一句话结论
Mistral 推出 Mistral Large 4，其性能较前代大幅提升，回到距前沿约六个月的追赶位置。
关键要点
- Mistral Large 4 总参数量达 1 万亿（1 Trillion），激活参数为 490 亿（49 Billion）。
- 模型在由 3800 块 NVIDIA Grace Blackwell GPU 组成的集群上完成训练。
- 当前仅通过 API 提供预览，支持“none”和“high”两级推理模式。
- 在 Artificial Analysis 基准中得分为 38 分，距离 DeepSeek 4.1 Flash（552B 模型，39 分）仅差 1 分。
- 相较 2025 年 12 月发布的 Mistral Large 3（AA 得分仅 9 分），性能实现数量级跃升。
背景与事实
Mistral 于 2026 年 10 月 6 日通过官方博客发布预览版模型 Mistral Large 4，并戏称为“Le chonk”（法语中“厚重”之意）。该模型采用 MoE（混合专家）架构，总参数量 1 万亿，每次推理仅激活 490 亿参数，从而在保持高表达能力时控制推理开销。训练硬件为其自建集群，共部署 3800 块 NVIDIA Grace Blackwell GPU，这一规模在开源模型厂商中处于领先水平。
Mistral 明确表示，预览版目前仅以 API 形式开放，并承诺在“本月底”（即 2026 年 10 月）释放开放权重版本。在推理接口设计上，Mistral Large 4 仅提供两个推理强度档位：“none”与“high”，未设置中间层级。根据官方示例，在处理同一只鹈鹕图像的生成任务中，“high”档仅消耗 2717 个输出 token，反而少于“none”档的 3275 个 token，且生成质量更优，表明高阶推理在效率与效果上呈现正向收益。
在 Artificial Analysis（AA）的标准化基准测试中，Mistral Large 4 得分 38 分，紧随其后的是 DeepSeek 4.1 Flash（552B 模型，39 分）。这一成绩标志着 Mistral 已摆脱 2025 年底 Mistral Large 3 仅得 9 分的落后局面，整体性能回到行业前沿约六个月的发展节奏内，虽仍非“Fable 级”（即最顶尖）模型，但已具备较强的竞争力。
影响分析
对中文开发者而言，Mistral Large 4 的发布意味着在调用第三方 API 时多了一个高性价比选项：其 490 亿激活参数设计在推理成本与延迟上可能优于同等性能的密集模型，适合需要兼顾质量与响应速度的业务场景。分析判断认为，随着开放权重在 10 月底落地，国内团队可将其部署于私有化环境，用于构建不依赖海外闭源 API 的 RAG、代码生成或多模态理解管道，进一步降低对单一厂商的依赖。此外，Mistral 回归竞争轨道也将加剧 2026 年下半年开源大模型生态的“性能-成本”曲线竞争，推动推理服务价格下行。
适用边界
上述结论不适用于以下情形：若开发者对模型时效性极度敏感（要求最新 SOTA 而非“约六个月前沿”），则 Mistral Large 4 仍非首选；若业务依赖密集模型（非 MoE）的特定微调流程或硬件兼容性要求，其 1 万亿总参数与 490 亿激活的架构需额外适配验证；在开放权重正式发布前，所有评估仅基于 API 预览，实际吞吐量、上下文窗口及多语言表现可能有所差异。
孤本观察
分析判断认为，Mistral 以 3800 块 Grace Blackwell 的规模化训练投入与“本月底开源”的承诺形成鲜明反差，暗示其正以硬件密集度换取时间窗口，试图在 DeepSeek 与 OpenAI 的夹击中重新夺回欧洲开源叙事的话语权。
常见问题
Mistral Large 4 的总参数量和激活参数分别是多少？
总参数量达 1 万亿，激活参数为 490 亿。
Mistral Large 4 训练使用了多少块 GPU？
模型在由 3800 块 NVIDIA Grace Blackwell GPU 组成的集群上完成训练。
Mistral Large 4 当前支持哪些推理模式？
当前仅通过 API 提供预览，支持“none”和“high”两级推理模式。
Mistral Large 4 在 Artificial Analysis 基准中的得分是多少？
在 Artificial Analysis 基准中得分为 38 分。
Mistral 承诺何时释放 Mistral Large 4 的开放权重版本？
Mistral 承诺在 2026 年 10 月（本月底）释放开放权重版本。