Mistral AI 本月正式发布旗舰模型 Mistral Large 4（代号 Le Chonk），并公开其权重。该模型为 1 万亿参数的原生多模态模型，此前已进行约三周公开预览，官方称预览反馈超出预期，随后通过持续扩展强化学习，在编程与防御性网络安全能力上取得显著提升，且改进尚未出现饱和迹象。

在编程能力上，Mistral Large 4 在多个开源权重基准中处于领先位置。在 FrontierCode 与 Terminal-Bench 上排名靠前；在 Artificial Analysis Coding Agent Index 上得分 48%，与领先开源模型 GLM-5.3 基本持平，但平均每个任务使用的 token 数少 47%。在 Terminal-Bench 4.0 上，其得分较预览版提升 13 个百分点至 41%，同时输出 token 减少 30%。在 Cognition 的私有基准 FrontierCode 2.0 上，该模型以 19.7% 的得分领先，该基准评估端到端代码质量及仓库维护者是否愿意合并智能体的改动。

人类偏好评估方面，在 Surge Code 的盲测成对比较中，Mistral Large 4 的代码回答被偏好程度超过 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash 等开源模型，在受测模型中仅次于 Claude Opus 5.5。

为让开发者更好平衡性能与成本，Mistral Large 4 提供三档推理模式：低档用于简单任务，替代此前的“无推理”模式；中档用于日常任务；高档为默认，面向需要高精度与详尽推理的最难场景。官方称新模型在推理效率上有实质提升，可降低推理成本。

安全与防御性网络安全是此次发布的另一重点。Mistral Large 4 在 Artificial Analysis Cyber Index 上得分 51%，该指数衡量模型发现代码库漏洞、复现并验证漏洞、以及在不破坏现有功能的前提下打补丁的能力。官方强调，模型能处理合法的防御性安全任务而不会产生不必要的拒绝。其内置护栏可区分防御性与恶意网络任务，在恶意网络请求上的平均拒绝率为 96.6%，为官方所测开源模型中最高的。

Mistral 表示，该模型在欧洲基础设施上从零开始训练，训练谱系清晰可追溯，旨在为组织提供可信的 主权 AI 基础。公司称正致力于定义主权 AI 类别并引领开源前沿，让开发者、企业和机构能够拥有、定制和控制自己的 AI。

在生态验证方面，Booz Allen 的测试显示，Mistral Large 4 在其内部源代码安全分析基准上，漏洞检测召回率可与其他前沿网络安全模型匹敌，且成本曲线具有吸引力；Mistral 对模型定制与数据主权部署的支持，也便于机构按自身需求调整。

整体来看，Mistral Large 4 以万亿参数开源权重、编程与防御性安全双主线、以及三档推理模式切入市场，既面向开发者社区，也面向对数据主权有要求的企业与政府客户。其 token 效率优势若能在实际部署中兑现，将有助于降低大规模智能体编程的运营成本，并进一步加剧开源权重模型与闭源前沿模型之间的竞争。