答案已發布19 個來源
Mistral 開放「Le Chonk」權重，編碼表現進步但仍有待檢驗
Mistral 於 10 月 29 日公開 Mistral Large 4（暱稱「Le Chonk」）權重；模型曾於 10 月 6 日推出預覽版。[9][18] 官方文件列出模型共有 1.05 兆參數、每次啟用 520 億參數，並搭載 16 億參數的視覺編碼器。[1] Mistral 表示，額外強化學習後，模型在 Terminal Bench 4.0 的分數由 28% 升至 41%；現有資料未能確認訓練確切持續了三週。[10][11]
發布者圖片由 GPT Image 2 生成
研究答案
重點整理
- Mistral 於 10 月 29 日公開 Mistral Large 4（暱稱「Le Chonk」）權重；模型曾於 10 月 6 日推出預覽版。[9][18]
- 官方文件列出模型共有 1.05 兆參數、每次啟用 520 億參數，並搭載 16 億參數的視覺編碼器。[1]
- Mistral 表示，額外強化學習後，模型在 Terminal Bench 4.0 的分數由 28% 升至 41%；現有資料未能確認訓練確切持續了三週。[10][11]
- Artificial Analysis Coding Agent Index 的回報分數為 48%，與 GLM 5.3 並列；Mistral 也稱每項任務使用的 token 少 47%。[11]
AI 提示詞
openai.comCreate a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general web, ai safety, openai, agents, ai. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Mistral 於 10 月 29 日公開旗艦模型 Mistral Large 4 的權重，並以「Le Chonk」為暱稱。該模型先在 10 月 6 日推出預覽版，這次則讓使用者取得權重，得以自行部署或進一步調整。9
18
焦點不只在模型規模，也在於 Mistral 將它定位為適合編碼代理與防禦性資安工作的開放權重模型。不過，基準測試成績應視為特定條件下的結果，不能直接解讀成模型在所有工作上都勝出。
模型規模與效能
Mistral 官方文件將 Large 4 描述為多模態混合專家模型，總計 1.05 兆參數，其中每次運算啟用 520 億參數，另有 16 億參數的視覺編碼器。1 Mistral 表示，模型以自家歐洲資料中心的 3,800 張 Nvidia Grace Blackwell GPU 訓練。
15
在編碼測試方面，Mistral 表示，經額外強化學習後，模型的 Terminal-Bench 4.0 分數從預覽版的 28% 升至 41%，增加 13 個百分點。10
11 它在 Artificial Analysis Coding Agent Index 的分數為 48%，與 GLM-5.3 並列；Mistral 另稱，完成每項任務所用的 token 少 47%。
11
這些數字提供了比較線索，但不能單獨證明模型在所有程式設計情境中都更強或更便宜。實際成本與表現仍取決於工作內容、硬體、延遲和部署方式。雖然部分報導提到額外訓練，現有資料並未確認強化學習確切進行了三週。
「開放權重」的授權與實際意義
Hugging Face 上的發布紀錄列出「Mistral Ecosystem Open-Weight License」，並說明這是修改版 MIT 授權。7 有二手報導稱，額外限制主要針對把模型包裝成服務出售的業者；自行託管、微調或將模型用於產品的使用者，則不受相同商業義務約束。
12 由於這項解讀來自二手報導，實際使用前仍應詳閱授權原文，確認自身用途是否符合條款。
開放權重讓使用者有機會自行執行模型，而不是只能透過供應商提供的 API 使用。不過，「開放權重」不等於毫無條件的開源，也不代表部署模型不需要處理成本、效能和風險管理問題。
資安成績應如何解讀？
二手報導列出 Large 4 的 Cyber Index 分數為 51%，並稱它平均拒絕 96.6% 的惡意資安請求。8 這些數字可作為評估的一部分，但現有資料不足以完整說明測試方法；拒答率也不是模型不會被濫用的保證。防禦資安能力與協助惡意操作的風險，應分開評估。
整體而言，Large 4 為市場增加一款由歐洲業者推出、可取得權重的選項。Mistral 將它定位為編碼和防禦性資安領域的領先開放權重模型；這仍是公司及相關基準測試中的說法，宜和不同模型、工作負載及實際部署結果一併比較。9
14
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「Mistral 開放「Le Chonk」權重，編碼表現進步但仍有待檢驗」的簡短答案是什麼？
Mistral 於 10 月 29 日公開 Mistral Large 4（暱稱「Le Chonk」）權重；模型曾於 10 月 6 日推出預覽版。[9][18]
最值得優先驗證的重點是什麼？
Mistral 於 10 月 29 日公開 Mistral Large 4（暱稱「Le Chonk」）權重；模型曾於 10 月 6 日推出預覽版。[9][18] 官方文件列出模型共有 1.05 兆參數、每次啟用 520 億參數，並搭載 16 億參數的視覺編碼器。[1]
接下來在實務上該怎麼做？
Mistral 表示，額外強化學習後，模型在 Terminal Bench 4.0 的分數由 28% 升至 41%；現有資料未能確認訓練確切持續了三週。[10][11]