Mistral大新模型跑分打平中国开源第一梯队

🤯我靠！Mistral Large 4 Preview 在 DeepSWE v1.1 拿到 62%，已经贴脸中国开源第一梯队！

基准对比：
🔸Mistral Large 4 Preview：62%，这组对比里最高
🔸GLM-5.3（智谱）：61%，只差 1 个点，基本打平
🔸DeepSeek-V4-Pro-0813：57%，落后 5 个点
🔸Qwen 3.8 Max（阿里）：51%，落后 11 个点
🔸Beam (Reflection)：44%，垫底，不是中国模型

真正的结论不是欧洲是否碾压，是长程写代码这一项，Mistral 贴到 GLM 脸上，柱子从 40% 起画，1 个点的差距被放大了。

#Mistral #DeepSWE #开源模型 #GLM #DeepSeek #Qwen #AI编程 #梁文峰 #唐杰

我不会说我已经“测试几周”了，但昨天 Mistral 给我介绍了他们新的大语言模型。

今天，他们开放了 Large 团队抢先体验，这个模型被团队戏称为“胖墩（le Chonk）”。它是个拥有 10000 亿参数的庞然大物，多模态，在法国训练。

早该这样了：他们上一次大版本更新还是去年 12 月，这个时间点放在现在排名里真的很落后了。过去这十个月里，如果想要高端开源模型，你只能去找 Moonshot、DeepSeek、阿里巴巴，说白了就是去找中国模型。

Mistral 并不想让大家相信他们能和硅谷的闭源模型竞争，事实也确实不是这样。我们这里说的不是 GPT-6。就像他们的科研主管总结的：大体上，这个模型追赶上了中国顶尖实验室一两个月前的水平，完全没法撼动 Opus 5.5 或者 GPT-6.1-Sol 这类模型，这一点很明确。

真正厉害的地方在于效率。Large 只用 4000 块 GPU，两个月就做出来了。比中国厂商用的 GPU 少两到三倍，仅仅是美国服务器集群规模的 1%（OpenAI 最新大语言模型用了超过 10 万块芯片）。这说明 Mistral 确实有真本事。

另外，他们告诉我，他们很少用蒸馏（就是从竞争对手模型学习回答的方法），而中国厂商大量使用这种方法。

他们跟我讲了很多关于主权的事。今年 6 月，美国商务部盖一个章就足够让 Anthropic 在全球范围内暂停部分模型访问三周，时间长达三周。中国这边的模型虽然可以访问，但受到北京法律和自有许可证的约束。

Large 4 既可以部署在自己的服务器上运行（但最少需要 4× B300，需要 1152GB 显存，最低成本就需要 35 万欧元），也可以通过端到端的欧洲云部署，只受欧洲法律约束。

芯片用的还是英伟达的，最新一轮融资由三星领投，我们还需要等独立性能测试来验证团队对性能的说法。但 Large 4 应该能达到中国顶尖模型的水平，避免这么重要的技术完全脱离欧洲人的掌控。

这是一个出人意料的出色版本。Le Chaton fat是真的！Mistral Large 4让欧洲在编码和网络安全领域重新回到了竞争行列。没想到Mistral能和GLM 5.3竞争了！

“Le Chonk”是原生多模态模型，总参数1万亿，激活参数490亿。预览版就已经交出了不错的成绩：
- DeepSWE v1.1：得分61.7%，大致和GLM-5.3的61%处于同一水平。在Mistral的对比中，Kimi K3仍以约68%的得分领先。
- 人工分析网络安全指数：得分50，与GLM-5.3-Fras持平，高于GLM-5.3的36。
- CyberGym-E2E-AA：得分82%，领先于MiMo-V2.6-Pro的79%。

Mistral表示，该模型是在其自己的欧洲数据中心从零开始训练的。NVIDIA称训练只动用了4000块Grace Blackwell超算芯片。这一点非常令人印象深刻。

从中我们得到的启示是：用少得多的算力也能参与竞争。这太不可思议了。恭喜Mistral！