🔥 HN 热议

Mistral Large 4发布预览版:一个更大、也更能自己掌握的AI

约2分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
开放权重(kāi fàng quán zhòng)

公开模型运行所需的数值,让别人可以自己运行。

多模态(duō mó tài)

能处理文字、图片等不同类型的信息。

激活参数(jī huó cān shù)

一次计算中实际参与工作的参数。

发生了什么

Mistral AI(欧洲的人工智能公司)在10月6日宣布,开始公开预览Mistral Large 4。它是一个能处理文字和图片的多模态模型。官方规格显示,它有1.05万亿个总参数,其中约520亿个是激活参数。激活参数指一次计算中实际使用的参数。现在可以试用预览API,模型权重计划在10月底发布。官方公告和规格页面提供了这些信息。

背景是什么

这次发布的关键词是“开放权重”。它表示公开训练后模型运行所需的数值,让组织可以在自己的云服务或服务器上运行。Mistral把这种选择和人工智能主权联系起来,也就是更多地掌握AI在哪里运行。公司称,Mistral Large 4从头开始在欧洲自有数据中心训练,使用了3800块NVIDIA Grace Blackwell GPU。Mistral还计划提供在欧洲运营、受欧洲法律管理的部署服务。训练数据覆盖160多种语言。

为什么重要

这次发布同时强调能力和控制权。Mistral称,模型可以用于写代码、使用工具的智能体工作、图片理解、科学、数学、金融和法律任务。如果组织自己运行模型,就能更直接地决定数据去哪里,以及模型按照哪些规则使用。这对敏感工作很重要,也包括网络安全。Mistral强调,它希望把较强的网络安全能力和私有部署放在一起。

已经确认的内容

公开预览、模型规格、欧洲训练地点和权重发布时间,都来自Mistral的官方资料。性能数字需要单独看待。Mistral报告称,模型在一项网络安全测试中达到82%,在Cybench中达到93%。这些是公司公布的评测结果,不等于已经被独立机构证明在所有场景都最好。Hacker News上的相关帖子也获得了较多关注,但积分和评论数量只代表社区关注度,不证明原文一定正确。Hacker News讨论

还不知道什么

公告发布时,最终权重、详细许可证、更多基准测试和后训练方法还没有全部公布。预览版到最终版可能发生变化。组织还需要知道运行它要多少硬件、费用和电力。只有第三方用相同条件测试,并出现真实企业部署后,才能判断这种大型开放模型的实际价值。

接下来关注什么

首先要看10月底是否按计划发布权重。之后应关注许可证、所需设备、独立比较和私有环境中的使用体验。Mistral Large 4不只是一个更大的模型。它还代表一种竞争方向:欧洲公司不仅竞争模型能力,也竞争谁能训练、部署并管理AI。真正的答案要等实际使用结果出现。

💬 Mistral Large 4:HN 对性能与“欧洲属性”意见分歧

Hacker News 的讨论不只比较 Mistral Large 4 的能力,也讨论价格、欧洲数据主权和发布状态。下面的比较与体验都来自评论者自述,并非独立验证。

  • 一位评论者比较后认为,它的多模态和视觉能力看起来强于 DeepSeek 4.1 Flash,但编程能力不如 DeepSeek 4.1 1017;在 OpenRouter 上的价格约高十倍。另一位评论者则认为它总体更贵、也更弱。这些都是用户自报的比较结果。
  • 支持者把 Mistral 的欧盟身份、GDPR、数据保留政策和欧洲 AI 主权视为选择理由。他们认为,即使性能和价格不占优,监管和采购要求也可能对企业很重要。
  • 反对者认为,在欧洲运行美国或中国模型也能满足数据条件,所以“在欧洲开发”本身不一定带来实际优势。评论者还指出,Mistral在欧洲托管并控制的硬件上提供欧洲以外开发的 GLM 5.3,这让欧洲模型的含义变得模糊。
  • 讨论当时,有评论者把 Large 4 看作仍在预览阶段、权重尚未公开的模型。他们提醒,正式版本或后续训练可能改变评价,因此不应只依据早期基准测试下结论。
  • 一位通过 API 用德语提问的用户报告称,几天内在不同话题的实际回答中约有 5 到 10 次出现与上下文无关的中文字符。其他人指出,多种模型都会偶尔突然切换语言,因此这本身不能证明模型蒸馏自中国模型或具有某种特定来源。这是用户自报的体验。
  • 安全讨论中,有人担心外国模型或开放模型可能藏有会根据运行环境触发的后门。也有人认为这只是推测,实际应重视沙箱和网络限制等防护措施。

这是评论数为92时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

Mistral Large 4:一个可以自己运行的大型AI

📰 完整报道: Mistral Large 4发布预览版:一个更大、也更能自己掌握的AI

Mistral展示了一个会处理文字和图片的新AI。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
开放权重(kāi fàng quán zhòng)

公开AI的内部数值,让别人可以自己运行。

多模态(duō mó tài)

同时处理文字和图片等不同信息。

参数(cān shù)

帮助AI决定答案的数值。

💡 一句话总结

  • Mistral AI发布了Mistral Large 4预览版。
  • 它能处理文字,也能看懂图片。
  • 公司计划公开模型权重。

Mistral AI(欧洲的人工智能公司)开始公开预览Mistral Large 4。现在,人们可以通过API试用它。公司计划在10月底公开模型权重。权重是AI做决定时使用的数值。公开后,组织可能把模型放在自己的云或服务器上运行。这就是“开放权重”的主要意义。

它不是只会聊天的工具。它能看文字,也能看图片。这样的模型叫“多模态模型”。官方规格显示,它的总参数约为1.05万亿。一次工作时,约520亿个激活参数会参与计算。模型很大,但每次不一定使用全部参数。这样的设计可能帮助模型处理不同类型的任务。

Mistral称,它擅长代码、工具使用、科学、金融和法律任务。公司还公布了网络安全测试成绩,数字包括82%和93%。这些成绩来自Mistral自己的报告。它们不是独立测试的最后结论。

这条消息也在Hacker News上受到很多关注。Hacker News是讨论技术的网站。积分和评论说明大家感兴趣。它们不能证明这个模型一定最好。

还有几个问题没有答案。最终权重何时发布?许可证允许怎样使用?普通组织需要什么设备?独立测试会得到什么结果?这些问题要等模型正式发布后再看。官方公告 Hacker News讨论

💬 为什么大家对 Mistral Large 4 看法不同?

HN 评论者既看模型好不好用,也看数据由谁、在哪里管理。下面的数字和故障都是个人用户的报告。

  • 一位用户认为它看图比 DeepSeek 4.1 Flash 好,写代码比 DeepSeek 4.1 1017 弱,价格约高十倍。另一位用户觉得它整体又贵又弱。这些是个人比较。
  • 有人喜欢它是欧盟公司,重视 GDPR 和在欧洲管理数据。也有人说,在欧洲运行美国或中国模型也能满足数据要求。Mistral还在欧洲硬件上提供一个非欧洲开发的 GLM 5.3,所以欧洲模型到底是什么意思也有争议。
  • 当时有人认为它还是预览版,权重还没有发布。正式版可能会改变结果。
  • 一位 API 用户说,自己用德语提问时,几天里约 5 到 10 次看到奇怪的中文字符。其他人说许多模型都会偶尔切换语言或出错,所以这不能证明它来自中国。这是个人报告。
  • 有人担心模型藏着后门。也有人认为应靠沙箱和网络限制来降低风险,同时承认防护措施也可能出问题。

这是评论数为92时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

🔥 HN 热议

会看字和图的大AI

📰 完整报道: Mistral Large 4发布预览版:一个更大、也更能自己掌握的AI

Mistral Large 4像一个会看字和图的电脑帮手。

约1分钟读完 Tiny Why编辑部 · 文:特派员 好奇

词语
开放权重(kāi fàng quán zhòng)

把AI的内部设置交给别人使用。

Hacker News(哈克新闻)

人们讨论技术的网站。

Mistral AI(欧洲的人工智能公司)做了它。 它的名字叫Mistral Large 4。 它会看字。 它也会看图。 公司想公开它的内部设置。 这叫开放权重。 别人就能在自己的地方使用它。 它现在还在试用。 它还不是最后的样子。 Hacker News(技术讨论网站)也谈了它。 大家都在谈,不等于它一定最好。 还要继续试一试。 官方介绍

💬 大家怎样看 Mistral Large 4?

大家没有得出同一个答案。你需要什么,以及数据要放在哪里,都很重要。

  • 有人说它看图片不错,但写代码不如另一个模型,而且贵约十倍。也有人觉得它又贵又弱。这是他们自己的测试。
  • Mistral来自欧洲,所以有人喜欢它的欧洲数据规则。也有人说,别的模型也能在欧洲运行。Mistral还在欧洲机器上运行一个非欧洲模型,所以这个名字不太简单。
  • 当时它还被说成是预览版,模型权重还没公开。以后可能会有不同结果。
  • 有人看到德语回答里多次混入奇怪的中文字符。别人说 AI 偶尔会这样出错。还有人担心模型藏坏东西,但也有人说要用安全的盒子并检查网络。

这是评论数为92时的初期(修订1)。获取100条,并从整体抽取100条总结。内容属于HN用户自述,并非编辑部核实的事实。

来源