Mistral Large
Mistral AI 推出了新的旗舰模型 “Mistral Large”，以付费 API 和 Azure 服务的形式提供，被视为其进入与 GPT‑4 和 Gemini 并列的商用大模型第一梯队的战略举措。评论者重点讨论了它略低的定价和接近最先进水平的基准成绩，但许多人对其不再像早期 Mistral 发布那样开放权重感到失望，并注意到公司品牌叙事已明显从明确支持开放权重转向。这一转变也引发了更广泛的担忧：AI 领域的“开源”往往只是厂商在模型足够强大之前的营销阶段，随后便会将最强模型锁闭；这对长期竞争、研究以及用户控制都可能产生影响。
开放与封闭，以及“开源”定位
- 许多人认为，Mistral 新推出的闭源模型（以及网站文案从“Open-Weight models”改为“Frontier AI in your hands”）意味着其正从早先的开放权重品牌定位转向，甚至将其类比为 OpenAI 的发展轨迹。
- 有人主张“开源”其实并不适用于那些不透明的权重二进制块；也有人反驳称，在机器学习中，权重本来就是“首选的可修改形式”，因此完全可以算作开放。
- 若干评论将开放发布视为一种营销阶段，或“freemium”阶段，直到模型足够有竞争力、可以开始收费。
- 少数人为 Mistral 辩护：公司必须为昂贵的训练买单，而把强大的开放模型免费放出，主要受益的可能只是“山寨”竞争对手。
定价、Azure 集成与企业角度
- Mistral Large 定价：输入 1M tokens 8 美元，输出 1M tokens 24 美元——比 GPT‑4‑Turbo（10 美元 / 30 美元）略便宜。
- 在 Azure 上，Mistral 的价格也略低于 GPT‑4‑Turbo；经典 GPT‑4 则贵得多。
- 有人疑惑，既然 Mistral 的基准测试表现稍差，却只便宜约 20%，为什么还会有人选它而不是 GPT‑4。
- 另一些人指出，Azure 分发对企业至关重要：现有合同、合规性（例如 FedRAMP）以及赔偿保障，使得“只是 Azure 里的另一项服务”远比创业公司的自建托管更容易采购。
能力、基准测试与真实世界测试
- Mistral 自己的图表显示其略低于 GPT‑4，并且（按评论者说法）在某些基准上低于 Gemini 1.5 / Ultra；有人批评用 Gemini Pro 1.0 作为对比对象已经过时。
- 用户反馈的实测结果不一：有人觉得 Le Chat 在某些编码任务上优于 GPT‑4；也有人仍认为 GPT‑4 在推理、代码质量和理解意图方面明显更强。
- Mixtral 8x7B 继续被称赞为极其有用的开放模型，尤其适合本地使用；有些人在技术查询时甚至更愿意用它而不是 Google 搜索。
API、命名与产品线变化
- 端点进行了重命名和版本化（例如
open-mistral-7b、open-mixtral-8x7b、mistral-small-2402、mistral-large-2402），较旧的别名计划逐步弃用。 - 新功能包括 Mistral Small 和 Large 的 function calling 与 JSON 模式、新的 Le Chat 界面，以及企业账号管理。
- 一些人将“open-*”端点与专有端点的分拆解读为一个信号：未来的高端模型将保持封闭。
经济与生态担忧
- 讨论的焦点之一是：如果发布权重，是否真的会明显伤害收入；有人认为基础设施和销售护城河足以维持 OpenAI/Mistral 的业务，另一些人则指出第三方托管开放模型的速度更快、成本更低。
- 还有人担忧顶级模型越来越集中在少数大玩家手中（尤其是与 Microsoft 相关的阵营）、潜在的反垄断问题与“shitification”，以及缺乏健全的社区资助开放训练 प्रयास。