Mistral 开源万亿参数旗舰 Large 4：编程追平 GLM-5.3，Token 还少用 47%
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型，信息来自官方公告与多家媒体交叉核验；性能数据会区分「官方口径」和「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：Mistral 开源万亿参数旗舰 Mistral Large 4（10 月 29 日）
法国 Mistral 把自家旗舰 Mistral Large 4（内部代号「Le Chonk」）的权重全部放上了 Hugging Face。这是开放权重阵营第一次摸到万亿参数量级：总参数约 1 万亿（1.05T），每 Token 激活约 520 亿（128 个专家里每次用 4 个 + 1 个共享专家），100 万 Token 上下文，文本加图片输入。模型从零开始在欧洲自家机房用约 3800 块英伟达 Grace Blackwell 训练，比 10 月 6 日的预览版多练了三周强化学习——官方明说放出的不是预览版那个检查点，是继续练过的更强版本。
官方口径：主打「编程 + 防御性网安」两张牌
- 编程：Terminal-Bench 4.0 从预览版 28% 提到 41%（涨 13 个百分点），输出 Token 还少用 30%；Cognition 私有基准 FrontierCode 2.0 拿 19.7%，开源权重模型里第一。
- 性价比：在 Artificial Analysis 编程智能体指数上拿 48%，与 GLM-5.3 基本打平，但平均每个任务少用 47% 的 Token——「同样的分，少一半开销」是这次最硬的卖点。
- 网安：对恶意网安请求的拒答率约 96.6%（官方称开源模型里最高），智能体攻击抵抗率从 93.3% 提到 97.1%。卖点很明确：企业和政府可以下载到自己机房里做漏洞发现、复现和打补丁，「这条路不会被任何厂商掐断」。另有一个不开源的渗透测试特调版，要走审查+合同才给用。
- 三档推理：低/中/高（默认高），按任务调深浅，不用改提示词。
- 价格：API 每百万 Token 输入 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元——比预览版（1.36/4.18）几乎腰斩。
- 官方也交了底：实时流量监控发现模型「有实施真实攻击的潜力」——开源进攻性能力这扇门，他们自己承认打开了。
第三方实测（已复测部分）：没那么神，但账算得过来
- Artificial Analysis 综合智能指数 v5 给了 26 分：比预览版高 1 分、高于同规模开源中位数（23），是西方开源模型里最高，但国产开源 DeepSeek V4.1 Flash 和 GLM-5.3 都是 32 分，整体智能还差一截。
- 网安综合指数 51%，在开源模型里只排第三，落后 DeepSeek（57%）——「网安第一」的说法只在「拒答恶意请求」这一项成立。
- 强项在速度和账单：输出 161 Token/秒，单个指数任务平均成本 2.06 美元（预览版 5.54 美元，降 63%）。
许可证有个「扣」
用的是修改版 MIT（Mistral Ecosystem Open-Weight License）：自己用、微调、商用都免费；但如果你把模型包装成「模型即服务」对外卖 API，必须另外找 Mistral 谈商业授权。这意味着第三方托管商会明显变少、价格战打不起来——想便宜用它，要么走 Mistral 自家 API / 微软 Foundry / OpenRouter，要么自己部署（社区已有 GGUF 量化版，最小的 2bit 版 512GB 统一内存的 Mac 能跑，实测预填充约 90 Token/秒、生成约 15 Token/秒）。
怎么看：这是欧洲第一次拿出万亿级开放权重模型，打法很清晰——不在「综合智力」上跟中美硬碰，而是切「主权部署 + 编程省钱」这个企业真愿意掏钱的口子。本站模型广场已上架 mistral-large-4，6 家卖家在售、最高折扣档约 90%（以上为发布时接口快照，实际价格以本站模型广场实时报价为准）。
今日其他新发布（8 项）
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| GO-3 Preview + WITA-OMNI 1.0 + 灵渠 OS 1.0（智元机器人） | 10-29 | 具身智能全家桶（年底开源） | 新一代具身基座模型 GO-3 Preview 采用具身原生 WRAM 架构，是全球首个「预训练、后训练、部署后」全链路规模化学习的具身模型，RoboDojo / RoboTwin / RoboColiseum 三项具身评测榜单第一，年底全面开源；行业首个具身全模态交互大模型 WITA-OMNI 打通视觉、听觉、语言、表情、肢体动作，支持 100+ 语言和 29 种方言；业界首个具身原生操作系统灵渠 OS 1.0 同场发布并捐赠给开放原子开源基金会。同场还提出「Worken（有效智能工时）」度量衡：机器人数量 × 自主时长 × 产出效能比，想把行业叙事从「造了多少台」拉到「干了多少活」。榜单成绩为厂商口径，独立复测未出。 |
| 文心 Unlimited OCR 2（百度，开源） | 10-30 | 长文档 OCR | 把 OCR 上限从「几十页」推到不限页数，MPDocBench 达到 SOTA；报道称实测一次性解析 3600 页以上的长书仍保持精度与吞吐。合同、卷宗、古籍这类超长文档场景可以少做分段拼接的工程活。 |
| Nemotron 3.5 Transcribe（英伟达，开源） | 10-28 | 语音转写 | 总参约 340 亿、每 Token 激活约 43 亿的离线语音模型：一个模型覆盖 40 种语言转写、31 种语言互译、说话人分离和音频问答，随权重附 80 万小时数据与微调配方，权重已上 Hugging Face。 |
| FluxVLA Engine V2（逐际动力，开源） | 10-30 | 具身 VLA 训练/部署引擎 | 贯通数据、训练、评测与真机部署，V2 加入在线强化学习，推理提速 2.3–9.6 倍；两组 SmolVLA 任务成功率分别提升 10.0 和 15.4 个百分点（厂商口径）。 |
| Idol（Speridlabs，开源） | 10-30 | 图生 3D | 单张图生成 3D 高斯点云：600M 参数，消费级显卡 7.2GB 显存以内可跑，3 秒生成 100 万个 splat；权重、SDK 和在线演示全部 Apache 2.0。 |
| Apex-35B-V1.0（Super Intelligence） | 10-30 | 通用 35B 模型 | 官方称对 Qwen3.6-35B-A3B 在 21 项基准赢下 20 项，对 40B 级 Flint 18 胜 1 平，覆盖代码、Agent、深度搜索与科研；研发流程用「递归自我改进」。全部自报，未复测。 |
| Strands Decider 2B + Strands Box（AWS，开源） | 10-30 | 决策小模型 + 沙箱 | 20 亿参数的轻量决策模型，专做「从预定义选项里选一个并给置信度」，用于模型路由、工具选择和护栏；配套沙箱隔离智能体执行环境。报道指出并发与冷启动仍是短板。 |
| Droid 1.0（Factory） | 10-30 | 智能体编程引擎 | 把「程序化工具调用」设为默认：智能体在一次模型请求里连做几百次工具调用，省 Token 又降延迟；官方称在 Terminal-Bench 4 上通过率和成本效率领先（厂商口径）。 |
行业资讯
- 评测机构 Artificial Analysis 大改版：开源与闭源差距从 3 分拉大到 12 分（10-28）：智能指数升级到 v5，60% 的权重改用私有测试集或保留答案（防刷榜），新增 Cognition FrontierCode 2.0（由开源仓库维护者打分「愿不愿意合并这个 PR」，而不是看单测过不过）和 Terminal-Bench-Science 两项。结果排名大洗牌：Claude Opus 5.5 以 58 分居首，GPT-6 Astra 57 分，前五被 Anthropic 和 OpenAI 包揽；Kimi K3.1 Pro 从 55 分回落到 46 分，仍是开源第一但落后榜首 12 分（旧版只差 3 分）；权重已放出的开源模型最高只有 32 分，差榜首 26 分。一句话：以前榜单测「背题能力」，现在更像测真本事，各家自报的高分普遍缩水。
- OpenAI 连放两个「开放」动作（10-29）：一次性公开 722 篇内部前沿模型的数学研究手稿；同日把 Pro 三档订阅（100/200/500 美元档）用量上限全部翻倍、价格不变，订阅用户还能领最高 500 美元/月的 API 额度——推理成本下行正在直接变成用户福利。同批还更新了 Model Spec（给更强模型定行为准则五价值观）并披露了对前沿模型「跑偏」的分层监测机制。
- Cohere 启动加拿大史上最大私募融资（10-30，媒体报道）：新一轮 E 轮首关，目标融资最高 700 亿加元级（CAD 70 亿）、投后估值约 CAD 357 亿（约 250 亿美元），钱主要投向前沿模型路线、算力和面向政府与受监管行业的垂直方案——企业级 + 主权 AI 这条线开始出现大额下注。
- 国产双旗舰同周预热（10-30）：腾讯披露混元 Hy4 正式版即将发布（相比 8 月预览版强化长程任务、首次加入视觉理解，另有主打性价比的 Hy4 Flash 随后推出）；阿里云在阿姆斯特丹云栖大会现场确认 Qwen4 下周发布，Max / Plus / Flash / 27B 四档齐出，上下文统一 262K。11 月头两周，国产大模型大概率扎堆上新。
- 其他值得知道的：语音 AI 公司 Deepgram 收购开源语音框架 Pipecat 的开发方 Daily，语音赛道开始「全栈化」；谷歌异步编程智能体 Jules 宣布 12 月 31 日关停（官方说法是「统一智能体编程力量」）；Thrive 资本以约 76 亿美元股权收购安防公司 ADT，OpenAI 同时是出资方和模型+驻场工程师供应方，「基金 + 模型厂绑定改造传统行业」的新结构首次成规模亮相；Reddit 宣布转向以登录为主的产品形态（全球日活持平 1.303 亿、美国从 5320 万降到 5070 万），内容围墙越砌越高，本质上是在给 AI 爬虫和数据授权谈判加码；CNNIC 报告显示我国生成式 AI 用户已突破 7 亿、普及率超 50%；另有一项研究指出，同一句话用不同语言喂给模型，Token 消耗最高能差 17 倍——做多语言产品的成本账不能按英语估。
一句话趋势
今天的关键词是「权重 + 账本」：Mistral 把万亿参数放上 Hugging Face、OpenAI 把 722 篇手稿和翻倍的订阅额度一起放出来，而评测机构则把「私有题库」的刀架在刷榜模型脖子上——开放的东西越来越多，可信的度量却越来越贵。对使用者的启示：以后看模型别只看厂商卡片上的分数，先看有没有独立复测、再算每个任务的真实 Token 账单，最后才谈榜单名次。
（数据来自官方公告与公开报道，2026-10-31；官方口径与第三方实测已分别标注，未复测项已在文中说明。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）