Mistral Large 4 是什麼？Le Chonk 兆級模型、視覺定位與開放權重時程解析

Mistral Large 4 是法國 AI 公司 Mistral 推出的通用多模態模型，可以結合文字與圖片理解任務。2026 年 10 月 6 日，官方以「Le Chonk」為代號開放公開預覽，使用者已能透過 API，也就是讓自己的程式呼叫模型的介面，開始測試。

這次發布同時牽涉兩種使用方式。雲端服務已經開放，模型權重，也就是模型學習後保存的數值資料，則預計在 10 月底釋出。下載權重之後，組織才有機會把模型部署在自己管理的環境，並依正式授權條件使用。

Mistral 的主張也很明確：把大型模型的能力帶進資安、工程圖、財務文件等專業工作。本文會解釋兆級參數的意義、官方效能比較能支持哪些結論，以及企業測試時該如何衡量成本與部署條件。我認為，Large 4 值得列入需要圖片理解與自主管理模型的企業測試名單，但正式採用仍要以自己的任務結果為準。

Mistral Large 4 的發布狀態：API 先開，權重月底釋出

依 Mistral 官方公告，這次推出的是公開預覽，模型仍在持續訓練與改善。官方承諾在當月底釋出權重，並補充架構、更多測試結果及訓練方法。對準備導入的團隊來說，10 月 6 日適合開始驗證功能與品質，自行部署的規劃則要等權重和文件到齊。

「開放權重」提供的是取得模型數值資料的機會。商業使用、修改與散布是否允許，仍由模型釋出時的授權文件決定。官方文件把 Large 4 標記為 Open，也不代表所有訓練資料、訓練程式或部署工具都已公開。

公告提到，資安領域的合作夥伴與政府機構會參與紅隊測試，也就是在受控環境下找出模型的安全弱點。部分合作測試提供較少內容限制及擴充的資安能力。一般公開 API 使用者，不能直接把這些合作條件視為自己帳號的功能。

延伸閱讀：Step 5 Preview 是什麼？100 萬上下文的新模型，怎麼看懂 Vals 第 7 名？

1.05 兆參數、490 億啟用參數，差別在哪裡？

Large 4 用大量模型容量處理複雜任務，同時透過分工減少每次運算需要動用的部分。官方模型文件 列出總參數 1.05 兆、每次啟用約 490 億參數，另列出 16 億參數的視覺編碼器，負責把圖片轉成模型可處理的資訊。社群公告使用的「1T」是兆級規模的概括寫法。

它採用混合專家架構，英文縮寫為 MoE。可以把它想成一個有多組專門成員的團隊，系統依輸入內容選擇部分成員參與處理，因此總容量與每次啟用量會不同。這能降低部分計算負擔，但保存與調度整個模型仍需要資源，不能只用 490 億參數推算硬體需求。

這個差別會直接影響自行部署的判斷。企業需要一起評估記憶體、模型載入方式、同時服務的人數，以及輸入資料有多長。官方尚未在這次公告提供完整的自行部署配置，普通筆電能否執行、需要幾張加速卡，都不能從參數量直接得到答案。

模型文件另列出 100 萬 Token 的上下文容量。Token 是模型讀取文字等內容時使用的計量單位，上下文則是一次處理時可參考的資料範圍。容量較大，有利於放入更多文件與對話，但大量輸入仍會增加費用和等待時間，關鍵資料能否被準確引用也需要測試。

延伸閱讀：Qwen3.8-27B 開放權重：27B 多模態模型、百萬 Token 與兩種版本差異一次看

官方發布影片：Le Chonk 的品牌亮相

這支短片約 17 秒，屬於產品發布的品牌影片。理解模型實際能完成哪些工作，仍要搭配官方公告中的工程圖、文件與資安示範，以及各項測試的任務定義。

視覺定位的進步，如何影響工程圖與文件工作？

Large 4 的視覺能力值得關注，因為專業工作常需要模型指出證據的位置。視覺定位指的是模型在圖片中辨認指定物件或區域，再把它的位置標示出來。當工程師要求找出某個零件，或分析人員要回到 PDF 的圖表確認資料時，定位能力會影響答案能否被核對。

Mistral 在公告中展示分析工程圖、從 PDF 找證據、搜尋大型衛星影像等工作，也公布 Dense 200 視覺定位測試結果：Large 4 為 42%，GPT-6 Astra 為 41%。這是官方在該項測試下公布的比較，差距為 1 個百分點，支持把 Large 4 納入視覺任務測試，無法延伸成所有圖片工作都優於另一模型。

製造業若要評估這項能力，可以先選擇已有標準答案的圖面，要求模型指出零件、說明位置並引用相關尺寸。檢查時要把物件辨識、位置與數值分開計分，因為找到零件和讀對尺寸是兩種不同的能力。這是本文建議的測試方法，並非對 Large 4 的實測紀錄。

同樣的方法也適用於財務文件。模型若能指出資料在哪一頁、哪一個表格，人工覆核會比較容易。文件上的數字是否讀對、計算是否一致，仍要由獨立檢查確認，才能決定哪些步驟可以交給模型協助。

資安、程式與辦公測試：排名要跟任務一起看

Mistral 把 Large 4 定位為能處理專業工作的模型，官方公布的結果涵蓋資安、程式開發及跨應用程式流程。以下數字均取自 10 月 6 日公告，代表公告所採用的測試條件，本文沒有自行重跑這些評測。

資安數字尤其需要搭配模型的拒答行為閱讀。Mistral 表示，部分封閉模型在漏洞重現測試的低分與拒絕執行任務有關。這會影響防禦團隊完成工作的能力，但測試差距同時反映能力與服務政策，不能單憑低分判定另一模型完全不懂資安。

程式開發的結果也呈現出不同側面。官方與 Surge AI 合作的盲測隱藏模型身分，讓專業評分者以 1 至 5 分評估程式輸出品質。Large 4 得到 3.74 分，在五個受評模型中排名第二，低於 Claude Opus 5 的 4.22 分。這提醒我們，某些任務的領先和整體使用偏好可能不同。

對企業而言，最有價值的評測是自己工作流程的完成率。可以要求模型取得資料、產出文件，再記錄錯誤、重試和人工修正時間。官方排名協助縮小候選名單，自己的工作資料才能回答導入後是否省時。

歐洲自有基礎設施，提供哪些部署選擇？

Large 4 的另一項特色是 Mistral 自己管理的歐洲訓練與服務環境。官方表示，模型在歐洲自有資料中心以 3,800 顆 NVIDIA Grace Blackwell GPU 從頭訓練，公開預覽也由同一套基礎設施提供。GPU 是常用來加速模型訓練與運算的晶片，這個數字描述的是訓練規模，不能當作客戶部署所需的設備數量。

對重視資料所在區域與供應商管理權的組織，這是一個可納入比較的選項。Mistral 表示，模型將在全球多個區域提供服務，其中包括由 Mistral 全程營運、適用歐洲法律的歐洲部署。

企業仍須確認自己使用的服務區域、資料處理條款與實際架構。歐洲訓練不會自動決定每一次 API 請求的處理地點，自行部署也需要另外評估日誌、資料保存與存取設定。權重釋出後，部署自主性才有更具體的實作依據。

延伸閱讀：Mistral AI 砸 8.3 億！建造巴黎資料中心，強化歐洲 AI 主權

費用怎麼算？先看目前費率，再算修正成本

使用 API 的費用會隨輸入與輸出量增加。官方費率頁 在 2026 年 10 月 6 日列出的標準價格如下，單位都是每 100 萬 Token 的美元金額。

快取是系統保存可重複利用的輸入內容，在符合條件時減少重複處理成本。模型頁同時顯示原價刪除線，因此上述數字以查詢日的費率頁為準，不能當作未來長期不變的報價。

假設某批工作使用 100 萬個一般輸入 Token，並產生 10 萬個輸出 Token，單算這兩部分約為 0.889 美元，也就是 0.68 加上 2.09 的十分之一。這是費率試算，未包含其他工具服務、額外呼叫、重試或人工覆核成本。

我會優先讓 Large 4 處理需要看圖、跨文件取證或呼叫工具的任務，再與既有模型比較。若只是簡短文字整理，也應同時測試較小模型。採用條件是完成率提高，或每件工作需要的人工修正時間下降，兩者至少要有一項實際改善。

常見問題

Mistral Large 4 已經可以下載了嗎？

2026 年 10 月 6 日開放的是公開預覽 API。官方預計在 10 月底釋出模型權重，下載位置、授權與部署文件要以正式釋出資訊為準。

Le Chonk 是另一個模型嗎？

Le Chonk 是 Mistral Large 4 的官方代號。公告也使用 ML4 作為簡稱，三個名稱在這次發布中指向同一款模型。

Mistral Large 4 可以免費商用嗎？

API 有按用量計費的價格。權重釋出後的商業使用範圍則由正式授權決定，「開放權重」這個名稱本身不足以判定所有用途都免費或不受限制。

支援很多語言，代表繁體中文一定表現很好嗎？

官方表示訓練資料涵蓋超過 160 種語言。公告沒有提供足以判定所有繁體中文專業任務品質的測試，台灣團隊仍適合用自己的文件、術語與回答格式驗證。

官方說超越封閉模型，可以直接取代既有工具嗎？

視覺定位等特定測試有官方比較結果，程式盲測則也出現其他模型領先的情況。替換工具之前，需要確認自己使用的任務、費用與品質需求。

結語：先測專業任務，月底再評估自行部署

Mistral Large 4 提供了一個值得驗證的組合：多模態理解、專業工作能力，以及預計開放權重的部署路線。需要工程圖分析、文件取證或自主管理模型的團隊，可以先用公開預覽建立小規模測試，記錄正確率、成本與修正時間。

如果測試結果顯示這些工作確實改善，再於權重釋出後評估硬體和授權，會比只依參數規模或排名決定採用更有依據。可從 Mistral Studio 了解預覽入口，並以 Large 4 官方文件 確認可用功能。

資料來源

• Mistral：Introducing Mistral Large 4
• Mistral Large 4 模型文件
• Mistral API 官方費率
• Mistral AI 官方發布貼文與影片