Mistral完整模型权重同样于2026年11月9日开放，1万亿参数的多模态架构在FrontierCode 2.0基准上取得19.7%得分。
事实还原
官方发布信息显示，Mistral Large 4早前已进入公开预览，经过三周强化学习，编码与防御性网络安全能力提升明显。FrontierCode 2.0由Cognition推出，模型在该基准上得分19.7%；Terminal-Bench 4.0的成绩从预览版的28%升到41%；Artificial Analysis Cyber Index达到51%。低、中、高三种推理模式可选，默认使用高模式应对高精度场景。token效率的提升来自持续强化学习：模型在Artificial Analysis Coding Agent Index中得分48%，平均每个任务的token消耗却比同类领先模型少47%。开发者可按任务复杂度挑模式，推理成本随之下降。模型在欧洲基础设施上从头训练，lineage清晰，为自托管部署打下基础。
机制拆解
在Surge Code盲测里，模型被偏好的程度超过GLM-5.3、Kimi K3和DeepSeek V4.1 Flash，只落后于Claude Opus 5.5。
产业影响
权重开放搭配修改版MIT许可证，商业使用因此可行，MaaS服务则要单独授权。开发者跑复杂编码代理的门槛降低了，防御性网络安全任务中不必要的拒绝也少了。Hugging Face平台可下载，vLLM和SGLang部署均支持。
战略判断（分析而非事实）
从现有基准数据看，Mistral Large 4在开放模型的编码和网络安全领域取得局部领先。不过token效率优势能不能变成大规模采用，还要看实际部署成本和生态支持。欧洲训练背景或许能吸引看重数据主权的机构，它与闭源前沿模型的整体差距仍需持续观察。
- 三种推理模式，为性能与成本提供平衡选项
- 输出定价：每百万token 2.10美元
- 网页浏览任务的相关能力，本次发布未详细披露
