法国 Mistral 这周放出 Mistral Large 4：1 万亿参数（每次推理激活 490 亿）、自建 3800 张 Grace Blackwell 集群训练，在 Artificial Analysis 跑分 38，仅次于中国 DeepSeek 4.1 Flash。值得关心的是，欧洲 AI 终于有一款能进入主流讨论的模型，但距离全球顶尖仍差约半年——用 1 万亿参数追平了中国人 5520 亿参数做到的事。

这是什么

Mistral Large 4 是法国 Mistral 本周发布的最新旗舰模型，代号 "Le chonk"。它有 1 万亿参数，但每次推理只激活其中 490 亿——这是当前主流的 MoE（混合专家）架构：模型总容量大，但每次只调用一小部分专家网络，因此推理成本反而可控。

几个关键事实：

  • 自建集群训练：3800 张 NVIDIA Grace Blackwell（GB200）GPU
  • 目前仅通过 API 提供预览，官方承诺月底发布开源权重
  • Artificial Analysis 第三方跑分 38，仅次于 DeepSeek 4.1 Flash
  • 相比去年 12 月的 Mistral Large 3（得分 9）有跨越式进步

行业怎么看

正面声音：Mistral 终于"回到牌桌"。欧洲此前在大模型第一梯队几乎隐身，Mistral Large 4 让他们重新进入主流讨论。1 万亿参数 + 自建算力 + 月底开源——三条腿都到位，是欧洲 AI 基础设施的标志性时刻。

反对意见 / 风险：但跑分 38 只够"贴脸" DeepSeek 4.1 Flash，而后者只是一个 5520 亿参数的模型。Simon Willison 的评价是"距离顶尖约 6 个月"——追上，但没追上。同样性能，中国公司用更少参数做到，意味着 MoE 工程效率仍有差距。

另一个被低估的信号：Mistral 自建 3800 张 GB200 集群，意味着欧洲公司不再完全依赖云厂商，开始具备端到端训练能力。这对未来欧洲数据主权监管有直接影响。

对普通人的影响

  • 对企业 IT：开源权重月底发布后，企业可以私有部署一个接近闭源前沿水平的模型，不必把所有数据交给 OpenAI 或 Anthropic。
  • 对个人职场：MoE 架构成为新标准——"参数大但便宜"是未来一年大模型主旋律，做 AI 产品的人需要重新算成本账。
  • 对消费市场：Mistral 没有 To C 产品，普通用户暂时用不到；但欧洲大模型的存在，会间接压制 GPT、Claude 的 API 价格。