Mistral万亿参数开源模型实测

Mistral 把 Large 4 的权重放出来了，内部代号「Le Chonk」，约一万亿参数、520 亿激活，改版 MIT 许可，能跑在自己的硬件上。对做跨境工具和私有化部署的团队来说，这个许可条件比参数本身更有吸引力：至少不用先谈商务再动手试。

但独立榜单的成绩得冷静看。Artificial Analysis 的智能指数上它只有 26 分，落后于 DeepSeek V4.1 Flash 和 GLM-5.3 这些开源中国模型，离 Anthropic 和 Google 的头部系统更远。我的判断是，Mistral 这一代打的不是「最强」牌，而是「够用 + 可控」牌，欧洲客户对数据出境的顾虑，恰好是它的机会。它真正的亮点在工程侧：161 tokens/s 的推理速度、更低的 API 价格，以及对有害网络请求 96.6% 的拒绝率。前两项直接决定单位成本，第三项对做企业客户、要过合规评审的团队很实用——安全对齐做得好，采购流程会顺很多。落到选型上，我建议别只看总分。代码类任务它表现不错，适合放进内部研发助手、日志分析、脚本生成这类场景；需要复杂推理和长链路 Agent 的活，还是交给头部闭源模型更稳。混合架构、按任务分流，比押注单一模型现实。开源权重加上宽松许可，意味着中小团队也能做微调和私有部署，这是今年跨境 AI 产品的一个明显变量。我会先拿它跑一轮真实业务评测，重点看中文理解和多轮工具调用的稳定性，再决定要不要进生产。