Mistral发布Mistral Large 4公开预览版：1.05万亿参数仅激活4.7%，月底开放权重

激活参数决定算力，不决定你的账单

  混合专家的账要分开算。ML4 每 token 只激活约 4.7% 的权重，这是它能以中端价位提供服务的原因。但完整的 1.05 万亿参数仍然要全部驻留在内存里——激活数量决定的是计算量，不是你买硬件的开销。

  API 已经上线，定价是每 100 万输入 token 1.36 美元，每 100 万输出 token 4.18 美元。缓存输入的价格是每 100 万 token 0.14 美元，在 100 万上下文窗口下，这个价格会明显改变长上下文智能体循环的经济性。

  权重暂时拿不到。要等到十月底才会放出，所以现在还没法自己部署。专家数量、top-k 路由、层布局这些细节也都没公布，会和权重一起发。

  训练数据覆盖 160 多种语言，包括所有欧盟官方语言。

网络安全是它最扎眼的成绩

  Mistral 报告称，ML4 在 Cybench 上拿到 93%，在 CyberGym-E2E 上拿到 82%，进入 Artificial Analysis 网络安全指数的全球前五。

Mistral 表示，若干前沿闭源模型在 CyberGym-E2E 上得分接近零，原因是它们直接拒绝执行任务。复现一个漏洞来证明它真实存在，是标准的防御性工作，而服务商层面的拒绝会直接卡住这件事。

  智能体编程方面，Mistral 报告的成绩是 DeepSWE v1.1 上 61.7%，SWE-Atlas-QnA 上 59.4%，Terminal-Bench 4.0 上 28.3%，合成到 Artificial Analysis 编程智能体指数是 49.8%。Mistral 说明这些是在测试框架公开之前私下评测的，所以目前还不能被独立复现。

人类盲评：第二，但离第一有距离

  和 Surge AI 一起做的人类盲评可能是更诚实的信号。专业标注员给 ML4 预览版打了 3.74 分（满分 5 分），在 5 个模型中排第二。

• Claude Opus 5：4.22 分，第一
• ML4 预览版：3.74 分，第二
• GLM-5.3：3.60 分
• Kimi K3：3.59 分

  安全性上，ML4 在 Lakera 的 B3 基准上抵御了 93.3% 的攻击，在 KORABench 上拿到满分 2.0 中的 1.691 分。

  预览版 API 支持函数调用、结构化输出、文档问答、批处理，以及 Agents 和 Conversations 端点。

  一个万亿参数模型，用 4.7% 的激活率把推理成本压到中端价位，同时在网络安全这个闭源模型普遍回避的方向上拿到高分——Mistral 这次把参数规模和商业可行性之间的那笔账，算得比多数人清楚。