Mistral Large 4 发布：新模型能力、API 使用方式与实测体验
Mistral Large 4 是什么，为什么值得关注
Mistral Large 4（简称 ML4）是 Mistral 于 2026 年 10 月 6 日发布的多模态大模型，目前以公开预览版提供 API。它能处理文本、代码、图像和复杂文档，重点面向编程、智能代理、网络安全、金融、法律及工程等任务。对开发者而言，ML4 的看点不仅是模型规模，也在于官方计划在本月底发布权重，后续可支持更自主的部署方式。
官方称，ML4 拥有 1 万亿参数，但每次推理实际激活约 520 亿参数。模型从零开始训练，使用 Mistral 在欧洲自建数据中心中的 3800 块 NVIDIA Grace Blackwell GPU；训练数据覆盖 160 多种语言，包括欧盟全部官方语言。公开预览 API 则运行在同一基础设施上。
目前可以怎样使用
现在可通过 Mistral Studio 试用预览 API。原发布信息只说明了访问入口，未在本文资料中给出具体模型 ID、API 端点、价格或速率限制，因此这些参数不应从其他模型或旧版文档推断。需要注意，当前开放的是云端预览服务；模型权重尚未发布，官方预计在 10 月底前提供。
从能力定位看，ML4 并非只服务聊天场景。它支持调用工具、检索信息并完成较长流程，也能分析图表、技术图纸、PDF 和卫星图像。视觉能力中的“视觉定位”指模型不仅识别画面内容，还能指出目标在图像中的具体位置。
官方披露的代码与代理能力
在 Mistral 公布的评测中，ML4 在 DeepSWE v1.1、SWE-Atlas-QnA 和 Terminal-Bench 4 上分别取得 61.7%、59.4% 和 28.3%；Coding Agent Index 综合得分为 49.8%。在 AutomationBench 上得分 59.9%，该测试覆盖 Gmail、Google Sheets、Slack、Salesforce 等应用中的 657 项业务流程。上述数字是官方发布页披露的结果，并不等同于本文的独立实测。
网络安全与多模态能力
网络安全是 ML4 的重点场景。官方援引 Artificial Analysis Cyber Index 称，模型在一项要求复现并修补真实开源软件漏洞的测试中得分为 82%，在 Cybench 的 40 项挑战中完成率为 93%。这些结果说明它适合漏洞验证、补丁编写、恶意软件分析和检测规则生成等工作，但安全团队仍应在隔离环境中运行代码，并由人员复核模型输出。
视觉能力则覆盖复杂文档、图表、技术图纸和大幅卫星图像。官方在 Dense 200 上公布的成绩为 42%，高于其对 GPT-6-Astra 的对比结果 41%。这类能力更适合从 PDF 或图纸中定位证据、核对机械部件，以及在地理影像中查找目标，而不是简单的图片描述。
如何选择使用方式
目前最直接的入口是 Mistral Studio 中的预览 API。原发布页确认了公开预览状态，但没有给出模型 ID、具体 API 端点、价格或速率限制，因此不能据此写出可直接复制的请求命令，也不能计算实际调用成本。使用时应把它视为云端预览服务，而非已经完成稳定性承诺的生产接口。
官方计划在 2026 年 10 月底前发布权重。权重发布后，ML4 理论上可转向私有云或本地部署，但实际门槛还取决于硬件、推理框架和官方发布包的具体形式。对需要数据自主权、审计能力或定制安全策略的组织，这条路线比单纯调用第三方闭源 API 更有吸引力；对个人开发者和小型项目，预览 API 通常更适合先验证需求。
结论：适合哪些项目
ML4 的核心卖点是超大规模、稀疏激活、多模态输入，以及代码代理和专业工作流的组合。它尤其适合企业级研发、网络安全、工程文档分析和长流程自动化。需要注意的是，文中分数均来自 Mistral 公布的评测或合作方测试，不等同于本文独立实测；模型仍处于公开预览阶段，稳定性、延迟、价格和最终权重形态不能仅凭这些成绩判断。对于普通问答或低成本任务，其他成熟模型仍可能是更合适的替代方案。
