Mistral Large 4（Le Chonk）开放权重发布：1 万亿参数多模态模型，主打编程与防御性网络安全

这次发布的是什么

Mistral AI 发布了旗舰模型 Mistral Large 4，代号 Le Chonk。它是一个 1 万亿参数的原生多模态大模型，本月早些时候先以公开预览形式上线，今天正式开放权重。原文没有说明具体发布日期，也没有说明许可证名称，只说“开放权重”，可以自托管和定制。

打个比方：这就像一家餐厅先把新菜给老顾客试吃三周，收集意见后把菜谱公开，谁都能照着做，还能按自己口味改。原文强调它从零开始在欧洲基础设施上训练，训练过程有清晰记录，方便机构自己掌控 AI。

为什么说它擅长写代码

原文给出几个编程成绩：在 Cognition 的私有基准 FrontierCode 2.0 上得 19.7%，该基准看的是代码改动会不会被仓库维护者真正合并；在 Terminal-Bench 4.0 上比预览版提高 13 个百分点到 41%，在开放权重模型中领先；在 Artificial Analysis 编程智能体指数上得 48%，与领先开放模型 GLM-5.3 基本持平，但每个任务平均少用 47% 的 token。

可以这样理解：两个学生考试分数差不多，但一个用掉的草稿纸少一半，说明思路更利落。原文还说在 Surge Code 的盲测人工对比中，它胜过 GLM-5.3、Kimi K3、DeepSeek V4.1 Flash 等开放模型，只排在 Claude Opus 5.5 之后。

三档推理模式怎么选

原文说新模型支持低、中、高三档推理模式。低档适合简单任务，替代原来的“无推理”模式；中档适合日常任务；高档是默认值，用于需要高精度和充分推理的最难场景。这样开发者可以在效果和成本之间自己调档。

生活化地说，就像开车有经济、普通、运动三种模式：买菜用经济档省油，日常通勤用普通档，跑山路才开运动档。原文称推理效率提升让开发者性能更好、推理成本更低，但没有公布每档具体消耗多少 token。

防御性网络安全能力

原文称 Mistral Large 4 在 Artificial Analysis 网络指数上得 51%，该指数衡量模型能否在代码库中发现漏洞、复现并验证漏洞、在不破坏原有功能的前提下打补丁。原文强调它能处理这些正当防御任务而不会动不动拒绝，同时对恶意网络请求的平均拒绝率达到 96.6%，是所测开放模型中最高的。

比喻来说，它像一个既会帮住户检查门锁、又坚决不帮小偷撬锁的保安。Booz Allen Hamilton、Cisco、Cloudflare、CrowdStrike、Elastic 等安全公司的人在原文中给出了评价，提到可审计架构、自托管部署和数据主权等价值。

开放权重意味着什么

开放权重意味着模型训练好的参数可以下载，组织能放在自己的服务器上运行、微调、审计。原文说这让开发者、企业和机构能“拥有、定制、控制”自己的 AI，尤其适合对数据驻留有严格要求的环境。

但要注意：开放权重不等于完全开源。原文没有说明许可证名称、是否允许商用、下载渠道和文件格式，也没有说明上下文长度和训练数据来源。想真正部署的人需要先到官方渠道核对这些条款，不能只看“开放”两个字就动手。

适合谁，不适合谁

适合的人群包括：需要自托管、对数据主权敏感的企业和政府机构；要构建编程智能体的开发团队，尤其是看重 token 成本的团队；做防御性安全分析、漏洞复现和补丁验证的安全团队。原文引用的客户反馈也集中在这些场景。

不太适合的情况：只想用聊天界面、不想维护基础设施的个人用户；需要明确商用授权却还没核对许可证的团队；以及期待它替代专业安全审计流程的组织——原文只说明它在基准和厂商测试中表现好，没有说明它能独立承担完整安全责任。

怎么核验这些说法

原文的成绩都来自第三方或合作方基准：FrontierCode 2.0 来自 Cognition，编程智能体指数和网络指数来自 Artificial Analysis，终端任务来自 Terminal-Bench 4.0，人工偏好来自 Surge Code。想核验的人可以去看这些基准的公开说明，注意它们是私有还是公开测试集。

另外要分清“预览版”和“开放权重版”的数字：Terminal-Bench 4.0 的 41% 是相对预览版提升后的结果，不能和旧版本混着比。原文没有给出发布日期、许可证和定价，这些都需要以官方后续说明为准，本文不做猜测。