欢迎Le Chonk：Hugging Face上的Mistral Large 4

英文原标题：Welcome Le Chonk: Mistral Large 4 on Hugging Face

本文为英文原文的机器翻译摘要，原文见：Hugging Face Blog ↗

• Mistral Large 4（代号 Le Chonk）是 Mistral 推出的多模态、多语言 MoE 模型，支持文本和图像输入并生成文本，总参数约 1T，激活参数 49B，上下文窗口达 1M tokens。
• 模型提供 FP8 和 NVFP4 两种官方变体，并有 Unsloth 和 llama.cpp 团队制作的 GGUF 量化版本，采用 MIT 衍生的 Mistral Ecosystem Open-Weight License 分发。
• 架构上，文本解码器有 72 层、隐藏维度 6144、64 个注意力头，结合 MLA 与 DSA 索引器，每层 MoE 从 128 个专家中选 4 个加 1 个共享专家，视觉编码器为 1.6B 的 Pixtral。
• 网络安全是突出能力：在 Artificial Analysis Cyber Index 的漏洞复现与修补测试中得分 82%，Cybench 解决 93% 的挑战，Lakera B3 攻击抵抗率 93.3%，且平均拒绝率高于其他开源权重模型。
• 基准测试显示编码能力强劲：DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%，综合 Coding Agent Index 49.8% 领先 DeepSeek V4 Pro 0813 和 Qwen3.8 Max；截至 2026 年 10 月 29 日在 Artificial Analysis 智能指数上位列开源权重模型第五。

关键数据

• 总参数约 1T，激活参数 49B，上下文窗口 1M tokens
• 文本解码器 72 层，隐藏维度 6144，64 个注意力头
• MoE 每 token 激活 5 个专家（4 个路由 + 1 个共享），共 128 个专家
• 视觉编码器 Pixtral 1.6B，30 层，隐藏维度 2048，16 个注意力头
• Cyber Index 漏洞复现与修补得分 82%
• Cybench 解决 93% 的 40 个挑战
• Lakera B3 攻击抵抗率 93.3%
• DeepSWE v1.1 61.7%，SWE-Atlas-QnA 59.4%，Terminal-Bench 4 28.3%
• Coding Agent Index 49.8%
• AutomationBench 59.9%，AA-Briefcase 1393 Elo

为什么值得看：Mistral Large 4 以开源权重形式提供接近前沿的网络安全与编码能力，让团队能自主控制使用政策和部署，避免闭源 API 在事件响应中受限。