Mistral 在 10 月 29 日開放 Mistral Large 4 的模型權重。這款模型暱稱「Le Chonk」，並於 10 月 6 日推出預覽版。Mistral 將它定位為更適合編碼與防禦性資安工作的開放權重選項。公司公布的基準測試進步值得關注，但這些結果只反映特定測試任務，不能直接視為模型在所有工作情境都領先。47918

預覽版之後有哪些進展？

Mistral 表示，額外的強化學習訓練，讓 Large 4 在 Terminal-Bench 4.0 的分數從預覽版的 28% 提高到正式開放權重版本的 41%，增加 13 個百分點。2131 公司公布的 Artificial Analysis Coding Agent Index 分數為 48%，與 GLM-5.3 並列；相關報導也指出，在這項比較中，Large 4 每項任務使用的 token 少了 47%。3135

這些數字說明的是特定評測結果，並不能證明模型能勝任所有程式開發工作；token 用量較少，也不必然代表整體運算成本更低。現有報導亦未提供足以佐證、且條件一致的數字，讓人直接比較 Large 4 與 Anthropic 的 Mythos 5.1。

一兆參數的多模態模型

Mistral 的文件將 Large 4 描述為多模態混合專家模型，總參數量為 1.05 兆，並搭載 16 億參數的視覺編碼器。17 參數量需要搭配模型架構理解：Hugging Face 的模型說明列出，每個 token 啟用 490 億個參數；若將嵌入層與輸出層計入，則為 520 億個。20

Mistral 在預覽版公告中表示，模型使用部署於其歐洲資料中心的 3,800 顆 Nvidia Grace Blackwell GPU 訓練。6 發布相關報導則指出，使用者可在低、中、高三種推理模式之間選擇。34

開放權重，不代表授權條款不用看

模型權重可透過 Hugging Face 取得，採用的授權名為 Mistral Ecosystem Open-Weight License。授權文字說明，這是修改版 MIT 授權。1832 因此，「開放權重」不應被理解為所有再散布方式或託管服務，都自動適用標準 MIT 授權條款。若要將模型用於商業服務，應先閱讀授權原文，確認自己的使用方式符合哪些條件。3236

對開發團隊而言，取得模型權重代表不必只透過服務供應商的 API 使用模型，也可能自行託管或修改模型。不過，光是權重開放，並不能說明特定部署需要多少硬體或基礎設施。

資安宣稱需要謹慎解讀

發布相關報導指出，Large 4 在 Artificial Analysis Cyber Index 的得分為 51%，對惡意資安請求的平均拒答率則為 96.6%。3133 這些是評測結果，不代表模型一定會拒絕每一項有害請求，也不表示開放權重沒有遭到濫用的風險。

防禦性資安能力的評分，和模型抵抗惡意提示的能力，是不同面向。理解這些數字時，仍須考量評測細節，以及實際部署情境；單靠分數，無法完整判定廣泛提供模型權重所帶來的風險。

這次發布代表什麼，又不能證明什麼？

Large 4 為市場增加了一款歐洲開發的開放權重模型；目前市場上也有來自其他地區的開放與封閉模型。Mistral 特別強調模型使用歐洲訓練基礎設施，並公布與開放權重競品比較的成績。61518 對使用者而言，值得留意的差異是能否取得權重、檢視並部署模型，而不是只憑開發公司的所在地判斷模型品質。

目前較有根據的結論是：Mistral 公布的數據顯示，Large 4 從預覽版到開放權重版本，在編碼基準測試上有所進步；在一項編碼代理評比中，它的分數也具競爭力，且比較中使用的 token 較少。這些結果足以讓團隊考慮用自己的任務測試模型，但不能證明它在各種用途上全面勝出、所有資安宣稱都已獲獨立驗證，或免除使用者評估授權與部署風險的必要。

Mistral 在 10 月 29 日開放 Mistral Large 4 的模型權重。這款模型暱稱「Le Chonk」，並於 10 月 6 日推出預覽版。Mistral 將它定位為更適合編碼與防禦性資安工作的開放權重選項。公司公布的基準測試進步值得關注，但這些結果只反映特定測試任務，不能直接視為模型在所有工作情境都領先。47918

預覽版之後有哪些進展？

Mistral 表示，額外的強化學習訓練，讓 Large 4 在 Terminal-Bench 4.0 的分數從預覽版的 28% 提高到正式開放權重版本的 41%，增加 13 個百分點。2131 公司公布的 Artificial Analysis Coding Agent Index 分數為 48%，與 GLM-5.3 並列；相關報導也指出，在這項比較中，Large 4 每項任務使用的 token 少了 47%。3135

這些數字說明的是特定評測結果，並不能證明模型能勝任所有程式開發工作；token 用量較少，也不必然代表整體運算成本更低。現有報導亦未提供足以佐證、且條件一致的數字，讓人直接比較 Large 4 與 Anthropic 的 Mythos 5.1。

一兆參數的多模態模型

Mistral 的文件將 Large 4 描述為多模態混合專家模型，總參數量為 1.05 兆，並搭載 16 億參數的視覺編碼器。17 參數量需要搭配模型架構理解：Hugging Face 的模型說明列出，每個 token 啟用 490 億個參數；若將嵌入層與輸出層計入，則為 520 億個。20

Mistral 在預覽版公告中表示，模型使用部署於其歐洲資料中心的 3,800 顆 Nvidia Grace Blackwell GPU 訓練。6 發布相關報導則指出，使用者可在低、中、高三種推理模式之間選擇。34

開放權重，不代表授權條款不用看

模型權重可透過 Hugging Face 取得，採用的授權名為 Mistral Ecosystem Open-Weight License。授權文字說明，這是修改版 MIT 授權。1832 因此，「開放權重」不應被理解為所有再散布方式或託管服務，都自動適用標準 MIT 授權條款。若要將模型用於商業服務，應先閱讀授權原文，確認自己的使用方式符合哪些條件。3236

對開發團隊而言，取得模型權重代表不必只透過服務供應商的 API 使用模型，也可能自行託管或修改模型。不過，光是權重開放，並不能說明特定部署需要多少硬體或基礎設施。

資安宣稱需要謹慎解讀

發布相關報導指出，Large 4 在 Artificial Analysis Cyber Index 的得分為 51%，對惡意資安請求的平均拒答率則為 96.6%。3133 這些是評測結果，不代表模型一定會拒絕每一項有害請求，也不表示開放權重沒有遭到濫用的風險。

防禦性資安能力的評分，和模型抵抗惡意提示的能力，是不同面向。理解這些數字時，仍須考量評測細節，以及實際部署情境；單靠分數，無法完整判定廣泛提供模型權重所帶來的風險。

這次發布代表什麼，又不能證明什麼？

Large 4 為市場增加了一款歐洲開發的開放權重模型；目前市場上也有來自其他地區的開放與封閉模型。Mistral 特別強調模型使用歐洲訓練基礎設施，並公布與開放權重競品比較的成績。61518 對使用者而言，值得留意的差異是能否取得權重、檢視並部署模型，而不是只憑開發公司的所在地判斷模型品質。

目前較有根據的結論是：Mistral 公布的數據顯示，Large 4 從預覽版到開放權重版本，在編碼基準測試上有所進步；在一項編碼代理評比中，它的分數也具競爭力，且比較中使用的 token 較少。這些結果足以讓團隊考慮用自己的任務測試模型，但不能證明它在各種用途上全面勝出、所有資安宣稱都已獲獨立驗證，或免除使用者評估授權與部署風險的必要。