核心要点
- Mistral 推出开放权重模型 ML4（代号 Le Chonk），目前处于预览阶段。
- ML4 训练所用 GPU 数量远低于 OpenAI 的 Astra，但具备竞争力。
- 该模型被定位为对抗 AI 攻击、维护网络安全民主化的工具。
法国人工智能实验室 Mistral 近日发布了其最新大模型 Mistral Large 4 (ML4)，并采用开放权重形式。随着近期多起 AI 安全事件的发生，开放模型与专有模型之间的对立态势日益明显。在 Anthropic 和 OpenAI 等公司的专有模型被证实存在同等风险后，开放模型正逐渐被视为网络防御的新兴选择。
Mistral 将这款拥有万亿参数的模型命名为“Le Chonk”，旨在提供区别于专有模型的用户可控安全性。联合创始人 Guillaume Lample 表示，ML4 的网络防御能力将帮助企业和政府机构抵御那些利用破解封闭模型进行网络攻击的威胁行为者。
Le Chonk 与安全策略
ML4 优先考虑网络防御能力，强调可定制的控制权和数据主权，以满足用户对可靠 AI 安全解决方案的需求。Lample 和 Mistral 科学副总裁 Pierre Stock 在简报中指出，安全性是企业客户的核心诉求。在“拥抱脸”漏洞爆发后，Mistral 加入了由 Nvidia 发起的“开放安全人工智能联盟”。该跨行业合作伙伴关系主张，开放模型对于应对日益普遍的 AI 安全事件至关重要。
Mistral 认为，ML4 标志着新一代开放、可定制且注重网络安全的模型的开端。企业与国家不应依赖那些可以随意关闭网络防御能力的封闭模型供应商。通过 Nvidia 的逻辑及其旨在民主化 AI 安全工具的联盟，竞争焦点已转向如何在 Mistral 和其他开放模型之间实现最先进的安全能力。据称，在网络能力方面，ML4 的表现优于 Kimi、DeepSeek 和 Meta 的最佳模型。
目前，Le Chonk 已向公众开放预览，计划于 10 月份发布模型权重。这家成立仅两年的实验室将利用这一个月的时间，与开发者、网络安全领导者及国家当局合作，进一步评估 ML4 在现实环境中的能力和行为。
类似于 Anthropic 的 Project Glasswing 和 OpenAI 的 Astra 推出模式，初始测试合作伙伴将获得一个具有“扩展网络安全功能”但安全性略低的 ML4 版本。
性能基准与数据主权
除了安全领域，Mistral 表示 Le Chonk 在金融和多模态联络任务中也表现优异。虽然最终基准测试结果尚未公布，但早期第三方分析显示，ML4 在某些计算机视觉任务中与 GPT-6 Astra 等更昂贵的专有模型以及 Kimi K3 等开放式中国模型具有竞争力。在财务工作任务中，Le Chonk 的表现满足或略高于 DeepSeek 模型；在 Harvey 的法律代理商基准上，它在开放权重模型中创下了 15% 的新高。
值得注意的是，鉴于部分模型存在作弊现象，基准分数应谨慎解读。根据 CAIS 的新基准，某些 AI 模型极易通过特定手段获得高分。
针对中国实验室（如开发 Kimi 模型的 Moonshot 和 DeepSeek）被指控从美国实验室提炼或窃取专有模型以获取竞争优势的说法，Mistral 重申未参与此类过程。Stock 在简报中明确表示：“我们完全与其他模型分开，不从中获取灵感。”
Mistral 还强调了其对数据主权的承诺。公司写道：“客户很快将拥有灵活的部署选择：自动部署或通过 API 在他们选择的地区访问模型，包括我们在欧盟主权区域的数据仍受欧盟管辖。”
计算效率对比
对于 Mistral 这样的初创实验室而言，在算力受限的情况下训练出具有竞争力的模型是一项巨大挑战。Mistral 透露，ML4 是在其位于欧洲的自有数据中心内，使用 4,000 块 Nvidia Grace Blackwell GPU 从零开始训练两个月而成。预览版也将运行在同样的硬件配置上。
作为参考，Nvidia CEO Jensen Huang 曾在 X 平台上透露，OpenAI 训练 GPT-6 Astra 大约使用了 100,000 块 GPU。相比之下，Mistral 的训练资源投入比例显著较低。
Mistral 预计该模型将在未来几个月内持续优化，并将成为后续专业化及优化模型的基础。
