如果安全团队要修一扇坏掉的门，往往得先复现小偷是怎么撬开的。AI也一样：要修复软件漏洞，模型通常要先执行一段看起来很像攻击的操作。闭源服务可能因此拒绝回答，甚至在事故处理中途切断访问。Mistral的新模型试图换一种安排：把模型交到机构自己手里，让防守方自行决定它在哪里运行、能处理什么数据、该遵守哪些规则。
这款模型叫Mistral Large 4（ML4），别名“Le Chonk”。Mistral已开放其模型权重——也就是模型训练后形成的大量数值参数，企业和政府可以下载并自行部署。它把网络安全、编码智能体和多模态任务列为重点方向。不过准确地说，ML4是“开放权重”，不是无条件的传统开源软件：训练数据和训练代码并未因此自动开放，许可证也保留了商业限制。
万亿参数，不等于每次都跑一万亿
ML4的总参数约为1万亿。参数可以理解为模型训练后学到的数值连接；规模更大，不自动代表能力更强，还会增加存储和计算负担。
它采用Mixture-of-Experts（MoE，混合专家）架构。做法像一家大型会诊中心：虽然名册上有很多专家，每个问题只叫来少数合适的人。Hugging Face的介绍显示，ML4每次处理一个token——模型读写文字时使用的基本单位——实际激活约490亿参数，而不是同时调用全部万亿参数。因此，“万亿参数”描述的是总容量，不能直接理解成每一步推理都动用万亿规模。
据Hugging Face博客，ML4可以接收文字和图像并生成文字，支持多语言，上下文窗口为100万tokens。所谓上下文窗口，就是模型一次能够放在“工作台”上参考的信息量。模型权重已在Hugging Face提供，用户也可通过Mistral API调用。
许可证同样值得留意。ML4采用Mistral Ecosystem Open-Weight License。Hugging Face称它源自MIT许可证，但限制model-as-a-service，也就是把模型能力包装成在线服务对外提供。换句话说，权重可以下载，不代表任何商业用途都不受约束。
为什么网络安全成了主战场？
网络攻防天然具有双重用途。同一个模型可以帮助防守者复现漏洞、分析恶意软件和编写检测规则，也可能降低攻击工具的制作或自动化门槛。开放权重进一步把能力控制从模型公司推向部署者：机构可以把模型放在本地环境，控制数据、使用政策和访问权限；与此同时，提供商也更难通过统一接口限制所有用途。
Mistral给出的核心理由是，安全研究经常“看起来像攻击”。Hugging Face介绍的Artificial Analysis Cyber Index测试要求模型复现真实开源软件漏洞，再完成修补。ML4在这项测试中得分82%。Mistral还称，一些闭源前沿模型因拒绝执行任务而接近零分。这意味着该测试不只受到模型能力影响，也混入了不同产品的拒答策略，不能把分数简单等同于综合攻防水平。
Mistral的内部测试还称，ML4虽然没有专门针对相关任务训练，却可用于恶意软件分析、漏洞优先级排序和检测规则编写。公司同时表示，模型面对JailbreakBench、StrongREJECT和AgentHarm中的网络安全提示时，平均拒绝率高于其他开放权重模型。这里呈现出它必须处理的矛盾：既要让防守者复现危险行为，又要拒绝真正有害的请求。
这也是一场控制权竞争
Mistral是欧洲代表性的基础模型公司之一，长期用可自行部署的开放权重模型，与OpenAI、Anthropic等主要提供闭源API的厂商竞争。API可以理解为租用外部模型服务：使用方便，但模型、访问政策和服务连续性主要掌握在供应商手中。开放权重则更像把设备搬进自己的机房，机构获得更多控制，也承担更多部署和治理责任。
据TechCrunch报道，Mistral称ML4的表现可与中国开放权重模型GLM-5.3相比，每项任务少用47%的tokens；公司还称它在Artificial Analysis Coding Agent Index上位列开放模型第一。这些结果目前主要来自Mistral或转述其口径，尚不能当作独立复现后的定论。
这次发布延续了Mistral一贯的姿态。VentureBeat曾报道，2023年12月，Mistral几乎没有铺陈，只在官方账号放出一条torrent下载链接；社区拆包后才确认其中是Mixtral 8x7B。那种“模型在这里，自己验证”的发布方式，帮助它建立了开放权重的品牌。ML4把这套主张带进了风险更高的网络安全领域：争论不再只是哪个模型跑分更高，而是谁有权掌握模型、规则和数据。
局限与未知
- 82% Cyber Index、少用47% tokens、编码智能体排名第一及内部安全测试用途，都缺少第二个独立信源或完整测试条件。
- 材料没有充分说明万亿参数模型本地部署所需的硬件、量化方案和运维成本。“能够下载”不等于多数机构能够轻松运行。
- 开放权重既能增强防守方的自主性，也可能扩散高风险能力。现有材料尚不足以判断ML4的拒答机制在真实攻防场景中能否稳定划清界线。