百分之九十六點六：惡意網路請求的平均拒絕率，為目前開放權重模型中的最高表現。
百分之四十一：程式開發代理測試 Terminal-Bench 4.0 的得分，較預覽版的百分之二十八大幅提升。
四十八分：整體程式開發評比 Artificial Analysis Coding Agent Index 的得分，與 Codex GPT-6.1 Terra 並列，僅次於 GLM-5.3 的四十九分。
百分之四十七：每項任務平均使用的 Token 較對手減少的幅度，代表運算效率更高。
四千張：訓練使用的輝達 Grace Blackwell 顯示卡數量，訓練時間為兩個月，地點在歐洲的資料中心。
一百六十種：模型支援的語言數量，包括所有歐盟官方語言，以及拉丁語系和非拉丁語系語種。
法國人工智慧新創 Mistral AI 在十月二十九日宣布，正式推出旗艦級大型語言模型 Mistral Large 4，暱稱為 Le Chonk，並開放全球下載。該模型先前已於本月初提供公開預覽，此次開放權重發布，代表模型的原始參數可供社群下載、修改及使用，與僅開放應用程式介面供調用的閉源模型有所區別。
開放權重的意義，在於使用者不只是透過介面使用模型，而是可以直接取得模型本身，進一步調整、部署在自己的環境中。對於企業與開發者來說，這種模式提供了更高的自主性，也讓模型的能力可以被獨立驗證，而不是只能相信廠商公布的數字。
Mistral Large 4 不僅能處理文字與圖像等多模態內容，更在網路資安與程式開發方面展現強大能力。在網路資安防禦任務上，模型涵蓋日誌檢查、程式碼審核，以及偵測最新漏洞等面向。此外，它也提供主動式網路資安措施，協助識別並解決系統弱點，定位不只是被動防守，而是提前找出問題。
最受矚目的數字，是惡意網路請求的平均拒絕率達到百分之九十六點六，為目前開放權重模型中的最高表現。這個數字代表模型在面對惡意請求時，能夠有效拒絕執行有害操作，對於希望把人工智慧導入企業系統的使用者來說，是一項重要的安全指標。
程式開發能力同樣有明顯進步。在 Terminal-Bench 4.0 代理程式碼基準測試中，Mistral Large 4 的得分從預覽版的百分之二十八大幅提升至百分之四十一，超越了 OpenCode 的 GLM-5.3 一個百分點。這個測試衡量的是人工智慧系統能否像代理人一樣，自主規劃、研究並執行複雜的程式任務，而不是只回答單一問題。
在整體評比方面，Mistral Large 4 在 Artificial Analysis Coding Agent Index 評比中，與 Codex GPT-6.1 Terra 並列四十八分，僅次於 GLM-5.3 的四十九分。值得注意的是，Mistral Large 4 每項任務平均使用的 Token 卻減少了百分之四十七，代表在接近頂尖表現的同時，運算成本與處理時間都有機會降低，對實際部署來說是相當實際的優勢。
Mistral AI 強調 Mistral Large 4 的代理能力，意指讓人工智慧系統能夠像代理人一樣，自主規劃、研究並執行複雜任務。該模型在 SWE-bench 和 Terminal Bench 等關鍵代理能力基準測試中達到最先進水準，顯示其能力不只停留在單輪對話，而是可以處理需要多步驟推理與工具使用的任務。
為了達到這些能力，Mistral Large 4 使用四千張輝達 Grace Blackwell 顯示卡，在 Mistral AI 位於歐洲的資料中心進行了為期兩個月的訓練。這個規模顯示，即使是主打開放權重的新創公司，訓練旗艦模型仍需要龐大的運算資源與時間投入，不是小型團隊可以輕易複製的。
語言支援也是這次發布的亮點之一。該模型支援超過一百六十種語言，包括所有歐盟官方語言，以及拉丁語系和非拉丁語系語種。對歐洲市場來說，這代表模型不只服務英語使用者，也能處理多種歐洲語言的內容，對跨國企業與公共部門的應用場景相當重要。
Mistral AI 共同創辦人紀堯姆·朗普勒表示，模型的網路資安防禦能力將幫助企業與政府抵禦利用遭破解閉源模型發動網路攻擊的威脅。這個說法點出一個現實問題：當閉源模型被破解並用於攻擊時，防守方需要同樣強大的工具來因應，而開放權重模型若具備足夠的防禦能力，就能成為企業與政府手中的防禦武器。
整體來看，Mistral Large 4 的發布，代表開放權重模型正在縮小與閉源頂尖模型之間的差距，尤其在資安防禦與程式開發這兩個實用領域，已經拿出可以與頂尖模型並列的測試成績。接下來值得觀察的，是開發者社群如何運用開放權重進行二次開發，以及企業在實際導入時，是否真的能在安全與效率之間取得平衡。
