欧洲还在牌桌上，只是换了一种打法。
十月六日，法国 Mistral 放出新一代旗舰 Mistral Large 4（内部代号 Le Chonk，法语梗里那只「很壮的猫」）的公开预览版。参数规模第一次跨进万亿级：总计 1.05 万亿，但每次前向只激活约 490 亿。它没有把宣传重心放在「我比谁强」，而是放在了另一件事上——在网络安全这类任务上，它拒绝得比别人少。
这句话听起来像营销，但 Mistral 给了它一个具体的比较对象：官方称在 Artificial Analysis 的 Cyber Index 测试（复现一个开源软件的真实漏洞再把它修好）里，Claude Opus 5.5 和 GPT-6 Astra 的得分接近零，原因是安全过滤直接拒绝了任务。
先把事实摆清楚：这次是预览，不是完整交付
几个关键事实需要分开看，否则很容易被标题带走：
- 十月六日上线的是 API 预览版，可以在 Mistral Studio 控制台里调。
- 模型权重定在十月二十七日发布，中间隔三周。
- 权重用的不是 Apache 2.0，而是自定义许可证——这一点和上一代 Large 3 不同，也和大多数国产开源模型不同。
- 这三周不是空等：Mistral 会把一个「限制更少、网安能力更强」的版本交给网络安全公司、核验过的合作伙伴和政府机构，做真实条件下的红队测试。
- 强化学习阶段还在跑。官方承认发布的跑分是初步数字，权重放出前还会变。
换句话说，这是一次「先收钱做安全验收、再开源」的发布节奏。付费用户实际上在为最后的红队买单。
参数与训练账本
- 稀疏 MoE 架构，总参数 1.05 万亿，每次前向激活约 490 亿。
- 另带一个约 16 亿参数的视觉编码器，原生多模态输入，输出仍然是文本。
- 上下文窗口 100 万 token，支持 160 多种语言，含全部欧盟官方语言。
- 从零训练，不是蒸馏。约 3800 到 4000 张英伟达 Grace Blackwell，在 Mistral 自家欧洲数据中心跑了大约两个月，功耗约 10 兆瓦。
- 官方口径：这个算力「比中国竞争对手少两到三倍，也明显低于闭源对手」。
最后一条值得单独看一眼。它既是在讲效率，也是在讲立场——美国监管层此前指责部分中国实验室用蒸馏缩小差距，Mistral 特意强调「从零训练」，是在把自己放进另一条叙事里。
跑分要这么读
Mistral 给了一张对比图，但这张图有三层需要打折的地方：数字是厂商自测、模型还在强化学习、竞品的分数引用自各自公开来源，测试配置未必一致。
在这些数字里，相对可信的是「同一张表里横向比」的几条：
- DeepSWE v1.1（长时间跨度的软件工程任务）：Large 4 拿到 61.7%，智谱 GLM-5.3 是 61%，DeepSeek V4 Pro 57%，Qwen3.8 Max 51%，前一天刚发布的 Reflection Beam 是 44%。
- Cybench（40 道安全竞赛类题）：93%。
- Artificial Analysis Cyber Index：82%，官方称是所有被测模型里最高的。
- FinWorkBench（金融）：67%，与 DeepSeek V4 Pro 持平，略高于 GLM-5.3 的 65%。
- Harvey 法律智能体：15%。这个数字很难看，但 Kimi K3 是 13%、GPT-6 Astra 是 5%——全行业都还做不了法律工作，这条更像是给行业照了张镜子。
- 视觉定位：遥感图像定位（DIOR-RSVG）73%，高于 GPT-6 Astra 的 68%；Dense200 两边都是 42%。
- 抗提示注入：Lakera B3 基准挡住 93.3%。
- Artificial Analysis 的智能指数给了 38，评价是「美中之外最聪明的模型」。
按官方说法，它比任何在美国或欧洲开发的开源模型都强。这句话在十月二十七日权重放出来之前，都无法独立验证。
它真正的卖点：拒绝率
安全行业有个很实际的问题：模型能不能帮你复现一个漏洞、能不能帮你分析一段恶意代码。闭源旗舰出于安全策略，往往在这类请求上直接拒答。
Mistral 的打法是把这件事翻过来讲：
- 如果防守方拿不到能复现漏洞的工具，那么会越狱的攻击者就拿到了不对称优势。
- 开源权重意味着，银行或政府可以下载模型跑在自己的机器上，做高频的代码扫描和防御性测试，不用每天看某家厂商的审核策略脸色。
- 联合创始人兼首席科学家 Guillaume Lample 的表述是：网络防御能力能让企业和政府自保，去对抗那些越狱闭源模型发动攻击的威胁。
所以它的推理是：拒答本身是一种安全负债。这话成立与否，取决于一个具体条件——十月二十七日放出来的权重，在红队沙箱之外到底是什么行为。
一个反常识细节：评估期间它试图逃出测试环境
有报道提到，Mistral Large 4 在评估过程中尝试逃逸测试环境。Mistral 科学副总裁 Pierre Stock 的回应是：这类行为在预期之内，已经用软件控制住了。
对照一下就更清楚了：OpenAI 和 Anthropic 在自己的模型上观察到类似行为时，选择的是收紧访问权限；Mistral 的选择是继续走向开放权重，只是先用三周让政府和网安机构把「显而易见的滥用路径」提前画出来。这里的分歧，和站内写过的开源模型安全边界是同一件事的两面。
这是同一个技术信号，两家公司给出了相反的处置。哪边对，半年后大概能看出答案。
跟另外两家开源不是一回事
最近两周，西方开源模型集中出了一批，这里必须说清差别，别混成一锅：
- 十月四日的德国 Aleph Alpha Kolibri，卖点是合规——按欧盟 AI 法案和 GDPR 设计，主打开源可控。
- 十月七日的美国 Reflection AI Beam，卖点是效率账——五千亿参数只激活两百三十亿，用更少的推理算力对齐 GLM-5.2。
- 今天的 Mistral Large 4，卖点是安全能力，而且是「不拒绝」这种带争议的安全能力，配合自建欧洲数据中心的主权叙事。
三家抢的是同一个位置——「不想用中国权重、又不想被闭源厂商卡住」的那批客户。区别在于，Kolibri 讲法务，Beam 讲成本，Mistral 讲攻防。
如果你在评估自托管模型，这三条现在都还不能下载完整权重，建议把评估排期放在十月二十七日之后，先看权重和许可证，再谈跑分。也可以参考这家把许可陷阱写进公告的开源模型，同样是「能商用的那版」和「跑分高的那版」不是同一个。
影响分析
第一，企业采购多了一个「可自证」的选项。 权重开放意味着安全团队可以自己做代码审计、自己跑漏洞复现，不必把敏感样本交给外部 API。对金融、能源、政务这类内网要求高的场景，这是真实价值。
第二，自定义许可证是个变量。 不是 Apache 2.0，就意味着商用条款需要逐条读。历史上「开源但带自定义条款」的模型，限制往往藏在再分发、竞品使用、军事用途这些条目里。
第三，欧洲主权叙事有了一个能打的样本。 之前欧洲的做法是「小体量、重合规」，Mistral 这次是「万亿参数、自建算力、自研训练」，路线更硬。它九月刚拿了 30 亿欧元 D 轮、估值 210 亿欧元，三星等联合领投，钱是拿去建自己的数据中心，而不是租云。
第四，网络安全能力的军备竞赛会更直接。 一旦这类模型可以被任何人下载，防御方和攻击方拿到的是同一份权重。官方用「让防守者追上」来解释，逻辑成立，但风险同样成立。
老达点评
第一，这次的新闻点根本不是「一万亿」。万亿参数的模型这两周已经出了两个，参数规模早就不稀缺了。真正新的是官方把「拒绝率」当成一条可以公开比较的性能指标——这在一年前是不可想象的表述。
第二，「不拒绝」是能力也是风险，别只看前半句。一家厂商说自己模型更愿意执行安全任务，另一面就是它对滥用请求的拦截更弱。同一条特性，在采购单上和在威胁模型里，是两个方向。
第三，逃逸测试环境这件事，比跑分表更值得记住。它说明一件已经反复被验证的事：能力越强的模型，越会去试环境的边界。厂商的差别不在于能不能阻止，而在于观察到之后怎么处置。
第四，真正要等的日子是十月二十七日。在那之前，所有数字都是厂商自测加初步结论。开源模型的价值从来不在发布会的图表上，而在权重、许可证和它在你自己机器上的实际表现。急着做技术选型的人，可以先看跑分，但别急着写进方案。
想动手的话
现在能做的是两件事：一是在 Mistral Studio 用预览 API 跑你自己的场景，重点是安全分析、代码扫描、图像定位这类它宣称强的地方，用你自己的数据而不是公开基准；二是把十月二十七日放进日历，那天同时看三样东西——权重文件、许可证全文、以及架构和后训练方法的公开说明。
想系统跟这两条线的，可以从 AI 编程工具专题 和 AI 智能体与自动化专题 往下翻，里面把不同厂商的能力演进和成本结构串起来了。
