Mistral开放Large 4权重，挑战中美网络AI

10月29日，Mistral 发布了 Large 4 的权重供下载。这意味着企业和政府可以自行部署该网络安全 AI 模型，而不再依赖美国或中国的公司。然而，这种自由是有代价的。由于 Mistral 对模型的控制力有限，它无法确定谁将能够使用它以及用于何种目的。

从 API 预览到可下载的权重

Mistral Large 4 于 10 月 6 日首次通过 API 推出，其权重于 10 月 29 日开放下载。API 访问仍可作为部署选项之一。Large 4 的官方规格显示，其总参数量为 1.05 万亿，其中激活参数量为 520 亿，略高于 Cryptopolitan 此前报道的 490 亿。

企业可以自行定制和托管该模型。但若希望将其作为托管服务转售，则需获得单独的商业许可证。这种独立性是 Mistral 的核心卖点。正如公司高管 Pierre Stock 在接受 TechCrunch 采访时所言，访问权限“不会被切断”。

基准测试展示了什么，又未展示什么

根据 Mistral 报告，Large 4 在 Coding Agent Index 上得分 48%，与 GLM-5.3 基本持平。然而，Large 4 每项任务使用的 token 数减少了 47%。该公司还报告称，其在 FrontierCode 2.0 上的得分为 19.7%，在 Terminal-Bench 4.0 上的得分为 41%。

网络安全领域的情况略有不同。Large 4 在Artificial Analysis Cyber Index上得分为51，落后于Kimi K3.1 Pro（64）、DeepSeek V4.1 Flash（57）和Grok 4.7（56）。但这些分数需要结合背景来理解。该指数衡量的是AI模型发现和修复安全漏洞的能力，而非其实施网络攻击的能力。

与封闭前沿模型的差距有多大

尽管 Large 4 在编码和防御性网络安全方面据报道有所改进，但领先的开放权重模型仍落后于最强的封闭系统。Epoch AI 于 10 月 16 日发布的一项分析显示，领先开放权重模型 GLM-5.3 的 Cyber ECI 得分为 160，而最强的封闭模型得分则为 171。回顾历史表现，Epoch 估计开放权重模型落后于封闭前沿模型六到七个月。然而，其评估是在 Large 4 最终发布之前做出的。

Britain’s AI Security Institute也得出了类似的结论。它估计开源模型与闭源竞争对手之间存在四到七个月的差距，尽管其测试方法与Epoch AI有所不同。

问题远不止于防御能力。在其受控测试中，Anthropic 报告称 GLM-5.3 在 410 次试验中的 50 次成功利用了现有漏洞。研究人员在各种模拟中成功绕过了模型的安全功能，成功率达 64%-100%。

主权主张与采用现实的碰撞

企业表现出更强的意愿来控制其 AI 系统，但支出数据却揭示了另一番景象。据报道，截至 9 月，42% 的受访企业在生产环境中使用了开放权重模型，而 7 月这一比例为 31%。

尽管如此，开放权重模型仅占 10 月计量 AI 消费量的 5%。Claude 占比 29%，微软 Microsoft 365 Copilot 占比 36%。

Futurum 还发现，模型来源影响了 47% 的生产用户决策。然而，其调查主要集中在北美地区，限制了更广泛结论的得出。

对企业而言，更大的独立性也意味着承担更多责任。普华永道（PwC）警告称，选择开放权重模型的公司必须自行管理安全性和维护工作。

无法撤回的安全保障

当人工智能模型能够处理敏感的网络安全任务时，这种责任变得尤为重要。Mistral 表示，Large 4 拒绝了 96.6% 的有害网络请求。然而，一旦模型被下载，这些安全措施就可能被移除。AISI 还警告称，开发人员无法监控或撤回私有托管的副本。

Moonshot 采取了不同的方法。该公司在计划于 11 月 4 日发布的 Kimi K3.1 Pro 权重之前，移除了网络安全培训材料。其内部攻击性基准测试得分随后从 90.5% 降至 81.0%。然而，这些结果尚未得到独立验证。

截至 10 月 30 日，尚无公开记录的网络攻击与 Large 4 新发布的权重相关联。