HKAIWeb 原創封面:大型 AI 模型核心、網絡防護屏障與開放權重方塊Mistral 開放 1 萬億參數 Le Chonk/Large 4 權重,將 coding、agent 與網絡安全能力交到開發者手上。

法國 AI 公司 Mistral AI 正式開放大型語言模型 Large 4(網媒稱為「Le Chonk」)的模型權重。官方表示,這是一個總參數達 1 萬億、每次啟動約 520 億 active parameters 的多模態 Mixture-of-Experts 模型,主打 coding、agent 操作與網絡安全應用,並已在 Hugging Face 提供下載。

1 萬億參數、但每次只啟動 520 億

Large 4 的規模容易令人誤解:總參數達 1T,但模型每次推理只會啟動約 52B active parameters。Mistral 稱,新的稀疏架構在處理輸出時可減少約 30% tokens,目標是在大型模型成本與效能之間取得更合適的平衡。

官方公布的 Terminal-Bench 4.0 成績為 41%,較上一代提升 13 個百分點。Mistral 亦公布,模型拒絕惡意網絡安全請求的比例為 96.6%,而面對 B3 agent attacks 的防禦成功率為 97.1%。這些數字來自廠商測試,仍需第三方在實際工作負載下重現。

開放權重之外,API 價格與部署選項

官方 API 定價為每百萬 input tokens 0.70 美元、cached input 0.07 美元、output 2.10 美元。開放權重意味企業可以按自身基建部署及調整,亦可把模型保留在受控環境;實際硬件需求、吞吐量與授權條款仍應按自己的風險及成本模型評估。

三地報道聚焦同一發布

TechCrunch、The Decoder 與 WIRED 同日報道 Large 4 權重發布。報道普遍聚焦兩條主線:歐洲 open-weight 模型的規模與成本競爭力,以及 coding/網絡安全能力。The Decoder 同時指出,模型在部分 coding 測試仍落後中國頭部模型;因此較準確的描述不是「全面超越所有競爭者」,而是 Mistral 在開放權重市場推出一個具規模、速度與安全取向的新選擇。

對開發者與企業的實際意義

  • 可自部署:適合需要資料主權、私有環境或模型微調的團隊。
  • Agent 與 coding 取向明確:官方以 Terminal-Bench、網絡安全拒答與 agent 防禦數據作定位。
  • 成本需自行量度:1T 總參數模型即使使用稀疏架構,實際推理成本仍取決於硬件、context length、batch 與服務框架。

Large 4 的發布令 open-weight 模型競爭再上一級。對香港及亞洲團隊而言,值得下一步在本地 GPU、雲端 GPU 與 API 三種模式,以相同 workload 比較成本、延遲、中文能力及安全表現。

作者: hkaiweb

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *

Social Media Auto Publish Powered By : XYZScripts.com