欧洲的万亿参数答案：Mistral Large 4 用"开放权重"打主权牌

大模型的世界正在分成三块：美国的闭源巨头、中国的开放权重阵营，以及一直想找到自己位置的欧洲。2026 年 10 月，法国 Mistral AI 用一篇发布博客把第三块的存在感拉满了。

新模型叫 Mistral Large 4（ML4，社区昵称 "Le Chonk"）：1 万亿总参数、约 520 亿活跃参数的原生多模态模型，混合专家（MoE）架构，上下文窗口最高 100 万 token。这意味着每个 token 只激活约 5% 的参数——容量按万亿储备，单次推理成本按五百亿量级支付。

图1：MoE 架构——总参数 1 万亿，每 token 仅激活约 520 亿

更受关注的是它的出身。ML4 完全在 Mistral 自有的欧洲数据中心、用约 3800 块 NVIDIA Grace Blackwell GPU 从零训练。对照一下：训练数据覆盖 160 多种语言，包含所有欧盟官方语言。Mistral 科学副总裁 Pierre Stock 在采访里补了一刀：中国竞争对手用的 GPU 是他们的二到三倍。

Mistral 把卖点概括为 "Forged in Europe. Built for AI sovereignty."——为欧洲锻造，为 AI 主权而生。这不是修辞：权重开放后，企业和政府可以把它跑在自己的私有云或本地集群上，数据不出境、模型可审计、访问策略自己定。对一个连云服务区域都要按国界划线的时代，这是能写进采购合同的功能。

图2：大模型的三极格局——闭源、开放权重与主权路线

能力上的意外亮点是网络安全。在 Artificial Analysis 的 Cyber Index 上，ML4 位列全球前五、开放权重模型第一；在一个"复现真实开源漏洞再打补丁"的测试中拿到 82%，是公开模型里的最高分；Cybench 40 道安全赛题解出 93%。对照背景是：一些头部闭源模型因为安全策略直接拒绝做这类任务，分数接近零。防守方要不要保留"证明漏洞真实存在"的能力，这道选择题被摆到了台面上。

图3：ML4 在网络安全基准上的表现与闭源模型的拒答

当然，主权是有价格的。4-bit 量化后本地部署也要 500 GB 以上的高速内存，绝大多数团队只能走 API；目前提供的是公共预览接口，完整权重要到月底才发布，还要先过红队测试。万亿参数的头条很重要，但开发者更该关心的是活跃参数、工具调用行为和真实部署成本。

欧洲能不能靠 Mistral 一家撑起"第三条道路"，现在下结论太早。但 ML4 至少证明了：在算力劣势下，用架构效率、开放策略和主权叙事，也能造出全球一线水平的模型。

关联推荐

• 浅层量子电路在两个问题上胜过 LLM（IBM） — 另一场"效率对规模"的竞赛
• 完美系统反而脆弱：为什么"不完美"让网络更稳 — 系统设计里的另一种权衡
• 量子纠错界的"黑马"跑通通用门集 — 看看"非主流路线"怎么翻盘