Mistral这个1T大模型，参数很吓人，但我劝你先别高潮

所有人都在夸Mistral新模型参数破万亿，但我翻完技术文档发现一个很致命的问题。

Mistral Large 4，法国AI实验室Mistral AI刚刚发布的多模态大模型，参数规模1T。消息一出，推特上不少人直接喊出"欧洲AI崛起"。可我看完第一反应是：这参数，到底有多少是真正激活的？

有个细节很有意思。Mistral官方通稿里反复强调"1T参数"，但只字不提推理时的激活参数量。技术上来说，如果它用的是MoE（混合专家）架构——几乎可以肯定是的，1T稠密模型推理成本没人扛得住——那么实际激活的可能只有几十B。简单讲就是，你看到一个1T的招牌，进去发现后厨只开了两个灶。

这不是Mistral一家的问题。去年GPT-4也被曝是MoE，8个专家每个220B，激活约280B。DeepSeek-V3更狠，671B总参数，激活37B。所以Mistral Large 4的1T总参数，激活大概率在100B以内。

参数总量是营销数字，激活参数才是工程数字。

那Mistral为什么要这么干？因为欧洲人急了。

之前什么样

2023年Mistral刚成立时，靠7B小模型打天下，主打"小而美"。Mistral 7B在当时确实惊艳，推理成本低，性能追平Llama 2 13B。但2024年之后，风向变了。

OpenAI的GPT-4o、Anthropic的Claude 3.5、Google的Gemini 1.5，全是闭源大模型，性能一路狂飙。开源这边，Meta的Llama 3.1 405B把开源天花板拉到新高度，DeepSeek-V3和Qwen 2.5又用MoE把性价比卷到极致。

Mistral夹在中间。论闭源，它打不过GPT-4o；论开源，它被Llama和DeepSeek前后夹击。2024年6月那轮融资，估值60亿欧元，但投资人要的是增长故事，不是"欧洲版Llama"。

所以Mistral Large 4必须发，而且必须大。

这次改了什么

三个关键变化。

1

参数从百B级跳到1T级。上一代Mistral Large 2据传约123B，这次直接翻8倍。不管激活多少，总参数放在那里，训练数据量肯定也上了一个台阶。

2

多模态原生支持。之前Mistral的多模态是外挂式，这次是原生训练。图片、文本、可能还有音频，统一token化。技术上来说，原生多模态对跨模态推理任务提升明显，比如图表理解、文档问答。

3

开源策略调整。Mistral Large 2是闭源API，但Mistral承诺Large 4会"部分开源"。具体怎么开，还没说。我猜是权重开放但商用限制，或者只开小尺寸版本。

实际使用场景举个例子。你是一家欧洲银行的技术负责人，监管要求数据不能出境，但又想用大模型做合同审查。GPT-4o不能用，Claude不能用，DeepSeek更不敢用。这时候Mistral Large 4如果能在欧洲本地部署，哪怕性能差10%，你也只能选它。

这就是Mistral的算盘：主权AI。

性能不是唯一变量，合规才是欧洲市场的门票。

之后可能怎么发展

先看竞争格局。

对美国闭源三巨头：Mistral Large 4短期追不上GPT-4o和Claude 3.5。多模态能力上，Gemini 1.5 Pro的100万token上下文仍然是碾压级。但Mistral有一个优势：欧洲本土合规。法国、德国、意大利的公共部门采购，Mistral几乎是唯一选择。

对中国开源模型：DeepSeek-V3和Qwen 2.5是Mistral真正的对手。DeepSeek-V3训练成本仅557万美元，推理激活37B，API价格低到离谱。Mistral Large 4如果激活100B，推理成本至少是DeepSeek的3倍。性能如果只高5%，那性价比完全打不过。

有个细节很有意思。Mistral官方 benchmark 里，Large 4在MMLU上比DeepSeek-V3高1.2分，但在HumanEval上低3.5分。代码能力是DeepSeek的强项，Mistral这次没讨到便宜。

对Meta Llama：Llama 3.1 405B是稠密模型，推理成本极高，实际部署的人不多。Mistral Large 4用MoE，推理效率会好很多。如果Mistral真把权重开源，Llama的开源王座可能不稳。

但问题来了。Mistral Large 4的1T参数，就算MoE激活100B，FP8精度下也需要至少100GB显存。一张H100 80GB不够，得两张。中小团队根本玩不起。

开源不等于免费，大参数开源模型正在变成云厂商的专属玩具。

那普通读者和从业者跟这件事有什么关系？

如果你在做AI应用开发，Mistral Large 4短期内不会是你的主力模型。API价格没公布，但参考Mistral Large 2的定价（输入$2/百万token，输出$6/百万token），Large 4大概率翻倍。同样的钱，用DeepSeek-V3能跑10倍量。

如果你在欧洲做企业服务，那得认真看。Mistral Large 4可能是你唯一能过合规审查的前沿模型。建议这周就去申请API试用，跑一遍你的业务数据，看看多模态能力到底能不能打。

如果你只是AI爱好者，别急着折腾本地部署。1T参数不是消费级显卡能碰的。等Mistral出7B或13B的蒸馏版，再上手不迟。

我个人的判断：Mistral Large 4是一次必要的肌肉秀，但不是一次革命。它解决了Mistral"有没有大模型"的问题，没解决"大模型好不好用"的问题。欧洲AI需要它，但全球开发者不一定需要。

另一个判断：2025年开源大模型的竞争焦点，会从"参数多大"转向"激活多少"。谁能在激活参数更小的情况下做到同等性能，谁才是真正的赢家。Mistral这次跟了1T的潮流，但下一轮，它得换个打法。

如果你正好在选AI编程工具，这周可以先把Mistral的免费版装上试试。别急着付费，等benchmark第三方复现出来再说...毕竟官方跑分和真实体验，差距有时候比1T和100B还大！

本文基于 media 公开报道编译解读

本文基于 media 公开报道编译解读，查看原文