Mistral Large 4 现已开放权重，勉强成为中国以外开发的首个开放权重模型

@MistralAI 已更新并发布了其旗舰模型 Mistral Large 4 的权重，总参数 1.05T，激活参数 52B。凭借高推理能力，Mistral Large 4 在 Artificial Analysis Intelligence Index v5 上得分 26，比 Mistral Large 4 Preview（25）高 1 分，主要差异在于 token 效率提升和幻觉减少。它领先美国开发的最佳开放权重模型 Muse Spark Open（xhigh，25）1 分。

在 Artificial Analysis Cyber Index 上，Mistral Large 4（high）得分 51，在当前的开放权重模型中排名第三，落后于 DeepSeek V4.1 Flash 1017（max，57）和 MiMo-V2.6-Pro（56）。

关键要点：

➤ 勉强领先非中国开放权重模型：Mistral Large 4（high）领先 Muse Spark Open（xhigh）——中国以外开发的次佳开放权重模型——在 Terminal-Bench 4.0 上差距最大（25% 对 8%）。它在 Intelligence Index 上落后于领先的开放权重模型 DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）6 分，主要原因是编码和智能体知识工作表现较弱：FrontierCode 2.0 上为 15%（分别为 29% 和 22%），AA-Briefcase 上为 1349 Elo（分别为 1570 和 1504）

➤ token 效率提升：Mistral Large 4（high）在每个 Intelligence Index 任务上使用 82K 输出 token，比 Preview（135K）少 39%，使其位于开放权重帕累托前沿。得分更高的七个开放权重模型每个任务使用 113K 到 225K 输出 token

➤ 编码智能体指数上排名第二的开放权重模型：在 Artificial Analysis Coding Agent Index 上，Mistral Large 4（high）在 Mistral Vibe 中得分 48，每个任务使用 8.5M token，约为领先开放权重模型 GLM-5.3（max）在 Opencode 中（49，15.9M）的一半。它也在 DeepSeek Harness 中得分高于另一个领先开放权重模型 DeepSeek V4.1 Flash 1017（max）（46，16.7M）

➤ 幻觉减少：Mistral Large 4（high）在更新后的 AA-Omniscience v1.1 上幻觉率为 28%，低于 Preview 的 41%，与 Muse Spark Open（xhigh）持平。然而，其准确率仍然相对较低，为 26%，与 Ling 3.1 Flash 1019（27%）相似，落后于 DeepSeek V4.1 Flash 1017（max，40%）和 Muse Spark Open（xhigh，42%）

➤ 价格和每任务成本低于 Preview：Mistral Large 4 定价为每 1M 输入/输出 token $0.70/$2.10，比 Preview 的定价 $1.36/$4.18 降低约 50%。按新定价，每个 Intelligence Index 任务成本为 $2.06，比 Preview 的 $5.54 下降 63%。这与 Muse Spark Open（xhigh，$2.02）相当，但比领先开放权重模型 DeepSeek V4.1 Flash 1017（max，$0.60）和 MiMo-V2.6-Pro（$0.26）更贵

关键模型细节：

➤ 规模：总参数 1.05T / 激活参数 52B

➤ 上下文窗口：1M token

➤ 多模态：文本和图像输入，文本输出

➤ 定价：每 1M 输入/输出 token $0.70/$2.10（每 1M 缓存输入 token $0.07）

➤ 许可证：MEOW License（Mistral Ecosystem Open-Weight License），运营 Model-as-a-Service 业务需要与 Mistral 签订单独的商业许可证

祝贺 @MistralAI 团队发布！