Mistral 官方於二零二六年十月二十九日宣布，正式開源經強化後的旗艦模型 Mistral Large 4（暱稱 Le Chonk）權重：約一兆參數、原生多模態，編程與防禦性資安基準領先開源陣營；惡意網絡請求平均拒答率約百分之九十六點六。來源真實性已驗證。

Mistral／官方：正式開源 Mistral Large 4（Le Chonk）權重——編程與防禦資安領跑開源；一兆參數於歐洲訓練

法國人工智能公司 Mistral 於二零二六年十月二十九日在官方新聞稿《Built for Coders, Trusted by Defenders.》宣布，將本月稍早公開預覽的旗艦模型 Mistral Large 4（官方暱稱 Le Chonk）之改進版權重全面開源。本文已對照 Mistral 官方原文、並交叉參考 Hugging Face 模型卡與 WIRED 當日報道，核對發布日期、基準數字、授權與部署途徑，來源真實性已驗證。

此一事件的商業意義，不只是「又多一個大模型」，而是把可自託管、可審計、可微調的前沿能力，送到企業與政府的防禦與編程代理場景：官方稱模型在代理式編程與防禦性網絡安全任務上大幅進步，並獲多家資安與金融機構公開表態支持。對重視數據主權與 NDA 的香港及亞洲企業，開源權重意味著不必把機密工作流完全綁死在單一封閉 API。

一、核心事件：從公開預覽到開源權重

技術細節

按 Mistral 官方敘述，本月初 Mistral Large 4 先以公開預覽登場，屬約一兆參數、原生多模態旗艦模型；其後團隊按社群與早期客戶回饋，持續擴大強化學習，重點強化編程與防禦性資安。十月二十九日發布的，是這一輪改進後的權重，並強調推理效率提升，讓開發者在更高表現同時降低推理成本。

官方公布的關鍵基準（均以開源權重陣營比較為主）包括：

Cognition FrontierCode 2.0（評估端到端程式質素及維護者是否願意合併代理改動）：百分之十九點七，位列榜首
Artificial Analysis Coding Agent Index：百分之四十八，與領先開源模型 GLM-5.3 實質並列，同時平均每任務少用約百分之四十七的 token
Terminal-Bench 4.0：百分之四十一，較公開預覽上升十三個百分點，並把輸出 token 減少約百分之三十，於開源權重中領先
Artificial Analysis Cyber Index（發現漏洞、重現驗證並修補且不破壞既有功能）：百分之五十一；官方強調模型能處理正當防禦任務而不過度拒答
惡意網絡相關請求平均拒答率：百分之九十六點六（JailbreakBench、StrongREJECT、AgentHarm 中與網絡相關提示的平均值），官方稱為開源模型中最高
FinWorkBench（Finch） 金融工作流：百分之七十三點三
BrowseComp 網頁瀏覽任務：百分之八十四點五（由 SFT 檢查點約百分之七十五經強化學習提升）
B3 Agent Security Benchmark 攻擊抵抗率：百分之九十七點一（預覽版為百分之九十三點三），官方指居開源前沿

模型現提供三種推理模式，方便在成本與精度之間取捨：Low（簡單任務，取代過往「None」）、Medium（日常）、High（預設，高精準與完整推理）。Surge Code 盲測配對中，該模型勝出 GLM-5.3、Kimi K3、DeepSeek V4.1 Flash 等人氣開源對手，僅次於所測集合中的 Claude Opus 5.5。

授權方面，模型採用 Mistral Ecosystem Open-Weight 授權（修改版 MIT）：可免費使用、修改、微調與商業化；惟以模型即服務（Model-as-a-Service）對外營運者，須另向 Mistral 取得商業授權。API 定價自當日起為每百萬 token 輸入 0.70 美元、快取輸入 0.07 美元、輸出 2.10 美元。權重可於 Hugging Face 下載，並以 vLLM、SGLang、NVIDIA NIM／NeMo／TensorRT-LLM，以及 Microsoft Foundry 等途徑部署。

二、技術原理深度解析

開源權重之所以對企業防禦與編程代理「質變」，在於控制面從「呼叫別人的 API」轉為「模型住在自己的邊界內」。Mistral 強調模型於歐洲基礎設施從零訓練、譜系可追溯，並把主權人工智能定義為：機構能檢查、定制、在自有基建上部署，不必依賴供應商持續透過 API 供應同一模型。

編程一側，官方把進步歸因於預覽後約三週的強化學習：代理不只寫片段，還要在倉庫級任務上產出「維護者願意合併」的改動，並在終端環境以更少 token 完成同等工作——這直接影響大規模代理艦隊的單位成本。三種推理模式則把「簡單任務不燒推理、難題才開高檔」產品化，避免一刀切高成本。

資安一側，關鍵設計是區分防禦與惡意進攻：重現漏洞、撰寫修補與偵測規則屬防禦工作流，封閉模型常因安全過濾而拒答；開源且調校過的模型則可在自控環境完成 triage。官方亦坦言，預覽以來在真實流量中雖見模型拒絕對線上目標的黑箱攻擊，但仍觀察到用於真實攻擊的潛在能力提升，故會持續收緊護欄；同時為 Orange Cyberdefense 等經嚴格審核的企業設計夥伴，提供面向滲透測試與紅隊、且僅限授權系統的專用變體預覽。企業亦可用 Mistral Forge，以自有資安數據、政策與偵測邏輯定制，甚至蒸餾成較小任務型變體。

四、日常應用場景

1. 開發者與技術團隊

可用開源權重自建編程代理：讀倉庫、開拉取請求、在終端跑測試並迭代修補；官方示範包括無人工介入打造三維衛星軌跡網頁應用、以及從零撰寫量子化學電子分布計算工具。對香港外包與產品團隊，重點是把代理跑在可控 GPU／私有雲，並以 High／Medium／Low 控成本。

2. 企業與隱私敏感行業

銀行、電訊、關鍵基建與受規管行業可把漏洞分流、程式碼審計與調查日誌分析留在境內或專屬環境。官方引述 Booz Allen、Cloudflare、CrowdStrike、Elastic、Fortinet、ENISA、ABN AMRO、Belfius、Crédit Agricole、Rubrik、Zscaler 等機構對開源／主權部署與資安測試的正面評價——重點不在品牌聯名，而在「可定制、可資料駐留、可審計」這組需求已被歐美受規管客戶公開說出口。

3. 一般用戶

一般消費者仍可透過 Mistral Studio、API、OpenRouter 或 Vibe Code 試用；若無自管基建需求，Managed／雲端託管（例如 Microsoft Foundry）即可。真正差分價值仍在企業自託管與微調。

4. 香港與亞洲市場視角

香港金融、法律、醫療與政府外判項目，對「數據不出境／NDA」的要求與歐洲主權 AI 敘事高度同構。開源權重降低「單一供應商可遠端切斷能力」的風險，但也要求本地具備 GPU 營運、模型護欄與日誌審計能力；否則開源只是把攻擊面一併下載回家。亞洲企業若已評估 DeepSeek 等開源路線，Mistral 此輪以編程＋防禦資安雙軸差異化，提供非中國譜系的開源前沿選項。

五、專業評價與潛在考量

優勢

官方以可核對基準證明：開源陣營在代理編程效率（更少 token）與防禦資安任務上出現清晰躍進
歐洲訓練譜系＋可自託管，貼合主權與受規管部署
授權對大多數自用／產品內嵌場景相對寬鬆；護欄對惡意網絡請求拒答率高

需要留意的地方

開源權重屬雙刃：防禦者可用，攻擊者亦可下載微調；Sophos 等獨立安全意見亦提醒不可把「非中國模型」神話化，監控與控管仍是關鍵
Model-as-a-Service 另需商業授權，轉售／託管營運者勿假設「MIT 即可任意對外租模型」
約一兆參數級自託管對算力、維運與評測預算要求高；中小團隊或需改用 API／較小蒸餾變體
基準為供應商與第三方指數公布，企業應以自有倉庫與紅隊場景複測，勿只看排行榜

結語

Mistral 於二零二六年十月二十九日把強化後的 Large 4（Le Chonk）權重開源，把「可擁有的前沿模型」從預告變成可下載的基礎設施選項：編程代理更省 token，防禦資安工作流較不易被過度拒答卡死，同時以高拒答率約束惡意網絡請求。對香港企業而言，下一題不是追最新暱稱，而是能否在可控環境完成部署、微調與護欄——若需要把專屬語料與作業流程留在香港、打造企業私有模型與 API，可參考 YSK Limited 的企業私有 LLM 全託管（年費由 HK$88,000 起；Dataset → QLoRA／LoRA → 私有 API，100% 數據不出境）。

參考來源

Mistral 官方：Built for Coders, Trusted by Defenders.（Mistral Large 4 / Le Chonk 開源權重）— https://mistral.ai/news/mistral-large-4-oss/
Hugging Face：Welcome Le Chonk: Mistral Large 4 on Hugging Face — https://huggingface.co/blog/mistral-large4
WIRED：Mistral Says Its AI Model ‘Le Chonk’ Has Leapfrogged China in the Open-Weight Race — https://www.wired.com/story/mistral-says-le-chonk-surpasses-chinese-models-cybersecurity/
Mistral 官方（公開預覽原文，二零二六年十月六日）：Introducing Mistral Large 4 — https://mistral.ai/news/mistral-large-4/