title: Mistral 推出 1 兆參數開放權重模型 Large 4：輸入每百萬 token 僅 0.68 美元，權重 10/27 釋出 --- **Category** - [AI](https://www.soft4fun.net/category/tech/ai) - [新聞](https://www.soft4fun.net/category/tech/news) - [科技](https://www.soft4fun.net/category/tech) **Tag** - [AI](https://www.soft4fun.net/tag/ai) - [Mistral AI](https://www.soft4fun.net/tag/mistral-ai) - [Mistral Large 4](https://www.soft4fun.net/tag/mistral-large-4) - [MoE](https://www.soft4fun.net/tag/moe) **圖片清單** - ![Mistral 推出 1 兆參數開放權重模型 Large 4：輸入每百萬 token 僅 0.68 美元，權重 10/27 釋出 cover-mistral-sovereign20copie](https://cf.img.soft4fun.net/2026/10/cover-mistral-sovereign20copie.jpg "cover-mistral-sovereign20copie") --- Mistral Large 4 在台灣時間 10 月 6 日登場，這是歐洲新創 Mistral 推出的 1 兆參數級多模態開放權重模型，API 預覽版當天開放，權重預計 10 月 27 日釋出。Mistral 用 1.05 兆總參數、490 億活躍參數與每百萬 token 0.68 美元的輸入價格，直接挑戰 GPT-6.1 Sol、Gemini 4 Argon 等閉源模型，也要和 GLM-5.3、DeepSeek-V4-Pro 這些中國開放權重模型正面比較。 ## Mistral Large 4 是什麼：1 兆參數的 MoE 模型 根據 Mistral 官方文件，Mistral Large 4 是一款原生多模態、同時涵蓋指令與推理模式的混合專家（MoE）模型，總參數約 1.05 兆，每次推論實際啟用 490 億參數，另有 16 億參數的視覺編碼器，支援 100 萬 token 脈絡長度、函式呼叫、結構化輸出、文件問答與批次處理。模型涵蓋 160 多種語言，包含所有歐盟官方語言。目前狀態為公開預覽（版本 v26.10），可透過 Mistral Studio 與 API 使用。 ![Mistral 推出 1 兆參數開放權重模型 Large 4：輸入每百萬 token 僅 0.68 美元，權重 10/27 釋出 cover-mistral-sovereign20copie](https://cf.img.soft4fun.net/2026/10/cover-mistral-sovereign20copie.jpg "Mistral 推出 1 兆參數開放權重模型 Large 4：輸入每百萬 token 僅 0.68 美元，權重 10/27 釋出 cover-mistral-sovereign20copie")圖片來源：[Mistral AI 官方新聞頁面](https://mistral.ai/news/mistral-large-4) 外媒 TNW 報導，這款模型在內部代號為「Le Chonk」，訓練耗時約兩個月，使用位於歐洲資料中心的 NVIDIA Grace Blackwell GPU，Mistral 官方說法為 3,800 張，TNW 則概略寫成約 4,000 張、耗電約 10 百萬瓦。Mistral 也提到，後訓練階段採用大規模強化學習，每天產生約 330 億個 token 的訓練資料。 ## 價格與開放時程：比 GPT-6.1 Sol、Gemini 4 Argon 的 2 美元底價更低 價格是這次發表最受關注的一點。Mistral 官方文件頁面列出輸入每百萬 token 0.68 美元、輸出 2.09 美元，快取輸入只要 0.07 美元；Yahoo 財經的報導引用的也是同一組數字，並指出這比 OpenAI GPT-6.1 Sol 與 Google Gemini 4 Argon 目前 2 美元輸入的價格帶更低。值得留意的是，官方新聞頁面上所列的數字為每百萬 token 1.36 美元與 4.18 美元，剛好是文件頁的兩倍，兩處說法並不一致，實際計價建議以 Mistral Studio 的帳單頁為準。 權重部分，Mistral 官方只說會在 10 月底前釋出，TNW 與 Yahoo 財經則指出具體日期為 10 月 27 日。這代表現階段開發者只能透過 API 使用，真正能自行部署、微調要等到權重上線之後。 ## Benchmark：官方主打資安、程式與歐洲主權 Mistral 強調這款模型在資安、程式、代理人工作流與多模態理解上表現突出，官方指出它在「重現並修補真實漏洞」的任務上達到 82%，並在 Artificial Analysis 的 Cyber Index 進入全球前五名。根據 TNW 整理的成績，Mistral Large 4 在 DeepSWE 程式基準拿下 62%，略高於 GLM-5.3 的 61%；FinWorkBench 金融任務為 67%，與 DeepSeek-V4-Pro 並列；法律代理人測試為 15%，高於 GPT-6 Astra 的 5%；視覺定位測試 DIOR-RSVG 為 73%，高於 GPT-6 Astra 的 68%。 需要注意的是，以上數字都是廠商自行公布的成績，Yahoo 財經也提醒這些結果尚未經過獨立驗證，並點出整個產業存在基準測試膨脹的問題。第三方評測機構 Vals AI 則表示，這款模型是其 HLAB 評測中排名第一的開放權重模型，並在 Vals Index 的開放權重模型中名列第九，可以看出它在部分領域領先，整體綜合排名仍有落差。 ## 為什麼這件事值得關注：歐洲能否拿回開放權重話語權 Mistral 在 9 月完成 30 億歐元募資，估值約 210 億歐元，這是它拿到資金後首次交出的旗艦級作品。Mistral 共同創辦人 Guillaume Lample 說，這款模型的資安防禦能力可以讓企業與政府抵禦那些越獄閉源模型的攻擊者；官方也強調客戶可以在本地端或受歐盟法規保護的伺服器上運行，這是它與美國閉源模型、中國開放權重模型最大的賣點差異。 分析面也有不同聲音。Yahoo 財經的報導指出，Mistral 的挑戰在於如何在龐大的基礎建設與資金需求下，仍維持開放權重的承諾。對開發者來說，真正的判斷點會落在 10 月 27 日權重實際釋出之後：授權條款、自行部署所需的硬體門檻，以及獨立評測是否能複現官方成績。 ## 資料來源 來源：[Mistral 官方新聞：Introducing Mistral Large 4](https://mistral.ai/news/mistral-large-4)、[Mistral Large 4 官方模型文件](https://docs.mistral.ai/models/mistral-large-4-0)、[The Next Web](https://thenextweb.com/news/mistral-releases-large-4-a-1-trillion-parameter-open-weight-ai-model)、[Yahoo 財經](https://finance.yahoo.com/technology/ai/articles/mistral-large-4-doesn-t-155055704.html)、[Vals AI 貼文](https://x.com/ValsAI/status/2107458782372802943)。 #### 更多AI相關報導 - [Nano Banana 2.1 登場：畫質勝過 Gemini 3 Pro Image，1K 單張價格只要 Pro 的四分之一](https://www.soft4fun.net/tech/ai/nano-banana-2-1-vs-gemini-3-pro-image-quality-price.htm) - [Mistral 推出 1 參數開放權重模型 Large 4：輸 每百萬 token 0.68 美 ，權重 10/27 釋出](https://www.soft4fun.net/tech/news/mistral-large-4-1t-open-weight-moe-49b-active-1m-context.htm) - [OpenAI 一次釋出 722 篇 AI 數學論文：官方稱由比 GPT-6 Astra 更強的 部模型產出](https://www.soft4fun.net/tech/ai/openai-722-math-manuscripts-internal-frontier-model-lean.htm) - [Reflection AI 推出 501B 開放權重模型 Beam：Apache 2.0 授權、官方稱推論運算量比 GLM-5.2 少 3 到 4 倍](https://www.soft4fun.net/tech/news/reflection-ai-beam-501b-open-weight-apache-2-glm-5-2.htm) - [聯發科傳大砍員工 AI Token 額度：郭哲榮揚言出 持股， 司回應「不是限制」](https://www.soft4fun.net/tech/news/mediatek-ai-token-quota-cut-kuo-che-jung-response.htm) 📖 延伸閱讀：AI 為你整理的 5 個重點問題[Q1. 總參數高達 1 兆，為什麼每次運算只啟用 490 億？這樣的設計對實際使用有何影響？→](https://www.soft4fun.net/tech/news/mistral-large-4-1t-open-weight-moe-49b-active-1m-context.htm/faq/1)[Q2. 如果正在評估導入這款模型，哪些應用情境最能發揮它的技術優勢？→](https://www.soft4fun.net/tech/news/mistral-large-4-1t-open-weight-moe-49b-active-1m-context.htm/faq/2)[Q3. 當開放權重正式釋出後，想在自建主機上自行部署會遇到哪些挑戰？→](https://www.soft4fun.net/tech/news/mistral-large-4-1t-open-weight-moe-49b-active-1m-context.htm/faq/3)[Q4. 在透過 API 串接使用這款模型時，有哪些降低成本與提升穩定度的小撇步？→](https://www.soft4fun.net/tech/news/mistral-large-4-1t-open-weight-moe-49b-active-1m-context.htm/faq/4)[Q5. 面對各大模型亮眼的官方基準測試成績，該如何客觀驗證它是否真的符合自身期待？→](https://www.soft4fun.net/tech/news/mistral-large-4-1t-open-weight-moe-49b-active-1m-context.htm/faq/5)想知道這些問題的解答嗎？