Mistral Large 4

原文 ↗ Hacker News 讨论 ↗

Mistral 发布了 “Mistral Large 4”（“Le Chonk”），这是一款接近 1 万亿参数、即将开放权重的欧洲语言模型，目标是在推理、编码、视觉和网络安全基准上追平领先的中文开放模型如 GLM‑5.3 和 DeepSeek，同时在价格上压过许多西方闭源产品。评论者认为它是欧盟“主权 AI”和本地部署方面的重要一步，但也指出它仍落后于 OpenAI 和 Anthropic 的顶级闭源模型，质疑部分基准选择和图表设计，并争论其相对中文开放模型更高的成本是否会限制采用。此次发布也重新点燃了关于欧洲技术停滞、监管立场、隐私与监控，以及对美国和中国 AI 技术栈地缘政治依赖的更广泛争论。

模型表现与基准测试

  • 许多人认为 Mistral Large 4 相比更早的 Mistral 模型有明显提升，视觉能力不错，尤其网络安全分数很强（例如 CyberGym-E2E），并且在一些开放权重排行榜上也有具有竞争力的结果。
  • 也有人指出它仍落后于闭源前沿模型（Astra、Opus 5.5、GPT‑6 Sol），并且在 VALS 或 Artificial Analysis 之类的综合指标上大约落后 9–12 个月。
  • 全知能力和软件工程分数被认为相对较弱；一些独立测试（例如 trivia / Redactle、kimbench、编码任务）报告的结果明显不如顶级闭源模型或中文模型。
  • 几位评论者警告说，Mistral 自己的图表“接近图表犯罪”（通过排序来让柱状图视觉上更讨好）且经过挑选。

与其他开放权重模型的比较

  • 经常被拿来与 GLM‑5.3、DeepSeek V4.1 Flash、Kimi K3、MiMo v2.6 Pro、Qwen3.8‑Flash‑Next 等比较。
  • 大致共识：
    • GLM‑5.3 / MiMo / K3 仍然是开放权重的“帕累托前沿”。
    • Mistral Large 4 在整体能力和网络安全方面接近 GLM‑5.3，但在广泛基准上通常不如 K3 和 MiMo。
    • DeepSeek V4.1 Flash 在编码方面常常以性价比和速度取胜，不过有人觉得它在非英语和摘要任务上较弱。

定价、效率与使用

  • 首发定价（五折）使其暂时比 GLM‑5.3 和 K3 更便宜，但比 GLM‑5.3‑Flash 和 DeepSeek Flash 更贵；折扣结束后，它会成为较贵的开放权重模型之一。
  • 有人认为中价位模型正被挤压：大多数用户要么购买最好的闭源模型，要么选择最便宜但仍强的中文模型。
  • 也有人说，对于欧盟企业，尤其是国防和关键基础设施，“主权”欧洲训练且欧洲托管的模型值得这个溢价。
  • 少数人抱怨 Mistral 的订阅限制以及缺少可叠加的套餐。

训练、开放权重与蒸馏

  • Mistral 表示 ML4 是从零开始训练的，使用了其位于欧洲自有数据中心的 3,800 块 Grace Blackwell GPU；RL 仍在进行中，并承诺会推出最终版本以及开放权重。
  • 关于包括 Mistral 在内的所有实验室在多大程度上隐含依赖中国研究和技术，以及是否有人在从中国或美国的闭源模型进行蒸馏，争论仍在继续。各方意见分裂，证据也不明确。

主权、政治与信任

  • 一个很长的子讨论认为，一个强大的欧洲实验室在战略上很重要，可避免依赖美国和中国供应商，尤其是在出口管制、内容管制和监控权力存在的情况下。
  • 也有人反驳说，欧盟的“主权”往往只是伪装成监管保护主义的较弱创新，而美国和中国实验室也都获得了大量（直接或间接）补贴。
  • 一段长篇离题讨论比较了美国与欧盟在经济表现、生活质量、隐私、监控和言论自由保护方面的差异；双方都声称对方更糟，但并无明确共识。

安全性、网络能力与护栏

  • Mistral 因在网络安全任务上比美国实验室少得多的限制而受到称赞，因为后者经常拒绝利用发现或渗透测试式查询，扭曲了网络安全基准。
  • 有人认为强大的开放网络安全模型会让防御者更安全；也有人担心更容易被用于进攻性滥用，并指出国家级行为体可能持有更强但未公开的模型。

品牌、UX 与观感

  • “Le Chonk / Le Chaton Fat” 这个命名和发布视频因其俏皮、不端着而广受好评，这与一些美国实验室更严肃、近乎宗教化的品牌形成对比。
  • UX 反馈喜忧参半：有人觉得模型速度快、使用体验好（尤其在法语环境下），也有人认为推理能力薄弱、“reasoning effort” 设置失效，并且有基准过拟合的迹象。