Mistral Large 4 开放权重：1 T 参数，MaaS 商用要单独授权

一句话结论：Mistral 于 2026 年 10 月 29 日开放 Mistral Large 4（代号 Le Chonk）权重。这是一个 1 万亿总参数、每 token 激活 49 B 的原生多模态 MoE 模型，支持 1 M 上下文和 160 多种语言，用 3,800 张 NVIDIA Grace Blackwell GPU 在欧洲自有数据中心从零训练。官方称它在 FrontierCode 2.0 上得 19.7%，超过 DeepSeek V 4.1 Flash 的 19.3%；在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每个任务少用 47% 的 token。许可证不是 Apache 2.0，而是 Mistral 生态开放权重许可证：内部使用和嵌入产品功能免费，但把它做成对外提供的模型服务（MaaS）必须先与 Mistral 签商业授权。

AI 摘要

• 发生了什么：Mistral 10 月 29 日发布博客，开放 Mistral Large 4 权重；权重在 Hugging Face mistralai/Mistral-Large-4-1T-A52B 公开下载
• 规格：1 T 总参数 / 49 B 激活（含嵌入与输出层 52 B），原生多模态 MoE，1 M 上下文，160+ 语言
• 体积：FP 8 主仓库约 1061 GB，54 个分片；另有 Blackwell 专用 NVFP 4 版本，体积更小、推理更快
• 成绩：FrontierCode 2.0 得 19.7%（DeepSeek V 4.1 Flash 19.3%、GLM-5.3 17.8%、Kimi K 3 17.3%）；AA Coding Agent Index 48%
• 许可证：Mistral 生态开放权重许可证，做 MaaS 业务必须单独签商业许可，内部使用与嵌入产品功能不受此限
• 部署：官方推荐 8 卡张量并行，vLLM 与 SGLang 均提供现成 Docker 镜像

基本信息

• 事件时间：2026 年 10 月 29 日（Mistral 官方博客 datePublished）；Hugging Face 仓库 9 月 30 日创建，10 月 29 日最后更新
• 涉及公司/产品：Mistral AI，Mistral Large 4（Le Chonk）
• 目标栏目：资讯

Mistral Large 4 是什么？

Mistral Large 4 是 Mistral 迄今最大的模型，官方代号 Le Chonk。按模型卡描述，它是一个 1 万亿总参数的原生多模态混合专家（MoE）模型，每个 token 激活 49 B 参数，算上嵌入与输出层为 52 B。它把指令跟随、推理、编程和 Agent 工作流放进同一套权重里，训练全程在 Mistral 位于欧洲的自有数据中心完成，使用 3,800 张 NVIDIA Grace Blackwell GPU，从零开始训练而非在既有模型上继续训练。

和上一代相比，最直接的变化是规模与用途定位。Mistral 不再把它定位成通用聊天模型，而是明确面向「写代码的人」和「做防御的人」——博客副标题就是 Built for Coders, Trusted by Defenders。官方在模型卡中称其视觉定位（visual grounding）超过闭源前沿模型，并在网络安全、金融、法律三类工作负载上表现突出。这对一家以「主权 AI」为叙事核心的欧洲公司来说是一次定位收拢：开放权重不是做生态广撒网，而是给需要自托管、需要数据不出境的机构一个可审计的基座。

值得单独说明的是权重体积。FP 8 主仓库约 1061 GB，拆成 54 个分片，个人设备无法运行；官方另提供一个 NVFP 4 量化版本，目标平台是 Blackwell 架构 GPU，官方称精度不变、推理更快。

Mistral Large 4 和 DeepSeek、GLM、Kimi 比强在哪？

按官方公布的数据，Mistral Large 4 的强项集中在 Agent 编程，而不是通用智能总分。在 Cognition 的 FrontierCode 2.0 上——这个基准考察端到端代码质量、以及仓库维护者是否愿意合并 Agent 提交的改动——Mistral Large 4 得 19.7%，同榜的 DeepSeek V 4.1 Flash 为 19.3%、GLM-5.3 为 17.8%、Kimi K 3 为 17.3%、GLM-5.3 Flash 为 14.2%、Reflection Beam 1.0 为 2.9%。领先幅度很薄，属于并列第一梯队而非断层领先。

真正的差异在 token 效率。在 Artificial Analysis Coding Agent Index 上，Mistral Large 4 得 48%，官方称与当前领先的开放权重模型 GLM-5.3 基本持平，但平均每个任务少用 47% 的 token。对按量计费的 Agent 场景，这个指标比分数更影响账单：同样的代码任务如果 token 消耗减半，单位成本就接近减半。

反面也要说清楚。在 Artificial Analysis Intelligence Index v 5 这个综合聚合指数上，Mistral Large 4 得 26，是西方开放权重模型里最高的，但官方自己承认中国头部开放模型的综合分更高。换句话说，它赢的是编程与安全这两个具体赛道，不是通用能力全面领先。想把模型用在中文长文写作、多轮常识问答这类任务上，综合指数仍是更可靠的参考。

Mistral Large 4 的许可证有什么限制？

Mistral Large 4 不采用 Apache 2.0，而是使用 Mistral 生态开放权重许可证（Mistral Ecosystem Open-Weight License），官方描述为 MIT 许可证的修改版。它保留了 MIT 的宽松部分：可以免费使用、复制、修改、合并、发布、分发、再许可和销售模型，也可以继续训练和做衍生模型，只需保留版权与许可声明。

关键限制在第 2 条：如果被许可方或其关联方经营「模型即服务」（Model as a Service）业务，必须在使用该模型或其衍生作品从事任何商业用途之前，与 Mistral 单独签订商业许可。许可证对 MaaS 的定义是：让第三方通过任何方式（例如 API 或托管端点）访问该模型或其衍生作品用于推理或后训练，并且该第三方能够对输入、参数或训练数据行使有意义的控制。

第 3 条给出了豁免：纯内部使用（不让第三方获得模型能力）不受此限；通过 Mistral 官方产品访问模型也不受此限。此外，把模型能力嵌入到具体功能或 harness 的终端用户产品不属于 MaaS。这条豁免的边界值得留意——做一款内置了该模型的 SaaS 产品通常没问题，但做一款让客户自己上传微调数据、自己控制参数的托管推理服务，就落进了需要单独授权的一侧。

和国产开放权重模型对比，这个条款更接近 MiniMax 社区许可证的思路（商用需署名并通知、超阈值需授权），而不是 DeepSeek V 4.1 Flash 或 Reflection Beam 1.0 采用的 Apache 2.0。差别在落地时很实际：Apache 2.0 可以直接做转售推理，Mistral 生态许可证需要先谈授权。

Mistral Large 4 本地部署要多少张卡？

官方推荐 8 卡张量并行，走 vLLM 的现成镜像即可跑起来。模型卡给出的启动命令使用官方 Docker 镜像 vllm/vllm-openai:mistral-large-4，关键参数是 --tensor-parallel-size 8，同时必须加 --tool-call-parser mistral 和 --reasoning-parser mistral，否则工具调用不可用、推理过程也无法与正文分离。显存不足时官方建议下调 --max-model-len 或 --max-num-seqs。

需要提醒的是，模型卡没有给出「最低几张卡能跑」的明确下限，只给了推荐配方。按 1061 GB 的 FP 8 权重加 KV cache 粗算，8 卡每卡需要 140 GB 以上的可用显存，这已经超出单张 H 100 的 80 GB，实际上指向的是 B 200/GB 200 级别的硬件。个人开发者和小团队应当把它当作「云端自托管选项」，而不是本地可跑模型。

对国内开发者意味着什么？

短期看，Mistral Large 4 的直接使用价值有限，参考价值更大。它验证了一件事：开放权重模型的竞争重心已经从「总分高不高」转向「跑完一个 Agent 任务要烧多少 token」。Mistral 用 47% 的 token 节省作为核心卖点，说明厂商判断企业客户的痛点已从能力不足转为成本过高。

对做 Agent 产品的人来说，FrontierCode 2.0 这个基准本身值得关注。它不只测代码能不能生成，还测「维护者是否愿意合并」，这比单元测试通过率更接近真实工程价值。国内模型在榜单上的位置（DeepSeek V 4.1 Flash 19.3%、GLM-5.3 17.8%、Kimi K 3 17.3%）与 Mistral Large 4 差距在 0.4 到 2.4 个百分点区间，属于同一梯队。

许可证层面的启示更实际。开放权重不等于可以自由转售推理服务，Mistral 用一条 MaaS 条款把「用模型」和「卖模型算力」分开。国内厂商的社区许可证（如 MiniMax M 3.1-Flash 的署名加通知要求、Kimi K 3.1 Pro 的权重开放时间表）也在往同一个方向走。做商业化选型时，先读许可证再读榜单。

价格方面，Mistral 通过官方 API 提供 mistral-large-4，模型卡指向 Mistral API 文档，本次未在页面取到公开的每百万 token 单价，因此不做估算。需要横向比价的读者可参考本站维护的国产大模型 API 价格对比，注意该页口径为国产模型。

FAQ

Mistral Large 4 可以免费商用吗？ 内部使用和把模型能力嵌入自有产品功能都可以免费商用，只需保留版权与许可声明。但如果你的业务是让第三方通过 API 或托管端点调用该模型、并让他们能控制输入参数或训练数据，就属于 MaaS，必须先与 Mistral 签商业许可。

Mistral Large 4 能在单机跑吗？ 不能。FP 8 权重约 1061 GB，官方推荐 8 卡张量并行，实际需要 B 200/GB 200 级别硬件。个人开发者应使用 Mistral 官方 API 或第三方托管服务。

Mistral Large 4 的中文能力怎么样？ 模型卡列出的支持语言包含中文，共 160 多种。但官方明确说明该模型主要面向英语开发，且所有公开基准均为英文任务，没有中文能力数据。中文场景建议以实测为准，不要直接套用英文榜单结论。

和 DeepSeek V 4.1 Flash 比该选哪个？ 如果任务以 Agent 编程为主、且在意每次任务的 token 消耗，Mistral Large 4 有官方数据支撑的优势（FrontierCode 2.0 领先 0.4 个百分点、少用 47% token）。如果主要服务中文用户、或者需要 Apache 2.0 级别的自由度做推理转售，DeepSeek V 4.1 Flash 更合适。

开放权重和开源是一回事吗？ 不是。开放权重只保证能下载到参数，不保证许可证允许任意使用。Mistral Large 4、MiniMax M 3.1-Flash 属于开放权重但带附加条款；Beam 1.0 采用 Apache 2.0，才是通常意义的开源许可。

参考来源

• Mistral 官方博客：Mistral Large 4 (Le Chonk) is now open weight（2026-10-29）
• Hugging Face 模型卡：mistralai/Mistral-Large-4-1 T-A 52B
• 许可证原文：LICENSE
• vLLM 配方：recipes.vllm.ai/mistralai/Mistral-Large-4-1 T-A 52B
• Mistral API 文档：models/mistral-large-4-0