米斯特拉尔人工智能（Mistral AI）的文档页面向用户呈现了米斯特拉尔大模型4（Mistral Large 4），其版本号为 4.0。开篇处聚焦于这一模型，并提供前往沙盒环境试用的链接，方便访问者直接调用与测试该模型，相关内容归属于推理与模型栏目。

2026年10月6日，公开预览版 Open v 26.10。

Mistral Large 4 是最先进的开放权重通用多模态模型，采用细粒度混合专家（Mixture-of-Experts）架构，拥有 490 亿激活参数、1.05 万亿总参数以及 16 亿参数的视觉编码器。

模型支持 100 万 token 上下文窗口。价格方面，输入每百万 token 为 0.68 美元，缓存输入 0.07 美元，输出 2.09 美元。

功能

• 结构化输出（/v1/chat/completions、/v1/conversations）
• 函数调用（/v1/chat/completions、/v1/conversations）
• 文档问答（/v1/chat/completions、/v1/conversations）
• 前缀补全（/v1/chat/completions、/v1/conversations）
• 聊天补全（/v1/chat/completions）
• 批量处理（/v1/batch）
• 智能体与对话（/v1/agents、/v1/conversations）
• 内置工具（/v1/agents、/v1/conversations）

其他模型

• Z.ai GLM 5.3 v 5.3
• Z.ai GLM 5.2 v 5.2
• Shieldstral 1.0 v 1.0

社区以“胖猫”梗调侃大模型体型，多数人肯定其在视觉与网络安全等基准上的进步，但也指出综合智能仍落后中美顶尖一代；少数人质疑 Mistral 缺乏真正创新。

认为新模型在视觉与网络安全等维度基准出色

• 多位读者指出视觉接地与网络安全评测表现突出，优于同类中国模型，可作为防御或主力模型，整体数字值得骄傲（较多人） > 视觉若真如 astra 般强则是世界最佳，网络基准也强，无理由嘲讽这次发布（@prodigycorp）

认为综合智能仍落后中美顶尖约一代

• 根据排行榜与指数，模型在通用帕累托前沿稍逊，竞技场排名不佳，智能水平近似去年模型，仅勉强跟进（较多人） > 其智能大致相当于一年前发布的那些模型（@saberience）

认为 Mistral 缺乏真正创新且主权 AI 无意义

• 少数意见指出该公司明确选择不创新，耗费算力复现上代预训练，所谓欧洲主权与美国中国开放权重无实质区别（少数人） > 主权 AI 是笑话，他们花八成算力重复上一代模型预训练（@erichocean）

认为欧洲急需自主模型以抗衡中美主导

• 部分用户在美国实验室监管捕获背景下，认为欧洲急需自有权重模型，任何竞争都有价值（较多人） > 欧洲急需这类模型， Mistral 继续保持（@zkmon）

认为中国开源使追赶正常且价格竞争关键

• 有观点称中国公司公开研究令 Mistral 追上不奇怪，且面对廉价中国模型打折应战，最便宜模型将赢（少数人） > 既然中国公司公开研究， Mistral 没追上才怪（@staticman2）

有价值的补充

• 具体参数：新模型为 1050B 总参、49B 激活，大于对比模型的 753B、40B 激活，但未见小模型计划（@Luker88）
• 基准细节：网络安全 CyberGym-E2E 达 82% 优于中国模型，视觉 Dense 200 达 42% 略超 Astra 的 41%；综合 Vals 指数 48.05% 对比 53.51%，单价每测试 13.78 美元对比 7.25 美元（@jakozaur）
• 终端基准 TerminalBench 4.0 分数鼓舞，说明在规范环境下不会执行荒谬操作（@walrus01）
• 可能未使用蒸馏便取得超预期基准，且提供五折价格对标 DeepSeek Flash（@aeneas_ory @mcbuilder）