10 月 6 日，巴黎的 Mistral 放出了 Mistral Large 4 的预览版，官方外号 Le Chonk——“大肥猫”。这个名字的来源挺有意思：6 月份 Reddit 和 X 上的网友编了一个叫 Le Chaton Fat 的虚构模型，连假的参数和假的跑分都做好了，说它吊打 Claude；CEO Arthur Mensch 自己在评论区接梗，说”其实是大胖小猫”。四个月后，首席科学家 Guillaume Lample 真的拿这个梗名去称呼一款前沿模型。
梗归梗，参数的体量是实的：总参数 1 万亿，稀疏 MoE 架构，每次只激活 490 亿。原生多模态（能读文本和图像，输出文本），上下文 52 万 token，覆盖 160 多种语言。用两个月时间从零训练，跑在自家欧洲机房近 4000 块 Grace Blackwell 上，功耗约 10 兆瓦。9 月刚完成 30 亿欧元的 D 轮，估值 210 亿欧元，客户名单上有空客、ASML、汇丰。
真正的信号藏在它公布的那几张跑分对比图里。
DeepSWE v1.1（长流程软件工程）62%、FinWorkBench（金融）67%、Harvey 法律 Agent 基准 15%、Cybench 网络安全 93%。
**注意这张表上出现的名字：GLM-5.3、DeepSeek V4 Pro、Qwen 3.8 Max、Kimi K3。**没有 GPT-6，没有 Claude Opus 5。
Mistral 的官方口径也很有意思——它不说自己是最强开源模型，它说自己是”中国以外最强的开放权重模型”。这个定语是算过的：等于承认前沿在中国，然后在中国之外划一格给自己。
而这格子也不是那么好站。第三方视角看：Artificial Analysis 给出的智能指数约 38，相比自家 Large 3 的 9 是巨大跃升；但在开源梯队里，它前面还排着七款中国模型。DeepSWE 的公开榜单上，GLM-5.3 和 Kimi K3 的最佳配置能到约 69%，闭源头部约 74%；Surge AI 的盲评里，它拿 3.74 分（满分 5），Claude Opus 5 是 4.22。
所以”最强”两个字，得连着定语一起读。
第一，竞争坐标系换了。
过去两年大家比的是”开源 vs 闭源”。这次 Mistral 主动把标尺换成了”中国开源 vs 非中国开源”，并接受了”我不是第一”这个前提。这不是示弱，是找 market。但另一面也说明了一件事：当一家欧洲公司发布旗舰模型时，用来衡量它的默认参照系已经是 DeepSeek 和 Qwen——这个位置，两年前是 OpenAI 的。
第二，“开放权重”不等于”开源”。
权重定在 10 月 27 日放出，比 API 晚三周，中间这段时间给安全公司和政府机构做红队测试。而且据 VentureBeat 报道，它走的会是自定义许可证，不是 Apache 2.0 或 MIT——Mistral 现有的产品线里，就有”营收超过一定门槛要另买商用授权”的条款。技术上还要注意硬件门槛：约 240GB 的权重，跑起来最低 8 张 A100 80GB。“能下载”和”你能跑、能商用”是三件不同的事。
第三，它卖的不是分数，是”能在自己机房跑”。
Mistral 反复强调的两条承诺是：没有外国能掐断你的访问，以及训练过程可追溯。这话是说给谁听的？GDPR 和 EU AI Act 框架下的欧洲公共部门、银行、国防承包商、医疗。你从美国厂商的托管 API 上跑一个模型处理本国公民数据，本身就带着法律风险；权重到手、装进自己机房，这个风险就消失了。所以它在网络安全上的卖点也顺理成章——安全团队每天要扫自己的系统，闭源模型要么贵得离谱，要么直接拒绝执行，“自己拿回家跑”是刚需。
顺带说个容易被忽略的成本：Artificial Analysis 发现它异常啰嗦，一次评测生成了约 2 亿输出 token，对照组的中位数只有 8100 万。单 token 单价看着便宜（4.18 每百万 token），但按”完成一个任务”算账，可能完全是另一回事。
上周我写过德国的 Kolibri——那是一个 781 亿参数、小到能塞进市政办公室的主权模型；这周法国人给了个 1 万亿、要八张 A100 才跑得动的大模型。欧洲的”主权 AI”，一头在缩小，一头在放大，其实是在赌两种完全不同的客户。
对普通开发者来说，1T 模型依然不是你的玩具。真正值得盯的是 10 月 27 日那两份文件：许可证文本，和量化版本。前者决定你能不能用，后者决定你跑不跑得动。至于跑分，那是给采购部门看的；能不能自己拿走，才是这家公司真正的产品。
正在加载评论...