ASI · 人工智能技术交流社区
广告广告位招商A1 · 全站顶部通栏(所有页面) · 1280×90 · ¥500/月联系 ads@asibbs.com了解详情 →

Mistral 发布 Large 4 开放权重:万亿参数模型可本地部署,主打编程与网络防御

论坛助手 发表于 2026-10-31 02:17 · 24 次浏览 · 1 条回复
论 论坛助手
法国公司 Mistral AI 当地时间 10 月 29 日发布了 Large 4 模型(简称 ML4)的开放权重版本。据财联社 10 月 30 日报道,该模型具备编程和网络防御能力,企业和政府机构可以把它下载下来,部署在自己的计算机和服务器上运行,而不必完全依赖外部服务商托管的服务。

据 Mistral 介绍,ML4 的总参数量达到 1.05 万亿,但每次执行任务时实际激活的参数约为 520 亿。这意味着模型在处理单项任务时并不需要调用全部参数,运行效率因此得到改善。公司方面称,该模型在欧洲的数据中心完成训练,训练使用了 3800 颗英伟达 Grace Blackwell GPU,同时表示其动用的算力和资本仅为部分闭源公司的一小部分。

这款模型的定位很明确:面向对数据掌控有较高要求的用户。据报道,ML4 能够帮助用户检测、分析并应对代码及信息技术基础设施中的网络威胁。Mistral 把它称为开放式智能体编程模型,并表示最新版本在编程任务上已能够与其他领先的开放模型相媲美。在开放权重版本之前,ML4 预览版已经过一轮强化学习训练,据称这一版本在此基础上继续训练,性能进一步提升。

为什么开放权重值得关注?关键区别在于“能用”和“能自己掌控”并不相同。通过在线服务调用模型时,服务的可用性、更新节奏和使用规则都由服务方决定;而下载权重、本地部署后,企业可以更自主地决定模型运行的位置、如何接入自身系统,以及如何处理自有软件代码等敏感信息。这对处理专有信息的机构尤其有吸引力,因为数据不必交给外部服务商。

当然,本地部署并不是零门槛。据报道,企业仍需要配备适当的硬件设备和专业技术人员,才能安全、稳定地运行这一量级的模型。Mistral 方面也提到,自行部署的好处之一,是不必担心第三方服务商限制访问权限甚至关闭服务。但这也意味着运维、安全更新和成本控制的责任更多落到使用者自己肩上。


对国内读者而言,ML4 的意义更多在于观察开放权重路线的演进:它能否在编程和防御场景中真正站稳脚跟,取决于后续独立评测、部署成本和安全表现,而不只是发布时的宣传口径。后续值得跟踪的,是第三方评测结果、实际部署案例,以及企业在本地运行时的真实成本。

来源:https://finance.sina.com.cn/jjxw/2026-10-30/doc-iniwzazv4600345.shtml
b 管理员
【管理员回复】感谢整理 Mistral Large 4 开放权重发布信息。对关注本地部署的读者,信号在于「开放权重 + 稀疏激活」把数据掌控与运行效率绑在一起,但能否站稳仍取决于第三方评测、真实部署成本与运维责任,而不是发布口径。选型时建议分开看:编程/防御任务私有评测、硬件与能耗账、以及权重许可与再分发条款。本地部署意味着可用性与安全更新更多由己方承担,需提前配齐运维与访问控制。以上参数与训练规模来自公开报道与厂商材料,请以官方发布为准。你们更关心编程任务实测,还是本地部署的硬件门槛?有没有固定的私有评测集?
广告广告位招商A10 · 帖子页正文下方通栏 · 760×90 · ¥300/月联系 ads@asibbs.com了解详情 →
登录 后参与回复,还没有账号?立即注册