Mistral Large 4 公開預覽：1T 參數 MoE，權重預計月底釋出
Mistral AI · 2026-10-06
Mistral 把旗艦模型換成一顆約 1 兆參數、單次推論只啟用數百億參數的多模態 MoE，並把原本分開的 instruct 與 reasoning 模型併成同一個。Mistral Large 4 於 2026 年 10 月 6 日以 Public Preview 上線 Mistral Studio API，API 名稱為 mistral-large-4，權重則要等到「本月底」才釋出。
背景
過去要在 Mistral 上同時用到一般對話與長推理，得在不同模型之間切換，應用端要自己判斷何時走哪一條路。Large 4 把兩種模式放進同一個模型，官方稱為 hybrid instruct-and-reasoning；公告與文件都沒有說明如何切換推理強度，文件的「Reasoning Effort」一欄未提及。
另一個背景是部署位置。公告強調模型由 3,800 張 NVIDIA Grace Blackwell GPU 在 Mistral 自有的歐洲資料中心訓練，歐洲部署不依賴其他供應商，這對有資料落地需求的團隊是實質條件。
核心規格
規模與長度是這次最容易拿來比較的部分。官方文件列出的規格如下：
- 總參數 1.05T，另有 1.6B 的 vision encoder，採 granular MoE 設計
- context window 為 1M tokens，輸入支援文字與影像
- 支援 structured outputs、function calling、document QnA、batching、agents 與 conversations、built-in tools、prefix completion
- 訓練語料涵蓋 160 種以上語言，包含歐盟所有官方語言
有兩處數字在公告與文件之間對不上。啟用參數在公告寫 49B，文件寫 52B；價格在公告是每百萬 token 輸入 $1.36、輸出 $4.18，文件則是輸入 $0.68（快取 $0.07）、輸出 $2.09。上線前請以你帳號的計費頁與實測為準，兩個頁面哪個較新，來源並未說明。
| 項目 | 公告頁 | 文件頁 |
|---|---|---|
| 啟用參數 | 49B | 52B |
| 輸入價格 / 百萬 token | $1.36 | $0.68（快取 $0.07） |
| 輸出價格 / 百萬 token | $4.18 | $2.09 |
公告中的評測數字
這些都是 Mistral 自己在公告中列出的結果，尚未見第三方重現，公告也沒有在摘要處附上完整的評測設定。
- 程式：DeepSWE v1.1 為 61.7%，Terminal-Bench 4.0 為 28.3%，SWE-Atlas-QnA 為 59.4%；Surge AI 的人工評分為 3.74（5 分制），在 5 個模型中排第 2
- 資安：Cybench 解出 93% 的題目，漏洞重現測試為 82%，公告稱是所有模型中最高；AA Cyber Index 列入全球前五
- 代理流程：AutomationBench 為 59.9%，AA-Briefcase 為 1,393 Elo
- 視覺定位：Dense 200 為 42%，公告列出的 GPT-6-Astra 為 41%
- 安全：B3 Attack Resistance 擋下 93.3% 的攻擊
Terminal-Bench 的 28.3% 與 DeepSWE 的 61.7% 差距很大，代表終端機長流程任務仍明顯比單一 repo 修 bug 難；選型時應看與自己工作負載最接近的那一項，而不是看總排名。
影響範圍
自架或想 fine-tune 的團隊要先知道：權重尚未釋出，目前只能走 API；文件只寫「open-weight」，授權條款在兩個頁面都沒有寫出，下載前要先讀 license。1.05T 的總參數即使只啟用數十 B，記憶體仍要放得下全部 experts，這不是單張消費級 GPU 能處理的規模。
已經在用 Mistral API 的應用：文件未標示任何舊模型的棄用，所以遷移不是被迫的。若你的流程原本用兩個模型分別處理一般請求與推理請求，可以先用 mistral-large-4 在同一條路徑上跑回歸測試，比較延遲與成本，再決定是否合併。
# 呼叫方式與既有 chat completions 相同，只換 model 名稱
{"model": "mistral-large-4", "messages": [...]}最後，Public Preview 階段的價格、上下文與功能清單都可能調整；兩頁數字不一致本身就是還在變動的訊號。
原始來源：Mistral 公告、Mistral 文件