巴黎的 Mistral 发布“Le Chonk”：编码很强，但整体仍落后中国

Mistral 已发布 Large 4（“Le Chonk”）的权重。该模型约有 1 万亿参数，其中 520 亿为激活参数，可在修改版 MIT 许可证下运行在你自己的硬件上。在独立基准测试中，该模型在编码方面表现良好。不过，在 Artificial Analysis 的智能指数上，它得分 26 分，落后于 DeepSeek V4.1 Flash 和 GLM-5.3 等中国开源模型，也远远落后于 Anthropic 和 Google 的领先系统。其优势在于每秒 161 个 token 的速度、更低的 API 价格，以及对有害网络请求 96.6% 的拒绝率。

Mistral 已发布 Mistral Large 4 的权重，这是其迄今最大的模型。公司称该模型在编码上击败了其开源对手。在首次独立测试中，它确实速度快、价格也相当便宜，但在总榜上落后于中国模型。

公测三周后，Mistral 将 Large 4 的权重放上了 Hugging Face。该模型的昵称是“Le Chonk”。它以文本和图像为输入，输出文本和代码。它总共约有 1 万亿参数，每步激活 520 亿。自行运行它需要大量硬件。根据推理框架 SGLang 的文档，标准版本需要八块 Nvidia B300 GPU 运行，而一个压缩得更狠的变体需要四块 GB300 GPU。

自预览以来，Mistral 一直在用强化学习继续训练该模型。公司称这带来了巨大提升，尤其是在编码和网络防御方面。Mistral 研究员 Pierre Stock 和 Corentin Petit 在电话会上介绍了这一过程。团队在内部构建了随着训练推进而越来越难的任务。他们表示，性能的唯一限制是团队还能创造出并验证多难的任务。Mistral 称这是一场“两年的赌注”，现在正在得到回报。

再训练三周后，Large 4 在 Terminal-Bench 4.0 上的得分从 28% 升至 41%。这使它略高于 GLM-5.3 的 40%。Mistral 称 Large 4 在 Artificial Analysis 的编码智能体指数上达到 48%。这与 GLM-5.3 几乎持平，但 Large 4 为此使用的 token 少了 47%。使用 Claude Opus 5.5 的 Claude Code 以 62 分位居该指数榜首。

在 Cognition 的新基准 FrontierCode 2.0 上，Large 4 以 19.7% 领跑开源模型。不过 Claude Opus 5.5 得分为 46%。在 Surge 进行的盲测比较中，测试者在多数情况下更偏好 Large 4 的代码，而非 GLM-5.3、Kimi K3 和 DeepSeek 的代码。对阵 Opus 5.5 时，Large 4 只赢下 22% 的对局。

Mistral 的对比中没有包括 Moonshot 的 Kimi K3.1 Pro。严格来说这是合理的，因为其权重尚未公开。Moonshot 计划在 2026 年 11 月 4 日前发布。此后 Mistral 大概就不会有多少领先优势了，因为 Kimi K3.1 Pro 以 67% 位居 Terminal-Bench 4.0 榜首。

Mistral 称 Large 4 是网络防御领域的领先开源模型。公司称最终版本在 Artificial Analysis 的网络指数上得分 51%。该指数衡量模型能否在代码库中找到、复现并修补安全漏洞，同时不破坏现有功能。然而 Mistral 自己的图表显示有两个开源模型排在它前面，DeepSeek V4.1 Flash 为 57%，MiMo-V2.6-Pro 为 56%。这使 Large 4 在开源模型中排第三，略高于 GLM-5.3 Flash 的 50%。Kimi K3.1 Pro 以 64% 领跑整个指数榜。额外训练在这方面几乎没有带来变化。据 Artificial Analysis，预览版得分为 50 分，最终版只高了 1 分。

Large 4 在拒绝有害请求方面做得更好。Mistral 称它对恶意网络请求的平均拒绝率为 96.6%，高于任何其他开源模型。它仍应能处理合法的防御性任务。不过 Mistral 承认该模型可能让真实攻击变得更容易，因此计划在未来几个月收紧防护措施。Orange Cyberdefense 等精选合作伙伴已在测试一个特殊版本。

Mistral 放出 Mistral Large 4（昵称“Le Chonk”）权重，约 1 万亿参数、每步激活 520 亿，修改版 MIT 许可、可自托管。它在编码类基准上表现亮眼，Terminal-Bench 4.0 从 28% 升到 41%，略高于 GLM-5.3；但在 Artificial Analysis 智能指数上只有 26 分，落后 DeepSeek V4.1 Flash、GLM-5.3，也远落后于 Anthropic 与 Google 的领先系统。其卖点是 161 tokens/秒的速度、更低的 API 价格和 96.6% 的有害网络请求拒绝率。

• Mistral 放出 Mistral Large 4（昵称“Le Chonk”）权重，约 1 万亿参数、每步激活 520 亿，修改版 MIT 许可、可自托管。它在编码类基准上表现亮眼，Terminal-Bench 4.0 从 28% 升到 41%，略高于 GLM-5.3；但在 Artificial Analysis 智能指数上只有 26 分，落后 DeepSeek V4.1 Flash、GLM-5.3，也远落后于 Anthropic 与 Google 的领先系统。其卖点是 161 tokens/秒的速度、更低的 API 价格和 96.6% 的有害网络请求拒绝率。
• 原贴提到：Mistral has released the weights for Large 4 ("Le Chonk"). The model has
• 来源：the-decoder.com

这是什么信号

这不是一次普通的模型更新，而是欧洲开源权重路线的一次“正面对齐”：Mistral 把万亿参数级 MoE 模型的权重放到 Hugging Face，用修改版 MIT 许可允许自托管，同时明确把编码与网络防御作为主打场景。更值得注意的是它被放进了一个新的坐标系里——文章真正的主线不是“Mistral 又发模型了”，而是“开源阵营内部的领先者已经换成了中国模型”。

从指标看，Large 4 的编码单项确实能打：Terminal-Bench 4.0 从 28% 提到 41%，压过 GLM-5.3 的 40%；编码智能体指数 48%，与 GLM-5.3 几乎持平，但 token 消耗少 47%。可一旦换成综合口径，Artificial Analysis 智能指数只有 26 分，排在 DeepSeek V4.1 Flash、GLM-5.3 之后，与 Anthropic、Google 的头部系统差距更大。结论很清楚：它是“编码专才”，不是“通用优等生”。

为什么重要

• 权重可下载改变了采购逻辑。对数据不能出内网的团队来说，能在自有硬件上跑的模型才有资格进入架构评审，API 分数再高也只是参考。
• 成本结构比绝对分数更值钱。在编码智能体指数上几乎持平却少用 47% 的 token，意味着同样的 agent 任务，账单和上下文窗口压力完全不同。但这是厂商与第三方指数的口径，必须用自己的任务复测。
• 安全对齐正在变成准入项。96.6% 的恶意网络请求拒绝率被当作卖点讲，说明企业采购开始把“会不会被用来干坏事”当作可量化的选型指标。
• “领先窗口”变得可计算。文章直接点出 Moonshot 计划在 2026 年 11 月 4 日前放出 Kimi K3.1 Pro 权重，而后者 Terminal-Bench 4.0 是 67%。也就是说，Mistral 的开源第一梯队位置有一个明确的到期日。

对谁有价值

第一类是有硬件的工程团队：标准版要八块 Nvidia B300，压缩版要四块 GB300，这个门槛本身就筛掉了大多数中小团队。第二类是正在做编码 agent 的产品团队——Large 4 更适合当“便宜的第二供应商”或回退模型，而不是唯一主力。第三类是安全团队，网络防御指数 51% 值得看，但要看第三方榜单而不是厂商自制图表。第四类是战略与投资视角，这条新闻的真正信息量在于开源竞争的国别位移，而不是单个模型的分数。

可以怎么行动

• 把评测从“刷榜分数”换成“自家仓库任务”：用 Terminal-Bench 类真实终端任务跑一遍，重点记录通过率 × token 消耗的联合成本。
• 硬件不够就先走 API 做 A/B，同时把模型调用抽象层做实，保证主力模型可以按季度替换而不改业务代码。
• 建立“厂商自测 vs 第三方指数”的对照表，以 Artificial Analysis、Cognition 这类外部口径为主，厂商图表只作为待验证线索——文章里网络指数就是典型反例：Mistral 自称领先，自家图里却显示排第三。
• 安全侧同时测拒绝率和误拒率。96.6% 的拒绝率好看，但如果合法防御任务被一起拒掉，落地价值就打折。

风险与限制

• 综合能力短板明显：智能指数 26 分，落后 DeepSeek V4.1 Flash 与 GLM-5.3，也远落后于头部闭源系统，别把编码成绩当成通用能力。
• “领先开源模型”的表述在第三方数据下站不住：网络指数上是第三，额外训练在这里只带来 1 分提升（预览 50 分、终版 51 分）。
• 自托管成本高：八卡 B300 的配置对多数团队是可望不可即，压缩变体的实际效果原文未给出。
• 能力双刃剑：Mistral 自己承认模型可能让真实攻击更容易，防护措施还在收紧过程中，合规敏感场景需要额外评估。
• 领先窗口很短：Kimi K3.1 Pro 权重发布计划一旦兑现，Terminal-Bench 上的优势会被直接反超。
• 原文末尾被截断，Orange Cyberdefense 等伙伴的测试细节不完整，不宜据此推断合作范围。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《巴黎的 Mistral 发布“Le Chonk”：编码很强，但整体仍落后中国》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Maximilian Schreiner 原帖