Mistral開放Large 4權重，挑戰中美網絡AI
10月29日，Mistral 發佈了 Large 4 的權重供下載。這意味着企業和政府可以自行部署該網絡安全 AI 模型，而不再依賴美國或中國的公司。然而，這種自由是有代價的。由於 Mistral 對模型的控制力有限，它無法確定誰將能夠使用它以及用於何種目的。
從 API 預覽到可下載的權重
Mistral Large 4 於 10 月 6 日首次通過 API 推出，其權重於 10 月 29 日開放下載。API 訪問仍可作爲部署選項之一。Large 4 的官方規格顯示，其總參數量爲 1.05 萬億，其中激活參數量爲 520 億，略高於 Cryptopolitan 此前報道的 490 億。
企業可以自行定製和託管該模型。但若希望將其作爲託管服務轉售，則需獲得單獨的商業許可證。這種獨立性是 Mistral 的核心賣點。正如公司高管 Pierre Stock 在接受 TechCrunch 採訪時所言，訪問權限“不會被切斷”。
基準測試展示了什麼，又未展示什麼
根據 Mistral 報告，Large 4 在 Coding Agent Index 上得分 48%，與 GLM-5.3 基本持平。然而，Large 4 每項任務使用的 token 數減少了 47%。該公司還報告稱，其在 FrontierCode 2.0 上的得分爲 19.7%，在 Terminal-Bench 4.0 上的得分爲 41%。
網絡安全領域的情況略有不同。Large 4 在Artificial Analysis Cyber Index上得分爲51，落後於Kimi K3.1 Pro（64）、DeepSeek V4.1 Flash（57）和Grok 4.7（56）。但這些分數需要結合背景來理解。該指數衡量的是AI模型發現和修復安全漏洞的能力，而非其實施網絡攻擊的能力。
與封閉前沿模型的差距有多大
儘管 Large 4 在編碼和防禦性網絡安全方面據報道有所改進，但領先的開放權重模型仍落後於最強的封閉系統。Epoch AI 於 10 月 16 日發佈的一項分析顯示，領先開放權重模型 GLM-5.3 的 Cyber ECI 得分爲 160，而最強的封閉模型得分則爲 171。回顧歷史表現，Epoch 估計開放權重模型落後於封閉前沿模型六到七個月。然而，其評估是在 Large 4 最終發佈之前做出的。
Britain’s AI Security Institute也得出了類似的結論。它估計開源模型與閉源競爭對手之間存在四到七個月的差距，儘管其測試方法與Epoch AI有所不同。
問題遠不止於防禦能力。在其受控測試中，Anthropic 報告稱 GLM-5.3 在 410 次試驗中的 50 次成功利用了現有漏洞。研究人員在各種模擬中成功繞過了模型的安全功能，成功率達 64%-100%。
主權主張與採用現實的碰撞
企業表現出更強的意願來控制其 AI 系統，但支出數據卻揭示了另一番景象。據報道，截至 9 月，42% 的受訪企業在生產環境中使用了開放權重模型，而 7 月這一比例爲 31%。
儘管如此，開放權重模型僅佔 10 月計量 AI 消費量的 5%。Claude 佔比 29%，微軟 Microsoft 365 Copilot 佔比 36%。
Futurum 還發現，模型來源影響了 47% 的生產用戶決策。然而，其調查主要集中在北美地區，限制了更廣泛結論的得出。
對企業而言，更大的獨立性也意味着承擔更多責任。普華永道（PwC）警告稱，選擇開放權重模型的公司必須自行管理安全性和維護工作。
無法撤回的安全保障
當人工智能模型能夠處理敏感的網絡安全任務時，這種責任變得尤爲重要。Mistral 表示，Large 4 拒絕了 96.6% 的有害網絡請求。然而，一旦模型被下載，這些安全措施就可能被移除。AISI 還警告稱，開發人員無法監控或撤回私有託管的副本。
Moonshot 採取了不同的方法。該公司在計劃於 11 月 4 日發佈的 Kimi K3.1 Pro 權重之前，移除了網絡安全培訓材料。其內部攻擊性基準測試得分隨後從 90.5% 降至 81.0%。然而，這些結果尚未得到獨立驗證。
截至 10 月 30 日，尚無公開記錄的網絡攻擊與 Large 4 新發布的權重相關聯。
不要只是閱讀加密貨幣新聞，要真正理解它。訂閱我們的通訊。 免費。
