AI资讯

Mistral 在 Hugging Face 放出 Large 4 权重,Terminal-Bench 4.0 以 41% 对 40% 险胜 GLM-5.3

来源The New Stack查看原文

速览

  • ML4 权重已在 Hugging Face 开放,定位为西方最强开放模型。
  • Terminal-Bench 4.0 上仅以 41% 对 40% 领先 GLM-5.3,优势微弱。
  • 网络安全测试差距明显:79% 对 GLM-5.3 的 29%。
  • Mistral 强调 token 效率,称每任务比 GLM-5.3 少用 47% token。
  • 预览到正式发布三周内,Terminal-Bench 分数从 28% 升至 41%。
  • 强化学习仅用 10 兆瓦电力,Mistral 称远低于竞争对手。
  • 后续将推出更小的 Le Chonk 系列,含可在笔记本运行的版本。
  • Mistral 明确表态要「掌控前沿」,并主张拥有整个技术栈。

Mistral 周四在 Hugging Face 上发布了其前沿开放模型 Mistral Large 4(ML4)的权重。该模型三周前才进入公开预览,Mistral 称经过强化学习以及与客户、合作伙伴的测试,ML4 相比预览版有显著提升,并称其为「全球最好的开放 agentic coding 模型」。在 Artificial Analysis Coding Agent Index 的 Terminal-Bench 4.0 分项上,ML4(官方昵称 Le Chonk)得分 41%,以 1 个百分点险胜 GLM-5.3 的 40%,远高于 Kimi K3 的 21% 和 Muse Spark Open 的 6%。在防御性网络安全测试 CyberGym E2E 中,ML4 得 79%,GLM-5.3 为 29%,GLM-5.3 Flash 为 74%,DeepSeek v4.1 Flash 1017 为 76%,MiMo-V2.6-Pro 同为 79%。Mistral 科学副总裁 Pierre Stock 称 ML4 只是「一块垫脚石」,并强调开放权重是公司 DNA 的一部分。

关键事实

  • Mistral 于周四在 Hugging Face 发布 Mistral Large 4(ML4)权重,该模型三周前刚进入公开预览。
  • Terminal-Bench 4.0 上 ML4 得 41%,GLM-5.3 得 40%,Kimi K3 得 21%,Muse Spark Open 得 6%。
  • CyberGym E2E 上 ML4 得 79%,GLM-5.3 得 29%,GLM-5.3 Flash 得 74%,DeepSeek v4.1 Flash 1017 得 76%,MiMo-V2.6-Pro 得 79%。
  • Mistral 称 ML4 每任务平均比 GLM-5.3 少用 47% 的 token。
  • ML4 的 Terminal-Bench 4.0 分数从预览时的 28% 提升到 41%。
  • ML4 训练约两个月,使用约 3800 块 Nvidia Grace Blackwell GPU,部署在欧洲数据中心;强化学习阶段仅用 10 兆瓦电力。

本站视角

对中文开发者来说,最直接的变化是:又一个可自托管的编码 agent 基座模型进入候选池,而且 Mistral 明确把 token 效率当作卖点——每任务比 GLM-5.3 少 47% token,如果这个数字在真实工作负载下成立,用 API 的中小企业和做 Agent 的团队在成本上会有实质差别。但需要指出,41% 对 40% 的领先在统计上几乎不构成优势,Mistral 用「1 分领先」来支撑「全球最好的开放 agentic coding 模型」这个说法,宣传成分大于实质。真正值得关注的是 CyberGym E2E 上 79% 对 29% 的差距,以及 GLM-5.3 Flash 以更小体量拿到 74%——这说明网络安全场景的评测区分度可能比编码场景更高,也说明 Z.ai 的小模型效率不容低估。另一个可疑之处是成本对比:Stock 自己承认「没有信息表明有人能用这么少的资源做到」,也就是说 Mistral 无法验证竞争对手的实际成本,10 兆瓦这个数字缺乏横向可比口径。对国内团队而言,ML4 的开放权重值得下载实测,但不宜把厂商自发布的 benchmark 图表当作选型依据;更值得观察的是未来几个月 Le Chonk 小模型家族落地后,端侧编码 agent 的格局会不会被改写。

背景与影响

Mistral 一直把自己定位为欧洲的开放权重旗手。Stock 在发布会上把开放权重类比为电力:不应该让邻居或寡头某天突然断电。他援引的案例包括 OpenAI 计划切断 Cursor 对自家模型的直接访问,以及美国政府要求 Anthropic 对所有外国公民停用 Claude Fable 5 和 Mythos 5。这与 Anthropic CEO Dario Amodei 的观点形成对照——后者认为仅靠开放权重无法解决 AI 权力集中,因为算力基础设施本身仍然集中。Mistral 此次强调的低算力成本(10 兆瓦强化学习、约 3800 块 GPU)正是对这一质疑的回应:如果效率足够高,开放模型就不必依赖超大规模算力集群。不过,Mistral 的对比数据全部来自自家发布的图表,第三方复现尚未出现。

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。

编辑与审校

AI大海啸编辑部

负责选题、审校与「本站视角」的判断。

编辑流程与 AI 使用说明