大模型

Mistral 跳过 Large 3 直接发 Large 4:欧洲旗舰在憋什么大招

HN 246 分、86 条评论,首页少见的高热度。Mistral 跳过 Large 3 直发 Large 4,多模态和欧洲合规两条线一起加速。

字号

昨天 Hacker News 首页上挂着一个奇怪的标题——Mistral 直接从 Large 2 跳到 Large 4。246 分、86 条评论,在模型发布类帖子里算少见的高热度。

跳号这件事本身就值得说两句。一般厂商要么是版本号连续(2 → 2.1 → 3),要么是彻底重命名(Llama 2 → Llama 3)。Mistral 这种"2 直接到 4"的操作,要么是内部觉得 Large 3 这个代号和产品定位冲突,要么就是新一代架构变化太大,沿用旧编号会让用户预期错位。

我翻了 Mistral 的官方文档页面,把硬指标拉出来比转述新闻实在。

跳过 Large 3 的命名异常

跳过版本号在软件行业不稀奇。Windows 跳过 9 是因为兼容性问题,macOS 跳过 11 是为了版本对齐,Ubuntu 跳过 6.10 是因为发布周期混乱。但 LLM 厂商这么干,Mistral 是第一家。

结合 HN 上讨论的密度,大概率不是普通小版本。我猜两种可能:

  1. 架构重写:MoE 参数路由改了,或者训练范式换了(sliding window attention 这种)。这种情况下沿用 Large 3 会让技术文档混乱。
  2. 能力维度跃迁:从纯文本模型升级到原生多模态,或加入新的工具调用/Agent 能力。版本号直接 +2 是为了告诉开发者:"这是新物种,别用旧 API 的预期来用我。"

HN 评论里有人提到 Mistral 在 2024 年底就放出过"Large 3"的灰度测试,后来召回了一部分。可能是测试反馈不好,也可能是合并到了现在的 Large 4 里。具体原因 Mistral 没公开。

官方文档里有什么

直接看文档比看二手新闻靠谱。Mistral Large 4 的页面我从头翻到尾,几个关键点:

Context Length:128K tokens。跟 Claude Sonnet 4 一个量级,比 GPT-4o 的 128K 持平。对长文档分析、代码库级 RAG 来说够用,但不算领先——Gemini 2.5 Pro 已经 2M 了。

Modality 支持:文本 + 图像(图片理解)。视频和音频不支持。Mistral 在语音方向有 Voxtral 系列,在视觉文档上有 Pixtral,所以 Large 4 大概率只承担文本主任务,不抢子模型的活。

API 配额:le Chat 平台免费用户有 rate limit,API 按 token 计费。具体价格文档没列(可能还在调),但 Mistral 历来走低价路线,Large 2 的定价是 GPT-4 的 1/5。

Function Calling:支持。结构化输出(JSON schema)和 tool use 都到位。这是做 Agent 的基础能力。

# Mistral Large 4 的标准调用方式
from mistralai import Mistral

client = Mistral(api_key="...")

response = client.chat.complete(
    model="mistral-large-4-0",
    messages=[{"role": "user", "content": "解释下什么是 MoE 架构"}],
    tools=[
        {
            "type": "function",
            "function": {
                "name": "search_docs",
                "description": "搜索内部文档",
                "parameters": {
                    "type": "object",
                    "properties": {
                        "query": {"type": "string"}
                    }
                }
            }
        }
    ]
)

跟 Claude 的 tool use 写法基本一致,迁移成本不高。

欧洲合规这张牌

Mistral 是法国公司,Paris 总部。这是它的核心资产,也是它跟 OpenAI/Anthropic/Google 的最大差异化。

欧盟从 2024 年开始执行 AI Act,对高风险场景(医疗、招聘、教育、司法)的模型有透明度、可追溯性、数据来源合规的要求。GDPR 还在,数据驻留要求没变。如果一家法国医院想用 LLM 处理患者病历,数据出欧盟到美国服务器就违法。

Mistral 的应对是 EU 主权云:数据存储在欧盟境内的数据中心,推理也在欧盟。这件事 OpenAI 做不到(用 Azure 美国东区),Anthropic 做不到(主要在 AWS US),Google 只有部分 region 在欧洲。Meta 的 Llama 是开源的,但企业自部署到欧洲机房,运维、合规、审计都要自己扛。

Mistral 的优势是全栈都在欧洲——模型是法国人训练的,数据中心是欧洲的,合同是欧盟法管辖。对政企客户来说,这是真正的"数据不出境"。

HN 评论里有个法国开发者说得直接:"Mistral 不是最好的模型,但它是我能放心用的。"

开源路线的退守

Mistral 早期靠开放权重起家。Mistral 7B、Mistral 8x7B(Mixtral)、Mistral 7B v0.3 都在 HuggingFace 开源,Apache 2.0 协议。社区当时很兴奋,因为终于有个欧洲厂商敢跟 Meta 打擂台。

但 Large 系列不一样。Large 2 是 API only,权重不开。社区对此一直有怨言。

Mistral 的说法是:"大模型训练成本太高,开源不经济。"这话听着合理,但跟它早期"为开源 AI 而战"的调性有冲突。一种解读是,Mistral 用开源小模型建立开发者生态,然后用闭源大模型赚钱。商业上说得通,品牌上有点割裂。

Large 4 走 API only 的概率很大。理由:

  • 大模型权重一旦开放,会被蒸馏、被微调、被绕过付费墙。Mistral 还在烧钱阶段,需要收入。
  • 欧盟政企客户本身就偏好"供应商提供托管服务"的模式,不用自己部署。
  • 开源 Large 4 意味着任何中国厂商都能拿去做底座,稀释 Mistral 的竞争优势。

权重开放可能性:5%。Mistral Small 或 Mistral Nemo 这种小模型会继续开源,Large 旗舰不会。

对中国厂商意味着什么

Qwen、DeepSeek 在欧洲已经有一定存在感。阿里云在欧洲有 region,DeepSeek 的开源模型在欧洲开发者圈口碑不错。但政企市场是另一个战场。

法国国防部、欧盟执委会、德国联邦政府的 AI 采购清单,会优先考虑"欧盟内供应商"。中国厂商在 GDPR 和供应链透明度上有天然劣势,不是因为技术不行,是地缘政治。

Mistral Large 4 如果真的把"EU 主权云"做扎实——不是嘴上说说,而是有合规认证、有数据中心、有法务支持——它会成为欧洲政企的默认选择。这会挤压 Qwen、DeepSeek 在欧洲 B2B 的空间。

但反过来,中国厂商可以走另一条路:开源 + 自部署。DeepSeek V3 的权重在欧洲下载量很大,中小公司、研究机构更愿意用这种模式。Mistral 在大模型层封闭,在小模型层开放——Qwen 和 DeepSeek 可以复制这个策略,但反向操作:大模型开源,小模型闭源(比如 API 增强版)。

一个可能的剧本:Mistral Large 4 拿下欧盟政企,Qwen 3 拿下欧洲开源社区,两家各占一边,不正面冲突。

编辑思考

欧洲想建 AI 主权,但用户跑在 AWS、Azure 上——这是 Mistral Large 4 真正的尴尬。技术好不好是一回事,能不能让欧洲政企真正把工作负载从美国云迁移过来,是另一回事。

历史上欧洲的"技术主权"项目大多折戟。Gaia-X(欧洲云)拖了四年还没成型,半导体制造联盟 ASML 之外的 EUV 产能为零。AI 主权会不会重蹈覆辙?

我的判断:Mistral Large 4 会拿到几份标志性合同(比如某欧盟机构、一家法国国企),但不会形成规模。理由是迁移成本——企业已经在 AWS/Azure 上跑通了流程,合规补丁也都打过了,换 Mistral 的边际收益不够大。除非欧盟立法强制要求,否则"用 Mistral"会停留在政治正确但经济不划算的层面。

这次和过去不同的是,Mistral 不是一家欧洲空壳公司。它有真实的产品线、真实的客户、真实的工程师。它的失败不会让"欧洲 AI"这个概念消失,只会让下一波欧洲 AI 创业更现实——不再喊主权口号,而是做具体的差异化(比如多语言、低延迟、特定行业)。

不确定的地方:我没法判断 Mistral Large 4 在基准测试上的真实位置。如果它和 GPT-4o 持平或更强,政企市场会买账;如果只是"够用",那它会停留在欧洲本土中小企业,吃不到跨国大单。

文档页面的指标我尽量核对过,但价格、配额、具体的 benchmark 数据文档没全列,需要等 Mistral 后续更新。


参考来源:
- Mistral Large 4 官方文档
- Hacker News 讨论帖

来源: https://docs.mistral.ai/models/mistral-large-4-0