公开预览版模型权重计划于本月底正式开放下载。官方将其定位为欧美最强开源模型主攻网络安全、代码、金融、法律等企业级工作负载。在 DeepSeek、Qwen、GLM 等中国开源模型长期占据开源榜单的背景下这次发布更值得关注的是开源模型的竞争正在换一种打法。这次到底发布了什么先把规格摊开讲。据官方文档Mistral Large 4 是一款原生多模态、采用 MoE混合专家架构的通用模型总参数约1.05 万亿但每次推理只激活约490 亿参数带一个1.6B 的视觉编码器支持文字 图片输入上下文窗口100 万 token通过 Mistral Studio 和 API 即可试用预览版。训练方面据媒体报道模型在 Mistral 位于欧洲的自建数据中心内基于约 3800 块英伟达 Grace Blackwell GPU 从零训练历时约两个月训练语料覆盖 160 多种自然语言囊括欧盟所有官方语言。Mistral 还表示预览阶段会联合网络安全机构、可信合作伙伴和政府监管部门做红队测试并适当放宽了内容安全审查策略以强化网络安全攻防能力。定价也是绕不开的一环。官方文档给出的价格是输入$1.36 / 百万 token预览促销 $0.68缓存输入$0.14促销 $0.07输出$4.18促销 $2.09。注意这是预览期价格正式发布后是否调整要以官方口径为准。据媒体报道Mistral 在 9 月刚完成 30 亿欧元约 34 亿美元的 D 轮融资估值约 210 亿欧元资金实力是它敢冲旗舰开源模型的底气之一。技术本质为什么万亿参数还能跑得动一句话解释 MoE总参数决定懂多少激活参数决定每次用多少。模型内部有很多专家子网络处理一个 token 时只唤醒其中一小部分。所以 Mistral Large 4 虽然挂着 1.05 万亿参数的招牌实际每次推理的算力开销更接近一个几十亿参数的大模型。这也是近几年大模型的主流做法开源阵营尤其明显Qwen、GLM、DeepSeek、Llama 一带的旗舰开源模型基本都走 MoE 路线。它的价值在于把能力上限和单次推理成本解耦了。但代价同样存在部署门槛没有想象中低。万亿参数即便只激活一部分要让权重落地能跑仍然需要可观的显存或多卡并行个人开发者的单卡环境基本不现实路由质量决定成败。MoE 的难点在于该叫哪个专家路由没训好能力反而打折“开放权重不等于随便用”。能不能商用、能不能二次训练要看具体许可证别看到开源两个字就默认免费。变了什么、没变什么变了欧洲厂商重新挤回顶级开源模型的牌桌。Mistral 长期被视为欧洲少数能对标 OpenAI、Anthropic 的公司这次发模型被外界解读为夺回开源话语权的动作开源模型的规格继续往上卷。以前是几十 B 参数如今动辄上万亿总参数、百万级上下文多模态也快成了标配。没变开源与闭源前沿之间的能力差距仍然需要靠性价比来弥补。Mistral 官方说的部分领域超越前沿闭源落到具体基准上还要等第三方复现竞争焦点已经从敢不敢开源变成了开源之后普通团队跑不跑得起、值不值得自部署。对开发者怎么用、怎么选、有哪些坑先用 API 试再考虑自部署。权重要月底才放现在最快的方式是通过 API 验证效果。Mistral 提供 OpenAI 兼容的接口可以直接用熟悉的调用方式curlhttps://api.mistral.ai/v1/chat/completions\-HAuthorization: Bearer$MISTRAL_API_KEY\-HContent-Type: application/json\-d{ model: mistral-large-4, messages: [ {role: user, content: 用一句话解释 MoE 架构} ] } **选型时看三点**1. **合规场景优先看自部署**。如果业务数据不能出域金融、医疗、政企开放权重是硬需求——API 再好也不能碰敏感数据。这时候 Mistral 这类欧洲厂商的定位自建数据中心、端到端独立运营会有吸引力。2.2. **算成本要算总账**。单位 token 价格只是账面数字长上下文、多轮对话、Agent 反复调用才是真正烧钱的地方。同样一个任务不同模型消耗的 token 数量可能差很多单价低的模型最终更贵并不罕见。3.3. **别忽略缓存和批量**。Mistral 的缓存输入价格只是标准输入价的一小部分批量处理也能打折工程上把这两块做好往往比单纯比价更有效。 **几个实在的坑** - 预览版 API 用的是促销价正式发布后可能变化预算别按促销价算死 - - 权重月底才放现在谈私有化部署的硬件清单还为时过早 - -100万上下文支持不等于长文本表现好超长上下文里找针的能力务必拿自己业务的数据测 - - 许可证细则要读清楚尤其是商用和再分发条款。## 收个尾Mistral Large4的意义不完全在于参数有多大而在于它把问题摆到了台面上**开源模型的下半场比的不是能不能开源而是开源之后谁跑得起、谁更划算。** 当万亿参数、百万上下文开始变成常规配置普通团队更该关心的是自己那点算力和数据到底适不适合上这么大一匹马。 你会为了数据合规去自部署一个万亿参数模型还是继续用 API评论区聊聊。 Mistral Large 4预览发布：1万亿参数开源模型月底开放权重
据多家媒体报道法国AI公司 Mistral AI 在10月6日发布了新一代旗舰模型 Mistral Large 4简称 ML4代号 le Chonk的公开预览版模型权重计划于本月底正式开放下载。官方将其定位为欧美最强开源模型主攻网络安全、代码、金融、法律等企业级工作负载。在 DeepSeek、Qwen、GLM 等中国开源模型长期占据开源榜单的背景下这次发布更值得关注的是开源模型的竞争正在换一种打法。这次到底发布了什么先把规格摊开讲。据官方文档Mistral Large 4 是一款原生多模态、采用 MoE混合专家架构的通用模型总参数约1.05 万亿但每次推理只激活约490 亿参数带一个1.6B 的视觉编码器支持文字 图片输入上下文窗口100 万 token通过 Mistral Studio 和 API 即可试用预览版。训练方面据媒体报道模型在 Mistral 位于欧洲的自建数据中心内基于约 3800 块英伟达 Grace Blackwell GPU 从零训练历时约两个月训练语料覆盖 160 多种自然语言囊括欧盟所有官方语言。Mistral 还表示预览阶段会联合网络安全机构、可信合作伙伴和政府监管部门做红队测试并适当放宽了内容安全审查策略以强化网络安全攻防能力。定价也是绕不开的一环。官方文档给出的价格是输入$1.36 / 百万 token预览促销 $0.68缓存输入$0.14促销 $0.07输出$4.18促销 $2.09。注意这是预览期价格正式发布后是否调整要以官方口径为准。据媒体报道Mistral 在 9 月刚完成 30 亿欧元约 34 亿美元的 D 轮融资估值约 210 亿欧元资金实力是它敢冲旗舰开源模型的底气之一。技术本质为什么万亿参数还能跑得动一句话解释 MoE总参数决定懂多少激活参数决定每次用多少。模型内部有很多专家子网络处理一个 token 时只唤醒其中一小部分。所以 Mistral Large 4 虽然挂着 1.05 万亿参数的招牌实际每次推理的算力开销更接近一个几十亿参数的大模型。这也是近几年大模型的主流做法开源阵营尤其明显Qwen、GLM、DeepSeek、Llama 一带的旗舰开源模型基本都走 MoE 路线。它的价值在于把能力上限和单次推理成本解耦了。但代价同样存在部署门槛没有想象中低。万亿参数即便只激活一部分要让权重落地能跑仍然需要可观的显存或多卡并行个人开发者的单卡环境基本不现实路由质量决定成败。MoE 的难点在于该叫哪个专家路由没训好能力反而打折“开放权重不等于随便用”。能不能商用、能不能二次训练要看具体许可证别看到开源两个字就默认免费。变了什么、没变什么变了欧洲厂商重新挤回顶级开源模型的牌桌。Mistral 长期被视为欧洲少数能对标 OpenAI、Anthropic 的公司这次发模型被外界解读为夺回开源话语权的动作开源模型的规格继续往上卷。以前是几十 B 参数如今动辄上万亿总参数、百万级上下文多模态也快成了标配。没变开源与闭源前沿之间的能力差距仍然需要靠性价比来弥补。Mistral 官方说的部分领域超越前沿闭源落到具体基准上还要等第三方复现竞争焦点已经从敢不敢开源变成了开源之后普通团队跑不跑得起、值不值得自部署。对开发者怎么用、怎么选、有哪些坑先用 API 试再考虑自部署。权重要月底才放现在最快的方式是通过 API 验证效果。Mistral 提供 OpenAI 兼容的接口可以直接用熟悉的调用方式curlhttps://api.mistral.ai/v1/chat/completions\-HAuthorization: Bearer$MISTRAL_API_KEY\-HContent-Type: application/json\-d{ model: mistral-large-4, messages: [ {role: user, content: 用一句话解释 MoE 架构} ] } **选型时看三点**1. **合规场景优先看自部署**。如果业务数据不能出域金融、医疗、政企开放权重是硬需求——API 再好也不能碰敏感数据。这时候 Mistral 这类欧洲厂商的定位自建数据中心、端到端独立运营会有吸引力。2.2. **算成本要算总账**。单位 token 价格只是账面数字长上下文、多轮对话、Agent 反复调用才是真正烧钱的地方。同样一个任务不同模型消耗的 token 数量可能差很多单价低的模型最终更贵并不罕见。3.3. **别忽略缓存和批量**。Mistral 的缓存输入价格只是标准输入价的一小部分批量处理也能打折工程上把这两块做好往往比单纯比价更有效。 **几个实在的坑** - 预览版 API 用的是促销价正式发布后可能变化预算别按促销价算死 - - 权重月底才放现在谈私有化部署的硬件清单还为时过早 - -100万上下文支持不等于长文本表现好超长上下文里找针的能力务必拿自己业务的数据测 - - 许可证细则要读清楚尤其是商用和再分发条款。## 收个尾Mistral Large4的意义不完全在于参数有多大而在于它把问题摆到了台面上**开源模型的下半场比的不是能不能开源而是开源之后谁跑得起、谁更划算。** 当万亿参数、百万上下文开始变成常规配置普通团队更该关心的是自己那点算力和数据到底适不适合上这么大一匹马。 你会为了数据合规去自部署一个万亿参数模型还是继续用 API评论区聊聊。