Mistral Large 4 發表：API 預覽、資安跑分與開放權重的三道門檻（2026）

2026 年 10 月 6 日，Mistral 在官網發布了〈Introducing Mistral Large 4〉，開放 Mistral Large 4 的 API 預覽。這則消息的張力很清楚：資安能力已有值得檢查的成績，公開權重卻仍是下一個交付承諾。能呼叫模型、能證明它適合工作、能自行掌握部署，是三道不同的門。

先讀懂公告的核心主張，再對照模型文件與獨立評測，最後決定現在值得測什麼、月底該驗收什麼。

Mistral Large 4 已經開放什麼？

官方 changelog 把 10 月 6 日的狀態列為 Public Preview，API 模型名稱是 mistral-large-4；同一條更新把公開權重列為「coming soon」。模型卡 列出多模態 MoE、100 萬 token 上下文，以及工具呼叫、結構化輸出等功能。這足以支持「現在可以透過 API 開始評估」，並未把公開下載交付視為已完成。

Weights drop end of this month.

中文：權重預定在本月底釋出。

Mistral，〈Introducing Mistral Large 4〉

以公告日期換成絕對時間，就是 2026 年 10 月底的承諾。對需要自架的人而言，下一步要等到的是檔案、授權條件、執行文件和可固定的版本；預覽 API 的帳號存取與那些交付物各回答不同問題。

參數數字先對帳：公告 49B，模型卡 52B

公告寫約 1 兆總參數、490 億啟用參數；截至 2026 年 10 月 7 日，本次取得的模型卡頁面與瀏覽器文字則寫 1.05 兆總參數、520 億啟用參數，另列 16 億參數的視覺編碼器。這裡保留兩份文件的差異，不替官方猜測 30 億的差額來自哪裡。架構細節釋出後，才有材料對照計數口徑。

MoE 可以想成一個分工團隊：模型保存許多專家的權重，每一步只動用其中一部分。啟用參數描述逐步計算，總參數描述整套模型的容量；兩者都不能單獨算出你的顯存、等待時間或每個完成任務的費用。長上下文還會加入快取與注意力成本。要評估自架，先等具體 checkpoint 與推論配置，再談硬體；別把 49B 或 52B 當成整台機器的容量需求。

Mistral Large 4 的獨立資安成績：81.7% 的分母很重要

Artificial Analysis 的 CyberGym-E2E-AA 頁面 在本次查核時列出 Mistral Large 4 Preview 的 pass@1 為 81.7%，位居該頁所列模型之首。這是評測機構自己發布的結果，不只是公司轉述自己的跑分；它支持的是這一版測試中的發現、重現與修補流程。

先讀評分規則：共 131 個篩選任務，每個專案一題；用 Stirrup harness，每題最多 90 分鐘。通過要求是讓未修補版本出現崩潰、補丁消除那個崩潰、既有功能測試繼續通過。補丁是否真的修掉原始漏洞根因，是另外記錄的第四階段，沒有計入主分數。本文沒有呼叫 Large 4 重跑這套評測。

這個區別直接影響採用。讓一個觸發輸入不再崩潰，是可觀察的進步；證明整類漏洞已消失，還需要不同輸入與根因檢查。我的判斷是：這組獨立結果足以讓防禦團隊把 Large 4 放進候選名單，但驗收仍應要求補丁說明、功能回歸與根因證據，不能把榜單百分比當成安全簽核。

多模態、Coding 與知識工作，該怎麼讀原文？

Mistral 的能力敘事涵蓋程式代理、企業流程、視覺定位、科學計算，以及金融與法律文件。它要展示的不是只會聊天，而是讀圖、查資料、操作工具、交出成果的同一套模型。原文同時引用外部評測與公司內部比較；評測名稱之外，還要看誰執行、用哪個版本與哪些工具。

例如上圖的 0.5 分差距，支持的是公司在這項視覺定位測試報告了較高分數。它沒有回答掃描表格、模糊照片、不同語言文件與長流程交付是否也領先；本文不把這張圖升格為整體多模態第一的證明。你若要處理工程圖，真正值得測的是：模型指出的位置能否對回原圖，尺寸與標籤是否一致，以及錯誤是否能被後續檢查抓住。

Coding 同樣要把「答案」與「交付」分開：補丁能編譯嗎、測試有沒有變弱、需求是否真的完成？法律與金融工作則要求逐項引用、算式與可回查的文件。原文的展示提供測試假設；自己的固定任務提供採用依據。可接著看 Agent 回歸測試，把結果、必經證據與禁止動作分開驗收。

安全圖表另一個細節：93.3% 並非獨占領先

原文報告 B3 攻擊抵抗率 93.3%；它自己的圖也列 GLM-5.3 為 93.3%。此外，原文連到 Lakera 的weak 資料集，資料卡明說這是較低品質版本，並與研究使用的高品質資料分開。本文未取得能獨立確認 Large 4 此分數的完整跑次，所以保留為公司在該圖報告的比較，不宣稱通過完整安全認證。

「會做防禦工作」和「不受惡意內容誘導」是兩個能力。再加上「會拒絕哪些請求」，就有第三個維度；高分模型仍可能在某種工具權限與輸入組合下出錯。公告提到讓經審核合作方使用較低 moderation 的存取路徑，不能直接照搬成公開 API 的行為承諾。對組織而言，自訂政策的價值，應與隔離、工具授權和操作紀錄一起驗收。

還在訓練：預覽應當是一個可固定的測試對象

The reinforcement learning run behind this preview is still in flight

中文：這個預覽背後的強化學習訓練仍在進行。

Mistral，〈Introducing Mistral Large 4〉

Mistral 把可組合任務環境、非同步生成與驗證，當成持續改善能力的引擎；它也把自有歐洲基礎設施與未來專用模型放進同一個故事。這能解釋公司的方向，卻不能由訓練曲線推得你下週的工作一定更快。我的推論是：越持續更新的預覽，越需要保存模型回應中的版本、執行日期、提示、工具配置和完整結果。

若只有一個會變動的 API alias，這週與下週的比較就可能混入後端更新。保存固定題集並在變更後重跑，比記住發布時的一張榜單有用。模型身分查核收據可以補上交付紀錄；Reflection Beam 的權重預告分析則提供另一個把承諾與交付分開的案例。

AlphaLab 的判讀：現在測能力，交付後再談自主部署

我同意：獨立亮點值得換成自己的測例

CyberGym-E2E-AA 的成績提供了具體理由：如果你的瓶頸是重現漏洞與提出補丁，可以在隔離的自有測試庫中評估 Large 4。重點是讓模型交出能否證的成果，而不是詢問它認為自己多強。先預寫錯誤情境與必要證據，完成後再計算通過率、總耗時和人工收尾。

我存疑：把單項排名換成通用領先或全面安全

每項評測有自己的任務、分母、工具與通過條件。根因修補沒有納入資安主分數、公司視覺圖差距很小、安全圖有並列值，這三個細節都阻止我們把選定工作負載的成績外推到全部工作。這不是否定模型；是讓它的優勢落在真的被量到的位置。

真正的自主控制，要同時拿到檔案與運行能力

開放權重的潛在價值，是組織可以固定版本、調整部署與政策，降低對單一服務入口的依賴。但檔案可取得、授權允許你的用途、硬體跑得起、工具和資料流可控，四者都成立，才變成實際選項。現在可以把這四項寫進月底驗收表；本機模型的記憶體與 Agent 驗收能幫你先理解容量與可用性的差別。

接下來追三張證據，而不是三句口號

第一張是 API 任務收據：用不含敏感資料的相同任務，記下模型版本、工具、成果、錯誤、費用與總時間。這能回答「現在適不適合我的工作」。

第二張是評測條件表：分開列獨立與公司結果，核對任務版本、拒絕策略、樣本數、根因檢查與重跑紀錄。這能回答「新聞裡的領先到底支持哪一項能力」。

第三張是權重交付表：到 2026 年 10 月底核對官方下載、授權、模型卡、推論支援與參數計數。拿到之後再用相同任務驗自架配置，這能回答「可控制的替代方案是否真的成立」。