你让 AI 修改公司的代码，真正棘手的往往不是“写出一段能跑的程序”，而是让它读懂整个项目、完成修改，还不破坏原有功能。能力之外，企业还要考虑另一件事：模型必须通过厂商的闭源 API 使用，还是可以下载到自己的基础设施里运行？Mistral Large 4（内部代号 Le Chonk）的新进展，正好同时触及这两个问题。Mistral 公开了改进版旗舰模型的权重，并称它在编码和防御性网络安全任务上进入开放权重模型前列。
先说明信源边界：目前的数字、排名与能力结论全部来自 Mistral 官方文章，尚无论文、第三方评测或基准组织材料交叉验证。部分基准也不完全公开，因此更适合把这些结果看作厂商提交的一组成绩，而不是已经坐实的行业定论。
这次开放的究竟是什么？
Mistral Large 4 是一个拥有 1 万亿参数、原生支持多模态输入的旗舰模型。参数可以理解为模型训练后学到的大量数值规则；“开放权重”意味着这些参数可以被下载，供机构自行部署或进一步调整。
这不等于严格意义上的“开源”。开源通常还涉及许可证、训练数据、训练代码和完整训练细节。此次材料没有交代这些内容，也没有说明许可证允许哪些商业、修改和再分发用途。因此，准确说法是“开放权重”，而不是“开源模型”。
Mistral 称，该模型从零开始在欧洲基础设施上训练，并支持定制化部署和自托管。对组织来说，这意味着模型不必只能作为远端 API 使用，部署者可以获得更多控制；代价则是自行承担运行、维护和治理责任。
模型的绰号也颇有来历。据 Numerama 与 Mistral 访谈实录，Le Chonk 源于一场关于法国“胖猫模型”的社区恶作剧。CEO Arthur Mensch 曾参与玩笑，团队后来又借用英文网络词“chonk”来呼应模型体量，最终把这个昵称正式用在 Large 4 上。
三周强化训练，重点补了两门课
Mistral 本月早些时候已经推出 Large 4 的公开预览版。此后团队又进行了三周强化学习训练——也就是通过反馈继续调整模型行为，重点提高编码和防御性网络安全能力。公司同时称，新版本的推理效率有所提升，可以用更少的计算过程完成任务。
在编码方面，Mistral 报告 Large 4 在 Cognition 的私有基准 FrontierCode 2.0 上得到 19.7%。这个测试关注一次代码修改能否达到仓库负责人愿意合并的程度。不过，“私有基准”也意味着外界难以核查测试集、对照模型与完整配置。
在 Artificial Analysis Coding Agent Index 上，Large 4 得分 48%，与当时领先的开放权重模型 GLM-5.3 接近；Mistral 称，它平均每项任务少用了 47%的 Token。Token 是模型处理文字和代码时使用的基本单位，用量通常会影响推理成本。
Terminal-Bench 4.0 测试模型在命令行环境中完成任务的能力。官方数据显示，新版本比公开预览版提高了 13 个百分点，达到 41%，同时输出 Token 减少 30%。在 Surge Code 的盲测比较中，它优于 GLM-5.3、Kimi K3 和 DeepSeek V4.1 Flash，但仍落后于 Claude Opus 5.5。
为了让用户在效果与成本之间选择，Large 4 提供低、中、高三种推理模式。低模式面向简单任务，中模式用于日常工作，高模式是默认选项，留给更复杂、要求更高准确度的场景。可以把它理解为同一位助手的三档“思考预算”：问题越难，允许模型投入的推理资源越多。
防守能力也被放到台前
网络安全是这次更新的另一条主线。Mistral 称，Large 4 在 Artificial Analysis Cyber Index 上得到 51%。该指数要求模型在代码库中发现漏洞、复现并验证问题，然后在不破坏现有功能的前提下完成修复。
官方还报告，模型面对恶意网络攻击请求时的平均拒绝率达到 96.6%，同时尽量不误拒合法的防御任务。这个平衡很关键：如果模型什么都回答，会增加滥用风险；如果看到安全问题就一概拒绝，又无法帮助真正负责修补漏洞的人。不过，供稿在相关案例说明处被截断，外界目前无法从材料中完整判断这些控制机制如何工作。
为什么这件事值得关注？
真正值得看的，不只是又一个大模型刷新了几张榜单。Mistral 是欧洲具有代表性的基础模型公司，它选择把旗舰模型权重交给部署者，等于继续用“可掌控、可自托管”回应闭源 API 的竞争路线。
这也让开放权重模型的竞争焦点发生变化：不只比较回答质量，还要比较完成真实任务时消耗多少 Token、能否在编码代理中持续行动，以及能否区分合法防御与恶意攻击。如果官方结果经得起独立复核，Large 4 的意义就在于说明，开放权重模型仍能进入前沿能力竞赛，而不只是承担低成本替代品的角色。
局限与未知
- 所有成绩均来自 Mistral，尚无独立信源交叉验证；“领先”“更高效”等结论应暂按官方口径理解。
- FrontierCode 2.0 是私有基准，测试集、配置和对照细节有限，19.7%的含义难以独立复现。
- “1 万亿参数”没有说明每个 Token 实际激活多少参数、具体架构和硬件需求，不能据此直接推断自托管成本。