万亿参数终于可以下载了：Mistral Large 4 开放权重意味着什么

2026 年 10 月 29 日，Mistral 把 Large 4 的权重公开了。这款模型有个绰号叫“Le Chonk”，意思是“大块头”，而它也确实对得起这个名字：总参数约 1 万亿，每次生成时实际激活约 490 亿（算上词嵌入和输出层是 520 亿），上下文窗口 100 万 token，文本和图像都能直接输入。10 月 6 日它先以 API 预览的形式出现，权重承诺“月底放出”；三周之后，承诺兑现了，权重上了 Hugging Face，任何人都可以下载、自己部署、自己微调。

为什么这条新闻值得 vibe coder 特别留意？因为它改变的不是“又有一家厂商发了新模型”，而是“一个前沿级别的模型能不能脱离厂商、掌握在自己手里”。过去几个月，开源权重模型和闭源前沿模型之间的差距一直是讨论的焦点：闭源模型更强，但你要把代码、数据、提示词全部送到别人服务器上；开源模型可控，但往往要弱一档。Large 4 的开放权重把这个问题推到了一个新的位置：一个号称在编程和网络安全上达到开源最前列的模型，现在可以跑在你自己的机器上。

这次到底放出了什么

先把规格说清楚，避免被“1 万亿”这个数字带偏。Large 4 是一个混合专家（MoE）模型：总参数 1.05 万亿，但每次只激活其中一小部分专家，大约 490 亿参数参与每个 token 的计算，另有一个 16 亿参数的视觉编码器负责图像理解。上下文窗口 100 万 token，意味着它可以一次性读进非常大的代码库、文档集或者日志文件。推理强度可以在低、中、高三档之间调节，这对控制成本和速度很重要。

放出的版本不是 10 月 6 日那个预览版的原样复制。Mistral 表示，放出之前又做了三周的强化学习和客户测试。按照多家报道转述的 Mistral 说法，Terminal-Bench 4.0 的成绩从预览版的 28.3% 提升到了 41%；在 Cognition 的私有基准 FrontierCode 上，Mistral 报告的成绩是 19.7%，并称这是开源模型里的最好成绩；在 Artificial Analysis 的编程智能体指数上，Mistral 报告约 48%，与中国的 GLM-5.3 基本打平，但每个任务平均少用 47% 的 token。这些数字全部来自 Mistral 方面和合作方的说法，尚未经过独立复现，读的时候要把“厂商自称”这个定语一直带在身上。

还有两个配套事实值得一起记住。第一，权重以 FP8 格式发布，一共 54 个 safetensors 文件，官方给出的 vLLM 部署方案需要 8 张 GPU；同时还有一个 4 位 NVFP4 量化版本，Mistral 表示在 4 张英伟达 B200 或 B300 上就能跑到相同性能。第二，Mistral 自己的 API 仍然在售，价格是每百万输入 token 0.70 美元、缓存输入 0.07 美元、每百万输出 token 2.10 美元。也就是说，“下载权重自己跑”和“调 Mistral 的 API”这两条路同时存在，选哪条取决于你有没有硬件、有没有运维能力，而不是被迫二选一。

许可证：开放，但有一个附加条件

Large 4 的权重使用的是 Mistral 生态开放权重许可证（Mistral Ecosystem Open-Weight License），它被描述为修改版的 MIT 许可证。通俗地说：你可以免费使用、修改、微调、拿它做商业产品。但有一个例外必须单独拎出来：如果你经营的是“模型即服务”业务，也就是把这个模型本身作为服务卖给别人访问，那么你需要先向 Mistral 另外购买商业许可证。

这个例外对大多数 vibe coder 没有直接影响：你用它写代码、做产品、跑在自己服务器上，都不在这个例外里。但如果你打算做的事情恰好是“包一个 API 卖给别人调用”，那就必须先把许可证读清楚。过去很多“开源模型”纠纷都出在这种边界上：大家以为是 MIT 就随便用，结果在“把模型本身当商品卖”这一步踩了线。Large 4 的许可证把这条线写在了明处，这反而是好事——写清楚的限制，比含糊的“开源”口号更值得信任。

另外要提醒一句：开放权重不等于“可以无条件使用”。Mistral 自己也承认，在预览期间观察到了“提升真实攻击能力”的可能性，因此一个更激进的渗透测试版本只提供给经过审核的合作伙伴，不公开发布。同时 Mistral 表示，完整的技术报告“即将发布”，也就是说目前还没有一份可以逐项核对的完整技术文档。做技术选型时，这两点都要算进去：你能下载权重，不代表你已经拿到了全部信息。

编程能力到底怎么样

对 vibe coder 来说，最有用的判断标准不是参数量，而是它在真实编程任务上的表现。这里要分两层说。第一层是 Mistral 自己公布的成绩：Terminal-Bench 4.0 从 28.3% 涨到 41%，这个涨幅如果属实，说明三周的强化学习确实带来了可见提升；DeepSWE v1.1 的 61.7% 和 SWE-Atlas-QnA 的 59.4% 则是 10 月 6 日预览版的数据，发布权重的版本是否沿用这些数字，报道口径并不完全一致，选型时不要把预览版和正式版的数字混着用。

第二层是第三方视角。Artificial Analysis 的综合智能指数给 Large 4 打了 26 分，称它是西方开源模型里的最高分，但在中国开源模型面前仍然落后约 6 分，主要差距在编程和智能体知识工作上。换句话说，Large 4 的定位是“西方开源第一梯队”，而不是“全球开源第一”。这个定位其实很诚实，也更有助于决策：如果你看重的是欧洲厂商、欧洲数据中心、可以自己部署，那么 Large 4 是目前最有分量的选择；如果你只看编程基准的绝对分数，那它并不是唯一答案。

网络安全是 Mistral 主打的另一个方向。Mistral 表示 Large 4 在 Artificial Analysis 网络安全指数上达到 51%，并且在内部测试中拒绝了 96.6% 的恶意网络安全请求；与此同时，模型在复现真实漏洞并打补丁的测试上达到 82%，在 40 道安全竞赛题组成的 Cybench 上解决 93%。这些数字同样来自厂商和合作方口径。值得注意的逻辑是：Mistral 认为防御工作经常需要先证明漏洞真实存在，而某些闭源模型的拒绝机制会挡住这种正当工作；开放权重让防御者可以在自己的策略下使用这个能力。这个论点有道理，但它也有另一面：权重一旦公开就无法收回，任何人都可以尝试把拒绝机制微调掉。开放和安全之间的张力，在这款模型上表现得格外直接。

谁应该认真考虑它，谁应该先等等

先说适合认真考虑的人。第一类是把代码和数据留在自己手里有硬性要求的人：金融、医疗、政务、律所，或者客户合同里明确写了数据不能出境、不能进第三方模型服务的人。对他们来说，开放权重不是“省钱”，而是“合规的前提”。第二类是已经有 GPU 基础设施、或者本来就在用 vLLM、SGLang 部署开源模型的团队：Large 4 可以直接接进现有管线，边际成本主要是硬件和运维，而不是重新搭一套东西。第三类是做网络安全、漏洞研究、代码审计的人：这类工作对“能复现、能验证、能离线跑”的要求很高，开放权重正好对症。

再说应该先等等的人。第一类是只有一台笔记本、没有服务器预算的独立开发者：这不是一个笔记本模型，8 张 GPU 的官方方案或者 4 张 Blackwell 卡的量化方案，都远远超出个人设备的范围；对这类用户，调 API 或者等社区 distilled 的小版本更现实。第二类是希望“开箱即用、不操心运维”的人：下载权重只是第一步，部署、量化、监控、更新、故障排查全都要自己扛，这和调一个托管 API 是两种工作量。第三类是等完整技术报告的人：Mistral 说报告“即将发布”，在报告出来之前，任何关于训练数据、评估方法的细致判断都只能是暂时的。

我的判断

我的判断是：Large 4 开放权重的真正意义，不在于它是不是“最强开源模型”，而在于它让“前沿能力 + 自己部署”这个组合第一次有了欧洲厂商的完整答案。过去这个组合往往意味着“接受一个弱一档的模型”或者“接受一家中国厂商的模型”；现在多了一个选项，而且这个选项在编程和网络安全这两个 vibe coder 最关心的方向上都拿出了可讨论的成绩。

但也要把期待放回合理的位置。厂商基准不是独立复现，预览版和正式版的数字不能混用，许可证里那个“模型即服务需另购”的例外必须提前确认，完整技术报告还没发布。对大多数 vibe coder 来说，最务实的第一步不是立刻买卡部署，而是先用 Mistral 的 API 或者社区托管端点跑几个自己真实的代码任务：重构一段祖传代码、给一个仓库写测试、复现一个已知漏洞并验证补丁。跑完这几个任务，你再决定它值不值得进你的工具箱——权重可以下载，但判断必须自己做。

自托管的真实成本账

“权重免费下载”很容易让人误以为“用起来也免费”，这是选型时最常见的错觉。把账算细一点，成本至少有四项。第一是硬件：官方 FP8 方案要 8 张 GPU，NVFP4 方案要 4 张 Blackwell 卡，无论哪条路，采购或者租用都不是小数目；而且这只是推理的账，微调的账还要另算。第二是电力和散热：万亿参数模型即使只激活一部分，持续推理的功耗和散热也是数据中心级别的问题，放在办公室角落里跑是不现实的。第三是运维人力：模型版本更新、量化配置、安全补丁、故障排查、用量监控，这些工作在调 API 时是由厂商承担的，自己部署时全部回到自己头上。第四是机会成本：团队花在部署和调优上的时间，本来可以花在产品本身上。

所以一个更诚实的算账方式是：把“自己部署 Large 4 三个月的总成本”与“三个月调 API 的账单 + 数据合规风险”放在一起比。前者高在固定成本和人力，后者高在单次调用价格和合规不确定性。对流量大、调用量稳定的团队，自己部署的边际成本会随着用量摊薄；对流量小、调用不稳定的团队，API 往往更划算。这个结论和模型强弱无关，只和用量曲线有关。很多团队在选型时只比“单次调用价格”，却忘了把运维人力算进去，结果部署完才发现总账是亏的。

还有一个经常被忽略的成本：评估成本。换一个新模型不是改一行配置就完事的：你要在自己的任务上跑基准、做回归测试、检查输出格式有没有变化、确认长上下文下的表现有没有退化。这些工作在任何一次模型切换时都要做，Large 4 也不例外。如果你的团队现在连现有模型的评估基线都没有，那么“换一个更强的模型”带来的收益很可能被评估缺失吃掉——你根本不知道它到底变好了还是变差了。

社区已经在做什么

权重发布后的第一周，社区的动向本身就是一条新闻。按照多家报道的说法，Hugging Face 上线当天就有了 Transformers、vLLM 和 llama.cpp 的支持，社区还制作了 GGUF 格式文件，方便本地推理工具读取；微软 Foundry 成为首批上架的云端之一，英伟达也提供了 NIM 容器。这些动作说明了一件事：Large 4 不是一个“只能在 Mistral 自家平台上跑”的模型，它的生态位从一开始就是开放的。这对选型很重要：一个模型的长期价值，很大程度上取决于有多少人在为它做适配、修 bug、写教程，而不仅仅是发布当天的基准分数。

但社区热度也要冷静看。发布初期的适配热情不等于长期维护承诺：GGUF 社区版本、第三方量化版本、各种封装工具的质量参差不齐，生产环境使用之前必须逐项验证，不能因为“社区有人做了”就直接上生产。特别是量化版本：精度损失在通用问答上可能不明显，但在代码生成、长上下文推理这类对精度敏感的任务上，损失会被放大。上线之前，至少要在自己的代表性任务上对比原版和量化版的输出质量，而不是只看发布说明里的“相同性能”四个字。

最后回到 vibe coder 最实际的问题：现在要不要动手？我的建议是分三步走。第一步，用 API 快速验证：挑三个你真实遇到过的任务，跑一遍，记录输出质量和成本，和现有工具对比。第二步，等完整技术报告和社区反馈沉淀两到四周，看看有没有暴露出值得警惕的问题，比如特定任务上的系统性短板、许可证解释的争议、部署方案的坑。第三步，如果前两步都通过，再小规模部署验证：先上一个非核心场景，跑两周，确认运维成本和稳定性，再决定要不要扩大。三步走完，你对这个模型的判断就不再是“听说很强”，而是“在我的任务上确实可用”。这才是选型该有的样子。

写在最后：权重开放只是起点

权重发布当天最容易产生的错觉，是以为“下载完成就等于用起来了”。实际上，下载只是整个采用链条的第一环：后面还有部署、量化、评估、监控、更新、故障处理，每一环都需要时间和人力。Mistral 把权重交到你手里，等于把选择的权力也交到了你手里——你可以决定数据存在哪里、模型跑在谁的机器上、拒绝策略由谁来定。但权力本身不是能力，能力来自你为这套系统付出的运维和评估工作。所以，对 Large 4 最好的态度不是追捧也不是观望，而是动手验证：用自己的任务、自己的数据、自己的标准跑一遍，再决定它在你的工具箱里占什么位置。权重是公开的，判断必须是你自己的——这句话值得在每一次模型选型时重复一遍。

补充一个选型时容易忽略的视角：模型的“生态寿命”。一个模型发布时的热度不等于它三年后的可用性。判断生态寿命可以看三件事：第一，有没有持续的官方维护——权重更新、安全补丁、文档更新是否还在进行；第二，有没有多家云厂商和工具链支持，而不是只绑定一家；第三，社区有没有围绕它产出教程、评测和故障排查，而不是只有发布当周的新闻稿。Large 4 在这三件事上开局不错：Mistral 明确表示它将是新一代专用模型的基础，首批云厂商和推理框架已经跟进，社区适配也在第一周就出现了。但“开局不错”不等于“长期无忧”，真正的考验在发布三个月后：那时还能不能看到持续的更新和真实的生产案例，才是决定它值不值得长期押注的证据。