Mistral 公开 Mistral Large 4 权重，这是一个 1 万亿参数的开放模型

这次发布了什么

Mistral 在 Hugging Face 上以 mistralai/Mistral-Large-4-1T-A52B 的名称发布了模型，页面称其为“1 万亿参数”模型。参数模型在训练中学到的数值；参数越多通常能力越强，运行时需要的内存也越多衡量的是模型规模。仓库名中的“A52B”表示处理每段文本时约有 520 亿个参数处于激活状态，这正是混合专家模型内部有许多专门的子网络，每一步只调用其中少数几个，因此运行速度比总规模看起来要快模型的工作方式。官方公告正文没有给出激活参数数量，所以 520 亿应视为仓库名称上的标注。

这属于开放权重训练好的模型文件公开发布，任何人都可以下载运行，但训练数据和训练代码可能仍不公开。你可以用 vLLM 或 SGLang 运行该模型，也可以通过 Mistral Studio、Mistral API、OpenRouter、NVIDIA 托管端点和 Microsoft Foundry 使用。API 价格为每百万输入 token 0.70 美元，每百万输出 token 2.10 美元。

许可证要点

Mistral 称之为“Mistral Ecosystem Open-Weight license”，是一个修改版 MIT 许可证，大多数用途都被允许。主要例外是：把模型作为托管服务提供给他人的企业，需要另外获得商业许可。在基于它开发产品之前，请先阅读 Hugging Face 页面上的完整条款。

Mistral 公布的基准成绩

Mistral 称该模型在 Artificial Analysis 的 Coding Agent Index 中得分 48%，与 GLM-5.3 基本持平，而且每项任务少用 47% 的 token。它还公布了 Terminal-Bench 4.0 上 41%、BrowseComp 上 84.5% 的成绩，并称在 Cognition 的非公开测试 FrontierCode 2.0 中以 19.7% 领先其他开放权重模型。

这些数字都来自 Mistral 的公告。FrontierCode 2.0 不公开，外部无法复现；Terminal-Bench 上的预览版成绩也是公司自报的。独立评测结果通常会在发布后几周内陆续出现。

安全方面

Mistral 把这款模型推荐给防御方。它公布的成绩包括：在衡量发现、复现和修复漏洞能力的 Artificial Analysis Cyber Index 中得分 51%；面对恶意网络请求的平均拒绝率为 96.6%；在 B3 智能体安全基准中的抗攻击率为 97.1%。另有一个网络安全专用版本正向经过审核的合作伙伴提供预览，仅限用于其拥有或获授权测试的系统。

同一篇文章提到，在监测中，模型拒绝了针对真实目标的黑盒攻击，但 Mistral 也看到其“为实施真实攻击提供助力的可能”，正在修改防护措施。权重公开之后，任何人对模型做微调时，也可以把这些防护训练掉。

想了解防御者每周要面对什么，可以看看我们在 CVE 观察栏目中对已遭利用的 WordPress 漏洞的分析，那是一个真实的攻击窗口；而 Firefox 159 更新则展示了一次浏览器版本更新能修复多少内存漏洞。