Mistral 在 AI Gateway 上为 Mistral Large 4 换上更新权重，并下调输入、缓存输入与输出 token 的价格。按 Mistral 的发布说明，新权重提升了智能体编程与防御性网络安全能力，在编程任务上 token 效率更高，同时改善表格创建与编辑、网络调研以及对提示注入的抵抗。已在 AI Gateway 上调用 mistral/mistral-large-4 的用户无需更换模型 ID，即可用上新权重与新价格。
Mistral 发布 Mistral Large 4 的公开预览，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，权重计划在本月底放出。此前开放权重模型在网络安全、金融、法律等企业任务上通常落后于闭源前沿模型，而 Mistral 称 ML4 在这些领域是开放模型中的最好水平，并在视觉定位的 Dense 200 上以 42% 对 41% 超过 GPT-6-Astra。在 Artificial Analysis Cyber Index 的一项“复现并修补真实漏洞”测试中，ML4 得 82%，为所有模型中最高。
Mistral 以研究公开预览形式发布 Mistral Large 4，这是一个 1T 参数、49B 激活的模型，权重计划在十月底公开。它在 Artificial Analysis 智能指数上得 38，与 GPT-6 Luna（max，38）相当、略低于 DeepSeek V4.1 Flash（max，39），成为美国和中国之外得分最高的模型。同一预览版在网络指数上得 50，与 GLM-5.3-Flash 持平，但按标准定价每个智能指数任务花费 1.13 美元，高于同档开源权重模型。
Mistral 发布 Mistral Large 4（代号 Le Chonk），并扩展企业平台 Mistral Studio，新增托管智能体、应用，以及工作流、企业上下文、智能体可观测性与评估能力。此前团队要自行搭建智能体运行所需的基础设施；现在 Studio 托管执行，开发者用连接器和 MCP 服务器把模型接到企业数据与系统上，再设定工具、数据和动作的边界。Mistral 称其工程团队用 Studio 构建的故障排查智能体每月为团队节省数百小时，产品运营团队的工作流每周节省约 35 小时。
Mistral在Hugging Face发布Mistral Large 4（Le Chonk），这是一个约1T总参数、49B激活参数、上下文窗口1M token的多模态混合专家模型，以开放权重形式提供FP8与NVFP4两个官方版本。它把大专家池与稀疏注意力、Pixtral视觉编码器组合起来，语言模型为每个token只选少数专家，注意力索引器只选部分历史位置。在要求复现并修补开源软件真实漏洞的Artificial Analysis Cyber Index测试上，该模型得82%，Mistral称这是该测试已报告的最高分。
Mistral AI 公开了旗舰模型 Mistral Large 4（Le Chonk）的权重，这是一个在公开预览后经三周额外强化学习改进的万亿参数原生多模态模型。在 Artificial Analysis 编程智能体指数上，它以 48% 与领先开放权重模型 GLM-5.3 基本持平，而每个任务平均少用 47% 的词元；在 Terminal-Bench 4.0 上，它比自身公开预览版提升 13 个百分点至 41%，输出词元减少 30%。模型还提供低、中、高三档推理模式，供开发者权衡性能与推理成本。
vLLM 在发布当天为 Mistral Large 4 提供推理支持，这是一款 1 万亿参数、每 token 激活 490 亿的稀疏混合专家多模态模型。支持工作包括可断 CUDA 图、手写融合、解码与预填充上下文并行、DSpark 投机解码、NIXL 分离式服务以及主机内存 KV 卸载。在 TP8 上，NVFP4 每 token 解码比 FP8 快 1.08–1.19 倍，并持有约 1.5 倍 KV 缓存，而多模态、长上下文等评测与 FP8 的差距不超过 2.1 分。
Mistral公开了旗舰模型Mistral Large 4（Le Chonk）的权重，这是一个1万亿参数的原生多模态模型，此前只以公开预览形式提供。经过约三周额外强化学习，它在编程与防御性网络安全基准上继续提升。在Artificial Analysis编程智能体指数上，它得分48%，与领先的开源权重模型GLM-5.3基本持平，而每个任务平均少用47%的token。
已读完全部报道