AI 摘要
- Mistral 推出擁有 1.05 兆參數的 Mistral Large 4 公開預覽版。
- 模型採用細粒度 MoE 與原生多模態架構，並預計於 10 月底釋出權重。
法國人工智慧新創 Mistral 於週二（10/6）正式發布 Mistral Large 4（ML4）公開預覽版。該模型為該公司迄今規模最大、效能最強的旗艦模型，採用細粒度混合專家（Mixture of Experts, MoE）架構，總參數達到 1.05 兆，在每次推理過程中僅啟用 490 億個參數。第三方評測機構 Artificial Analysis 評估指出，這是目前在美國與中國之外整體表現最強的模型；Mistral 官方則表示，ML4 也是歐美所開發的最佳開放權重（Open-weight）模型。
細粒度 MoE 與原生多模態架構規格
Mistral Large 4 原生支援多模態輸入，具備同時處理文字與圖像的能力。該模型內建 16 億參數的視覺編碼器（Vision Encoder），上下文視窗（Context Window）支援高達 100 萬個 Token，並涵蓋超過 160 種語言。目前開發者已可透過 Mistral Studio 與官方 API 存取此模型，其模型權重預計將於 10 月底正式開放下載。
在基礎設施方面，ML4 完全由 Mistral 自有歐洲資料中心訓練而成，使用 3,800 張 Nvidia Grace Blackwell GPU 從零開始建置。Mistral 強調，該架構設計符合歐洲資料主權規範，未來支援部署於私有雲或企業內部地端環境，亦可由 Mistral 於歐洲境內代管運作。
基準測試數據：資安防護與程式開發表現
Mistral 公布了多項基準測試結果，顯示 ML4 在資安研究、軟體開發與 AI 代理人（Agent）工作流具備競爭力。然而官方也指出，各項測試中所對照的模型基準並非完全一致：
- 資訊安全能力：引述 Artificial Analysis 評測數據，ML4 於 Cyber Index 排名全球前五名。在要求模型重現並修補開源軟體漏洞的 CyberGym-E2E-AA 測試中達到 82%，居所有受測模型之冠；在資安競賽題目基準 Cybench 中則成功解出 93% 的題目。
- 軟體工程與自動化：在 DeepSWE v1.1 評測中取得 61.7%，高於 DeepSeek V4 Pro 0813 與 Qwen 3.8 Max；在涵蓋 657 項企業工作流程的 AutomationBench 獲得 59.9%，領先 Kimi K3 與 MiMo-V2.6-Pro。
- 視覺定位基準：在檢驗複雜影像物件定位能力的 Dense 200 測試中取得 42%，略高於 GPT-6 Astra 的 41%。
綜合效能評估與 API 成本考量
根據 Artificial Analysis 的綜合評估，ML4 的 Intelligence Index 獲得 38 分，與 GPT-6 Luna（max）的 38 分同級，並緊追 DeepSeek V4.1 Flash（max）的 39 分。
不過在推論成本方面，ML4 定價相對較高。其官方標準 API 價格設定為每 100 萬個輸入 Token 為 1.36 美元、輸出 Token 為 4.18 美元。Artificial Analysis 計算指出，平均執行單項 Intelligence Index 任務的成本約為 1.13 美元，約為 GLM-5.3-Flash 與 DeepSeek V4.1 Flash 的 4 倍。對於重視運算成本與高併發需求的企業用戶而言，成本效益將是導入評估時的重要指標。
Reference Link : ithome.com.tw
