Mistral Large 4（Le Chonk）发布：1 万亿参数，只用了 4000 块 GPU 训练

Mistral Large 4（Le Chonk）发布：1 万亿参数，只用了 4000 块 GPU 训练

情报来源：TechCrunch《Mistral's new 1T model aims to leapfrog closed and open rivals》（2026-10-06）· 原始信息以 mistral.ai/news/mistral-large-4 为准

一文看懂

先看格局。 开源与闭源的战线正在拉出一道裂缝：一边是美国闭源模型，性能强但"可以被拔掉插头"；另一边是大量中国开源模型，开放但让欧洲企业和政府不安。法国总统 Macron 管这叫什么？"AI 的第三条路"——而法国实验室 Mistral AI，就是这条路上最显眼的旗手。

10 月 6 日，Mistral 发布了 Mistral Large 4（ML4）。 1 万亿参数的多模态大模型，法语圈给它起了个外号叫 Le Chonk（字面意思是"胖家伙"，正对着它 1T 的体量）。但注意一个关键细节：它现在还不是开源权重模型。当前只能通过一个受防护的公共端点访问，Mistral 计划在三周后、安全测试做完之后才放开权重。官方给出的理由是克制的："我们会和受信任的伙伴与政府合作，确保开源权重能被用于防御，而不是被拿去搞恶意攻击。"这句话背后，是 Mistral 核心受众——欧洲的企业和机构——近几个月不断升温的安全顾虑；同时也是它给自己留的缓冲：开放权重之前，先把"防滥用"的功课做掉。

最反常识的数字是训练成本。 ML4 只用 4000 块 Nvidia GPU 完成训练。Mistral 科学副总裁 Pierre Stock 的说法是：这"比我们的中国竞争对手少 2 到 3 倍，比闭源竞品更少得多"。在"千卡万卡"成为军备竞赛标配的当下，一家欧洲实验室用 4000 卡练出 1T 参数模型，等于在强调：模型的胜负不只拼算力堆砌，也拼训练方法论的效率。这也正是 Mistral 一直以来的叙事——它在法国自己的算力上完成训练，强调"主权"而非依赖任何一方。

这个叙事有过摇摆。 今年早些时候，Mistral 曾决定在自己的平台上托管中国开源模型，一度被市场解读为"要退化成一家纯推理服务商"——一家喊着主权 AI 的欧洲公司，却在给中国模型做代理。公司当时专门发文澄清，说这不是转型。如今 ML4 带着自家 1T 模型和"4000 卡"的效率标签回归，某种程度上就是在用行动回答那个质疑：我们仍是前沿实验室，不是别人的托管方。而"受防护的公共端点"（guardrail endpoint）这个过渡形态，也给了它一边测安全一边铺信任的缓冲期。

优化的应用方向同样带着产业色彩。 官方列出的重点用例是网络安全、金融，还有芯片设计——后者的指向性再明显不过：Mistral 的两大核心投资方，一个是在 C 轮领投的荷兰光刻机巨头 ASML，一个是在上月 D 轮领投（估值约 244 亿美元）的三星。把模型能力对准"造芯片"这个场景，既是商业绑定，也是把多模态能力落到具体产值上。而上月的 D 轮融资本身就带着"主权 AI 成为大生意"的信号：欧洲资本在真金白银地押注"不依赖美国也不依赖中国"的模型路线。

需要理性看待的部分。 ML4 的基准成绩目前还没公布，Stock 的表态是"希望在开源权重模型里做到最好，尤其在特定领域超过闭源"。这意味着现在下任何"能不能打"的结论都为时过早——真正见真章的时刻，是三周后权重开放时。届时要看的不是宣传口径，而是三件事：权重到底开源到哪一步、跑基准的第三方复现结果、以及"4000 卡训练"的效率神话能不能被独立验证。"主权 AI"是个有力量的叙事，但它最终要靠模型质量来兑现，而不是靠地缘政治的标签。

信号强度：7.8/10 ｜ 归类：模型推理

一句话记住：Le Chonk 的看点不在"1T 参数"本身，而在它把"4000 卡练 1T"和"三周后开源"放到了一起——欧洲想在开源与闭源之外，用效率叙事挤出一条第三条路。