核對日：2026-10-30。 Mistral Large 4（暱稱 Le Chonk）係 Mistral 嘅開放權重（open weights）大模型，2026 年 10 月 29 日正式放出模型權重，係本月較早 public preview 版本嘅改良版。Mistral 稱預覽之後再做咗約三星期強化學習。呢件事已經由 Mistral 官方公告、TechCrunch 同 The Verge 一致確認。對香港讀者嚟講，最實際嘅問題係：呢個 1 兆參數級嘅模型，究竟點樣用？答案好直接——最現實係用 Mistral API 或者 OpenRouter 呢類渠道；想自己部署嘅話，屬於企業機房級嘅工程；一般桌上電腦或者手提電腦想本地跑，並唔現實。預覽版本身可以睇我哋早前嘅 Mistral Large 4 預覽期介紹；該文所載價錢係當時 Mistral 文件列出嘅數字，現價請睇下面同官網。
呢個模型有幾大？
根據 Hugging Face 官方 model card，Le Chonk 嘅規格如下：
- 約 1 兆（1T）總參數嘅 Mixture-of-Experts（MoE）架構
- 每個 token 約 49B active 參數（連 embeddings 同輸出層為 52B，所以 repo 名寫 A52B）
- 128 個 routed experts，每個 token 啟用 4 個，另有 1 個共用 expert
- 1M token context window
- 輸入支援文字加圖像，輸出為文字
- 有 low／medium／high 三級 reasoning effort（預設 high）
- 支援 function calling 同 JSON schema
- Mistral 稱原生支援 160+ 種語言（呢個係官方講法，唔等於粵語表現有保證）
喺 Mistral API 用嘅時候，model 名係 mistral-large-4。
性能：誠實睇
評測數字方面，要誠實講清楚。根據 Mistral 官網 同 HF model card：
- Artificial Analysis Coding Agent Index 得 48%，Mistral 形容同現時領先嘅開放權重模型 GLM-5.3 「effectively tied」（大致持平），但平均每個任務少用 47% tokens。Token 用量較少，一般有助控制成本，不過實際要睇你自己嘅工作量
- Artificial Analysis Intelligence Index v5 得 26 分；model card 稱係西方開放權重模型之中最高
不過 model card 都直接講明：中國嘅領先開放權重模型喺呢個綜合指數嘅分數其實更高。Mistral 嘅真正強項係 coding 同 cybersecurity 呢兩個範疇。如果你嘅用途係通用任務，可以參考我哋嘅 平價 AI 模型比較 再做決定。
香港讀者點樣用？
| 用法 | 適合邊類人 | 要留意乜 |
|---|---|---|
| Mistral API／OpenRouter | 開發者、想快啲試到嘅人 | API 價以 Mistral 官網當日為準；OpenRouter 實際定價請自行核對 |
| 雲端託管（如 Microsoft Foundry） | 企業用戶、想有管理服務 | Azure 有 private deployment 選項；NVIDIA 亦有 hosted endpoints／NIM |
| 自建 GPU 機房 | 有基礎設施嘅機構 | 官方範例用 8 路 tensor parallel；Hugging Face Inference Endpoints 有 8 × H200 嘅 FP8 部署 recipe |
| 單部 512GB Apple Silicon Ultra 跑 2-bit 量化版 | 極少數有硬件嘅玩家 | Q2_K 實測 prefill 約 90 tokens/s、生成約 15 tokens/s；其他量化版要分散式推理 |
API 價方面，Mistral 官網今日列嘅係：US$0.70／百萬 input tokens、US$0.07／百萬 cached input、US$2.10／百萬 output tokens。呢啲價錢隨時會調整，以 Mistral 官網當日為準。
自建部署嘅現實
根據 HF blog 同 HF model card：
- 官方放出 FP8 同 NVFP4 兩個版本；NVFP4 較細記憶體需求，但針對 NVIDIA Blackwell GPU，支援 vLLM／SGLang
- HF 推薦用 vLLM；官方範例 docker 指令用
--tensor-parallel-size 8，即係示範用 8 張 GPU - Dell 嘅部署範例示範 NVFP4 版喺 4 × NVIDIA B300 node 上跑
- llama.cpp 團隊提供 GGUF 量化：IQ2_XXS、Q2_K、Q4_K_M、NVFP4、Q8_0、BF16
- HF 實測：4 × RTX 6000 Pro 跑 NVFP4（32K context）生成約 10 tokens/s
- Model card 明寫：如果本地推理表現欠佳，建議直接用 Mistral API
簡單講：除非你公司機房真係有呢啲硬件，否則用 API 係最合理嘅選擇。如果想用開放權重模型但硬件有限，可以考慮 細型本地開源模型。
授權同香港實務
授權方面，Le Chonk 用 Mistral Ecosystem Open-Weight License，係 MIT 嘅修改版，商用同非商用都可以；但如果你營運嘅係 Model-as-a-Service（MaaS）業務，就需要同 Mistral 另簽商業授權。建議自己讀一次授權全文，詳情以官網當日為準。
香港實務層面，Mistral 暫時冇公布任何香港專屬資訊。API 帳戶開設、發票安排、資料存放地點等，請直接查閱 Mistral 官方條款。至於 160+ 語言支援——呢個係官方講法，粵語或者繁體中文嘅實際質素，最好用你自己嘅文件測試一下先用得安心。
Mistral 嘅定位都值得一提：主打 coding 同防衛式網絡安全，強調「歐洲自建、sovereign AI」，機構可以自行下載、部署、客製化，唔使依賴 Mistral 嘅 API。TechCrunch 引述 Mistral 科學副總裁 Pierre Stock 指公司可以 on-prem 自行部署；Mistral 亦指模型內置 guardrails 去區分防衛同惡意嘅網絡安全要求。
結論
Le Chonk 權重已經正式放出，Mistral 稱佢 coding 表現同 GLM-5.3 大致持平、tokens 用量少 47%；按 model card，佢係西方開放權重模型中綜合指數最高，但中國開放權重模型分數更高。香港開發者想試，用 Mistral API 或者 OpenRouter 就最簡單；企業想自主部署，要有機房級硬件嘅心理準備；一般電腦用家就唔好期望喺自己部機上面跑得動。價錢、可用渠道同授權細節，一切以 Mistral 官網當日為準。
更新於 2026-10-30（Asia/Hong_Kong）。
