模型卡｜Mistral Large 4

🌏 English version

模型資訊

能力亮點

• Artificial Analysis Cyber Index 的「重現並修補漏洞」測試拿下 82%（官方自測），是目前所有模型中最高分——對照之下 Claude Opus 5.5 與 GPT-6 Astra 因為會直接拒答資安測試任務，分數接近 0
• Cybench（40 題取自真實資安競賽的題目）解出 93%（官方自測）；另有 93.3% 的提示注入攻擊抵抗率（Lakera B3 基準），是 Mistral 自家開放權重模型中最高
• 第三方評測站 Vals.ai 的 Harvey AI 法律 Agent Benchmark 排名全部 75 個模型中第 6、開源模型中第 1——這是少數有獨立機構複現驗證（非官方自報）的強項
• 視覺定位（visual grounding）在 Dense 200 基準以 42% 些微超過 GPT-6 Astra 的 41%（官方自測），官方示範包含判讀衛星影像與工程圖紙

Benchmark 表現

⚠️ 除 Artificial Analysis Intelligence Index 外，以上均為 Mistral 自測結果，尚無第三方獨立複現；DeepSWE v1.1 是官方自報跟自家挑的對照組比較，但科技媒體 VentureBeat 事後核對 DeepSWE 即時排行榜（取每個模型目前公開最佳 agent 設定）發現 GLM-5.3／Kimi K3 約 69%、GPT-6 Astra／Gemini 3.8 Flash／Claude Opus 5 約 74%，也就是官方公告挑的比較對象（DeepSeek V4 Pro、Qwen3.8 Max）讓 61.7% 看起來有競爭力，但換成即時排行榜前段班，其實還落後 10 幾分。

與前代/競品比較

跟前代 Mistral Large 3 比，最大變化不是分數進步，而是定位整個翻轉：Large 3 是 2025 年 12 月發佈即完整開源（Apache 2.0、675B 總參數／41B 啟用）的開放權重模型，Large 4 卻是先用加了護欄的公開預覽 API 上線、權重要等到月底才放出來，而且連授權條款都還沒命名。架構上總參數從 675B 長到 1.05T（+56%），訓練硬體也從 3,000 張 H200 換成 3,800 張 NVIDIA Grace Blackwell，是 Mistral 目前訓練規模最大的一次；但啟用參數「49B 還是 52B」、context window「1M 還是 512K」這兩個基本規格，發佈後幾小時內官方自己的說法就不一致，說明這次發佈的完整度還在補齊中。

跟競品比，Mistral 真正站得住的差異化是資安：多數閉源模型（Claude Opus 5.5、GPT-6 Astra）會因為安全政策直接拒答「重現漏洞」這類任務，導致在 Artificial Analysis Cyber Index 的對應測試分數接近 0，而 Large 4 因為拒答率設計不同，反而拿到全模型最高的 82%，這點 Vals.ai 的法律 Agent 排名（開源模型第 1）也提供了獨立佐證。但在「整體聰明程度」這個更基本的比較上，第三方 Artificial Analysis Intelligence Index 給它 38 分，明確落後 MiMo-V2.6-Pro（46）、GLM-5.3（45）、Kimi K3（44）6–8 分——也就是 Mistral 官方「全球最強開源模型之一」的說法，只在「美國／歐洲開源模型裡最強」這個較窄的範圍內站得住，拿掉中國實驗室之後才成立。

定價策略上這次也留了一個謎：掛牌價 Input $1.36／Output $4.18，比前代 Large 3 的 $0.50／$1.50 貴超過兩倍，但官方文件卡現在顯示的卻是掛牌價的一半（$0.68／$2.09），沒有任何說明這是預覽期折扣還是定價還沒定案。加上「擴大資安能力、降低審查」的進階版本只開放給受信任的網路安全夥伴與政府機構，這跟 Google Gemini 4 Argon（2026-10-05 已報導）先限制存取對象、之後才全面開放的做法類似，反映出頂尖模型在正式定價與規格拍板前，先用公開預覽試水溫、同時限制高風險能力存取的做法正在變成常態。

對 Agent 開發的意義

Large 4 把「拒答率低」包裝成資安場景的賣點，這對防禦型 Agent 的設計有直接影響：多數防禦工作（滲透測試、弱點驗證、事件應變）第一步就是要先證明漏洞是真的，而這一步正是多數閉源模型因為安全政策會拒答的部分。

• 如果你在做防禦型資安 Agent（弱點複現、修補建議、惡意程式分析）：Large 4 在這類任務上的拒答率明顯低於 Claude／GPT 系列，加上官方強調可自行部署（self-hosted）在私有雲或地端，適合需要稽核與主權控制的資安團隊——但要注意授權條款還沒公布，商用部署的法務風險現在無法評估
• 如果你在做財務／法務知識工作 Agent：Vals.ai 的 Harvey 法律 Agent Benchmark 是少數有獨立複現的強項（開源模型第 1），加上原生多模態理解，適合處理財報、合約這類圖文混排文件
• 不適合：現在就要上生產環境的場景——公開預覽只能透過加護欄的 API 存取，權重還沒放出來無法自行部署，context window 與啟用參數連官方自己都還沒講清楚，不建議現在就把規格寫進架構文件；如果你評估的是「整體推理能力」而非資安垂直場景，第三方綜合指標顯示它目前仍落後 GLM-5.3、Kimi K3 等中國開源模型

今日收穫

同一篇發佈公告裡，官方自測的資安分數（全模型最高）跟第三方 Artificial Analysis 的綜合指標（落後中國開源模型 6–8 分）講的是兩個完全不同的故事——這提醒我們「最強開源模型」這句話永遠要先問「跟誰比、拿掉誰」。Mistral 的說法「美國或歐洲開源模型裡最強」其實是精確的，只是公告標題選擇性省略了「拿掉中國實驗室」這個前提；加上啟用參數與 context window 發佈幾小時內就自相矛盾，看新模型公告時，官方自選的比較對象跟公告當天還沒定案的規格，都值得比分數本身更先核對。

參考資料

• Mistral Blog：Introducing Mistral Large 4
• felloai：Mistral Large 4 (Le Chonk) — Specs, Benchmarks, Price and When the Weights Land
• OpenRouter：Mistral Large 4 — API Pricing & Providers
• TechCrunch：Mistral's new 1T model aims to leapfrog closed and open rivals
• CNBC：Mistral unveils new AI model it says rivals best open systems from China
• Mistral Docs：Mistral Large 4 model page