Mistral Large 4 现已开放权重，险胜成为中国境外开发的排名第一的开源权重模型

@MistralAI 已更新并发布其旗舰模型 Mistral Large 4 的权重，总参数量为 1.05T，激活参数量为 52B。凭借强大的推理能力，Mistral Large 4 在 Artificial Analysis Intelligence Index v5 上得分为 26，比 Mistral Large 4 Preview（25）提高 1 分，主要区别在于提高了 Token 效率并减少了幻觉。它比美国开发的领先开源权重模型 Muse Spark Open（xhigh，25）高出 1 分。

在 Artificial Analysis Cyber Index 上，Mistral Large 4（high）得分为 51，在当前开源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）。

核心要点：

➤ 险胜非中国地区的开源权重模型：Mistral Large 4（high）领先于在中国境外开发的次佳开源权重模型 Muse Spark Open（xhigh），其中在 Terminal-Bench 4.0 上的差距最大（25% 对 8%）。由于编码和智能体知识工作性能较弱，它在 Intelligence Index 上落后于领先的开源权重模型 DeepSeek V4.1 Flash 1017（max）和 GLM-5.3（max）6 分：在 FrontierCode 2.0 上为 15%（分别对 29% 和 22%），在 AA-Briefcase 上为 1349 Elo（分别对 1570 和 1504）

➤ 提高的 Token 效率：Mistral Large 4（high）在每个 Intelligence Index 任务中使用 8.2K 个输出 Token，比 Preview（135K）少 39%，使其处于开源权重帕累托前沿。得分更高的七个开源权重模型每个任务使用 113K 到 225K 个输出 Token

➤ Coding Agent Index 排名第二的开源权重模型：在 Artificial Analysis Coding Agent Index 上，Mistral Large 4（high）在 Mistral Vibe 中得分为 48，每个任务使用 8.5M 个 Token，约为 Opencode 中领先的开源权重模型 GLM-5.3（max）（49，15.9M）的一半。它在 DeepSeek Harness 中得分也高于另一个领先的开源权重模型 DeepSeek V4.1 Flash 1017（max）（46，16.7M）

➤ 减少幻觉：Mistral Large 4（high）在更新后的 AA-Omniscience v1.1 上的幻觉率为 28%，低于 Preview 的 41%，并与 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%）

➤ 比 Preview 更低的价格和每个任务成本：Mistral Large 4 的定价为每 1M 输入/输出 Token $0.70/$2.10，较 Preview 的定价 $1.36/$4.18 降低了约 50%。按新定价计算，每个 Intelligence Index 任务的成本为 $2.06，比 Preview 的 $5.54 下降了 63%。这与 Muse Spark Open（xhigh，$2.02）相当，但成本高于领先的开源权重模型 DeepSeek V4.1 Flash 1017（max，$0.60）和 MiMo-V2.6-Pro（$0.26）

核心模型细节：

➤ 规模：1.05T 总参数 / 52B 激活参数

➤ 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 许可证（Mistral 生态系统开源权重许可证），运营模型即服务（Model-as-a-Service）业务需要向 Mistral 获得单独的商业许可证

祝贺 @MistralAI 团队发布该模型！