Mistral 发布万亿参数模型 Large 4「Le Chonk」,编程能力领先开源对手但整体仍落后中国头部模型
来源The Decoder查看原文
速览
- Mistral 开源万亿参数模型 Large 4,代号 Le Chonk
- 模型完全在欧洲训练,强调欧洲本土算力与数据链路
- 编程能力是 Mistral 主打的差异化卖点
- 独立测试确认其速度快、价格低
- 整体得分 26 分,落后 DeepSeek V4.1 Flash 与 GLM-5.3 的 32 分
- 开源权重发布意味着可自部署,对成本敏感团队有吸引力
巴黎 AI 公司 Mistral 发布了万亿参数模型 Large 4(代号「Le Chonk」)的权重,该模型完全在欧洲训练完成。Mistral 称其在编程任务上优于自家的开源竞争对手,独立测试显示其推理速度快、成本较低。但在整体评测中,Le Chonk 得分 26 分,低于 DeepSeek V4.1 Flash 和 GLM-5.3 的 32 分,仍未能追上中国头部模型。
关键事实
- Mistral 发布 Large 4(代号「Le Chonk」)的模型权重
- 该模型为万亿参数规模,完全在欧洲训练
- Mistral 称 Le Chonk 在编程能力上优于其开源竞争对手
- 独立测试显示该模型推理速度快、使用成本较低
- 整体评测中 Le Chonk 得 26 分,DeepSeek V4.1 Flash 与 GLM-5.3 均为 32 分
本站视角
对国内做编程助手和 Agent 的团队来说,Le Chonk 的直接意义有限:26 分对 32 分的差距说明它在综合能力上仍落后 DeepSeek V4.1 Flash 和 GLM-5.3,短期内难以成为替代选项。真正值得关注的是它的定位——万亿参数、完全欧洲训练、开源权重、速度快且便宜,这套组合瞄准的是对数据主权和部署成本敏感的欧洲企业客户,而不是追求榜单第一。我们认为,Mistral 选择在编程这一细分场景上做文章,是在全面追赶无望的情况下收缩战线、守住可交付场景的务实做法。需要观察的是:独立测试只给出了速度和成本的定性描述,没有公开具体 benchmark 细节和测试方法,26 分与 32 分的对比也缺少评测集说明,这一差距是否在真实编程任务中同样成立,目前无法判断。此外,Mistral 自家「优于开源对手」的说法来自厂商自述,应视为营销表述而非独立结论。
背景与影响
Mistral 长期以开源权重模型在欧洲市场立足,此次把参数规模推到万亿级,并强调「完全在欧洲训练」,指向欧洲对 AI 主权与数据合规的诉求。从评测看,Le Chonk 的定位更像是「编程场景够用、部署便宜」的实用型模型,而非全面对标顶级闭源模型。开源权重也意味着企业可以自行部署,规避 API 依赖与数据出境问题。
本文由 AI 辅助整理自公开信源,事实部分以原文为准;「本站视角」一节为编辑部判断,欢迎指正。版权归原作者所有,如有异议请联系我们。