跳到正文
原文
Hugging Face Blog·· 16 小时前

Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk）并上线 Hugging Face

Welcome Le Chonk: Mistral Large 4 on Hugging Face

SI 导读

Mistral 发布多模态 MoE 模型 Mistral Large 4（Le Chonk），总参数约1T、活跃49B、上下文窗口1M tokens，已上线 Hugging Face。该模型在 Artificial Analysis 开源权重情报指数排名第五，网络安全任务中漏洞复现修补达82%，并提供 transformers、vLLM、llama.cpp 首日推理支持。

精选SI 评分79
推荐理由

Mistral Large 4 以开放权重形式发布并配齐 transformers、vLLM、llama.cpp 等首日部署方案，社区可据此在本地搭建可控的防御性安全分析工作流。

#模型发布#多模态#编码#Agent#开源生态#Hugging Face
正文 · SI 翻译

Mistral Large 4（又名 Le Chonk）是 Mistral 推出的多模态、多语言、混合专家（MoE）模型。它以文本和图像作为输入，生成文本。它拥有约 1T 总参数，49B 激活参数，以及 1M tokens 的上下文窗口。

该模型以两种官方变体发布：

  1. FP8
  2. NVFP4

此外，还有由 Unsloth 和 llama.cpp 团队创建的 GGUF 文件。它根据 Mistral 生态系统开放权重许可证（一种 MIT 衍生许可证，为模型即服务提供设定了限制）进行分发。

Mistral Large 4 在网络安全、编码代理和多模态方面表现尤为出色。在本文中，我们将探讨该模型的工作原理、其能力、架构等更多内容！

目录

Mistral Large 4 的新特性

Mistral Large 4 结合了大型专家池、稀疏注意力和 Pixtral 视觉编码器。语言模型为每个 token 选择一小部分专家，而其注意力索引器则选择要关注哪些较早的 token 位置。这是两种不同形式的稀疏性，一种选择前馈网络，另一种选择上下文位置。

您可以在 Mistral Large 4 集合 中找到所有检查点。

网络安全能力

Mistral Large 4 在 Artificial Analysis 网络安全指数测试中得分 82%，该测试要求模型复现开源软件中的真实漏洞，然后修补该软件。Mistral 报告称，多个闭源前沿模型在同一测试中得分接近零，因为它们拒绝尝试这项工作。这对防御者来说至关重要，因为修复漏洞通常需要复现该漏洞。在 Mistral 的内部测试中，Mistral Large 4 在恶意软件分析、漏洞优先级排序和编写检测规则方面也很有用，尽管该模型并未针对这些任务进行显式训练。

Mistral 主要将该模型定位为用于防御性安全工作。漏洞研究和事件响应在模型输入中往往看起来像攻击，因此闭源过滤器可能会阻止它们。依赖 API 的团队也可能在事件处理过程中失去访问权限。至关重要的是，开放权重模型将使用策略和部署都置于用户的控制之下。话虽如此，该模型仍然会拒绝有害请求：在来自 JailbreakBench、StrongREJECT 和 AgentHarm 的网络安全提示中，其平均拒绝率高于任何其他开放权重模型。

对于社区构建者而言，像 Mistral Large 4 这样的开放权重模型解锁了大量下游用例。你可以围绕自己的代码库、崩溃日志和恶意软件样本构建自己的网络安全系统。例如，通过 TRL 进行微调，你可以基于 Mistral Large 4 的轨迹来修补你的代码库。事实上，复现-然后-修补任务使用可验证的奖励，因此它适用于可用于进一步对小型安全模型进行强化学习（RL）的 RL 环境。开放权重还让研究人员能够直接测量模型的拒绝行为，而不是依赖提供商的描述。

简而言之，像 ML4 这样的网络安全能力在开放领域是社区的巨大推动力。

我们采访了 Pierre Stock 关于该模型的网络安全能力，你可以在这里观看。

架构

ML4

Mistral Large 4 的文本解码器有 72 层，隐藏维度为 6,144，注意力头数为 64。其注意力块将多头潜在注意力（MLA）与 DeepSeek 稀疏注意力（DSA）索引器相结合（这是 GLM 5.3 等其他模型中的一个方向）。MLA 保持压缩的 KV 表示，而 DSA 为每个查询选择多达 2,048 个键位置。

Attention
对于每个解码器块，采用 3:1 的 RoPE 与 NoPE 模式，即 3 个解码器层使用 RoPE，每第四个层使用 NoPE。该模型还在层间共享 KV 状态。
第一个解码器层使用密集的前馈网络。其余 71 层使用 MoE 块，其中 softmax 路由器为每个 token 选择 128 个专家中的 4 个。一个共享专家始终与选定的专家一起运行，每个 token 总共激活 5 个专家。

关于 RoPE，Mistral 使用 LeRope，这是一种带有每个频率一个学习倍数的 YaRN 缩放 RoPE。

Experts

视觉编码器

Mistral Large 4 采用 1.6B 参数的 Pixtral 编码器。Pixtral 有 30 层，隐藏维度为 2,048，注意力头数为 16。它使用 14 × 14 的补丁和空间合并大小为 2 的补丁合并投影器。你可以在下方看到编码器流水线。

Image Encoder

基准测试结果

Mistral Large 4 在编码、网络安全、多模态理解和智能体工作流方面表现出强大的基准性能，使其成为开放权重生态系统中具有竞争力的补充。截至 2026 年 10 月 29 日，该模型是 Artificial Analysis Intelligence 指数上第五好的开放权重模型。

在编码方面，ML4 在 DeepSWE v1.1 上达到 61.7%，在 SWE-Atlas-QnA 上达到 59.4%，在 Terminal-Bench 4 上达到 28.3%。其综合 编码智能体指数得分为 49.8%，使其领先于 DeepSeek V4 Pro 0813 和 Qwen3.8 Max。

ML4 的编码能力扩展到知识工作，在 AutomationBench 上达到 59.9%，在 AA-Briefcase 上达到 1,393 Elo，这些评估了业务工作流和长周期专业任务。

网络安全是 Mistral Large 4 的突出能力之一，在现实世界漏洞评估和安全竞赛任务中取得了强劲的结果。三个基准测试突出了该模型的网络安全性能：

  • Artificial Analysis 网络安全指数：ML4 在该独立评估中位列全球前五大模型，该评估衡量模型发现和修复软件漏洞的能力。
  • 漏洞复现与修补： 得分 82%，是该指数中此项测试的最高报告分数。该任务要求在开源软件中复现一个真实漏洞，然后对其进行修补，以测试调查和修复能力。
  • Cybench： ML4 解决了 40 个源自安全竞赛的挑战 中的 93%，展示了在实战安全问题上强大的性能。

Mistral Large 4 还在 Lakera 的 B3 基准测试中展现出 93.3% 的攻击抵抗力，为抵御提示注入攻击的稳健性提供了证据。除基准测试外，内部测试在恶意软件分析、漏洞优先级排序和检测规则生成方面显示出有前景的结果。

推理支持

Mistral Large 4 随附对 transformers、vLLM 和 llama.cpp 的 Day-0 支持。GGUF 量化版本可从 GGUF 和 llama.cpp 团队 获取。我们提供使用 Inference Endpoints 进行远程部署的选项，并通过 Inference Providers 使用无服务器推理。

Transformers

Transformers 实现提供 AutoModelForMultimodalLM，其中 AutoProcessor 用于准备对话和图像输入。Mistral Large 4 可以接受 low、medium、high 作为推理努力程度。默认值为 high，请注意推理功能无法禁用，因此使用 reasoning_effort: none 仍会使用 high。

要运行该模型，请升级 transformers 包

pip install --upgrade transformers

import os
from transformers import AutoProcessor, AutoModelForMultimodalLM, DistributedConfig

distributed_config = DistributedConfig(
    tp_size=int(os.environ["WORLD_SIZE"]),
    ep_size=int(os.environ["WORLD_SIZE"]),
)

model_id = "mistralai/Mistral-Large-4-1T-A52B"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForMultimodalLM.from_pretrained(
    model_id,
    distributed_config=distributed_config,
)

# only text
text_messages = [
    {
        "role": "user",
        "content": "Who are you?"
    }
]

# text + image
multimodal_messages = [
    {
        "role": "user",
        "content": [
            {
                "type": "image",
                "image": "https://huggingface.co/datasets/huggingface/cats-image/resolve/main/cats_image.jpeg",
            },
            {
                "type": "text",
                "text": "How many cats are in the image?",
            },
        ],
    },
]

for messages in [text_messages, multimodal_messages]:
    inputs = processor.apply_chat_template(
        messages,
        add_generation_prompt=True,
        tokenize=True,
        return_dict=True,
        return_tensors="pt",
        reasoning_effort="medium",
    ).to(model.device).to(model.dtype)
    input_len = inputs["input_ids"].shape[-1]

    outputs = model.generate(**inputs, max_new_tokens=100)
    if int(os.environ["RANK"]) == 0:
        print(processor.decode(outputs[0][input_len:], skip_special_tokens=False))

您可以将上述脚本保存为 python 文件 script.py 然后运行

torchrun --nproc-per-node 8 script.py

vLLM

vLLM 支持高质量的 NVFP4 Mistral Large 4 检查点，其内存占用更小，需要 NVIDIA Blackwell GPU。该模型还随附 DSpark 起草器，以在 vLLM 中实现额外的加速。请像这样启动服务器：

vllm serve mistralai/Mistral-Large-4-1T-A52B-NVFP4 \
  --config-format mistral \
  --load-format mistral \
  --tensor-parallel-size 8 \
  --decode-context-parallel-size 8 \
  --enable-expert-parallel \
  --dtype bfloat16 \
  --max-model-len 131072 \
  --max-num-seqs 16 \
  --max-num-batched-tokens 2048 \
  --gpu-memory-utilization 0.85 \
  --enable-prefix-caching \
  --enforce-eager \
  --mm_processor_cache_gb 0.0

服务器启动并运行后，您可以运行以下内容。

curl -s http://127.0.0.1:8000/v1/chat/completions -H 'Content-Type: application/json' \
  -d '{"messages":[{"role":"user","content":"What is 17*23?"}],"max_tokens":512}'

Llama.cpp

Llama.cpp 和 Llama App 已支持 Mistral Large 4。

您可以使用以下命令安装 Llama App：

curl -LsSf https://llama.app/install.sh | sh

然后您可以像这样启动服务器，在模型 ID 后指定量化后缀：

llama serve -hf ggml-org/Mistral-Large-4-1T-A52B-GGUF:Q2_K

这里是仓库，包含从 FP8 检查点派生的量化版本，以及 这是 NVFP4 版本，从官方 NVFP4 仓库转换而来。

服务器启动后，您可以前往 localhost:9931 使用内置的 WebUI 进行聊天。从 Web UI 中，您可以添加图像进行推理并调整推理杠杆。
您也可以像这样查询服务器。请随意查看 API 参考 以了解多模态、工具调用等更多信息。

curl http://localhost:8080/v1/chat/completions \
    -H "Content-Type: application/json" \
    -d '{
        "messages": [
            {"role": "system", "content": "You are a helpful assistant."},
            {"role": "user", "content": "Write a limerick about python exceptions"}
        ]
    }'

您可以像这样运行图像-文本推理。

curl -s http://127.0.0.1:8080/v1/chat/completions \
    -H "Content-Type: application/json" \
    -H "Authorization: Bearer <your-key>" \
    -d '{
        "model": "muse-spark-open",
        "messages": [
            {
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": "What is in this image?"
                    },
                    {
                        "type": "image_url",
                        "image_url": {
                            "url": "data:image/png;base64,..."
                        }
                    }
                ]
            }
        ],
        "temperature": 0
    }'

llama.cpp 团队提供以下量化版本：IQ2_XXS、Q2_K、Q4_K_M、NVFP4、Q8_0 和 BF16 用于进一步转换。2 位量化版本可在配备 512 GB 统一内存的单台 Apple Silicon Ultra 计算机上运行。其他版本需要分布式推理。您还可以在多个 NVIDIA 或 AMD 显卡上运行。

在单台 M3 Ultra 上运行 Q2_K，我们获得了约 90 tokens/秒 的预填充吞吐量，以及 15 tok/s 的生成速度。在 4 x RTX6000 Pro 上，我们观察到以下结果：

  • NVFP4：32K 上下文大小，预填充 130-590 t/s，生成速度 ~10 t/s
  • IQ2_XXS：800K 上下文大小。在短上下文大小下，预填充为 500 tok/s，生成运行在 30 tok/s。然而，使用长上下文时性能降至 129 tok/s（预填充）和 3 tok/s（生成）。

使用 TRL 进行微调

我们还提供对使用 TRL 微调 Mistral Large 4 的 Day 0 支持。您只需升级到 transformers、trl 和 peft 的最新版本即可。

pip install --upgrade transformers trl peft

在以下示例中，我们训练模型执行多语言思考。微调后的模型将能够以系统提示所要求的语言进行推理！

该脚本在 8xB300 节点上的 FP8 变体上运行。

# torchrun --nproc-per-node 8 sft.py
import os

from datasets import load_dataset
from peft import LoraConfig
from transformers import AutoModelForImageTextToText, DistributedConfig
from trl import SFTConfig, SFTTrainer

world_size = int(os.environ["WORLD_SIZE"])
model_id = "mistralai/Mistral-Large-4-1T-A52B"
model = AutoModelForImageTextToText.from_pretrained(
    model_id,
    distributed_config=DistributedConfig(fsdp_size=world_size, ep_size=world_size),
    dtype="auto",
)

dataset = load_dataset("HuggingFaceH4/Multilingual-Thinking", split="train")
# the assistant turns carry reasoning, so render them in reasoning mode
dataset = dataset.map(lambda x: {"chat_template_kwargs": {"reasoning_effort": "high"}})

trainer = SFTTrainer(
    model=model,
    args=SFTConfig(
        packing=True,
        max_length=4096,
        assistant_only_loss=True,
        learning_rate=1e-4,
        lr_scheduler_type="cosine",
        warmup_steps=10,
    ),
    train_dataset=dataset,
    peft_config=LoraConfig(
        r=16,
        lora_alpha=32,
        target_modules=r".*language_model.*\.(q_proj|kv_a_proj_with_mqa|kv_b_proj|o_proj|gate_proj|up_proj|down_proj)",
    ),
)
trainer.train()

推理端点

Mistral Large 4 也可在推理端点（Inference Endpoints）上使用，并配有在 8 x NVIDIA H200 GPU 上即可部署的配方。该配方使用 vLLM，通过张量并行和专家并行将 FP8 权重分布在所有八块 GPU 上，并利用模型内置的 DSpark 草稿头通过推测解码实现更快的生成。它支持高达 131K 令牌的上下文，同时处理多达 16 个请求，我们观察到以下结果：

  • 单请求：对于 1K 令牌的提示，首字延迟（time to first token）约为 0.6 秒，生成速度约为 65 tok/s，在 DSpark 草稿被接受的聊天提示中达到 120–138 tok/s。
  • 长提示：16K 令牌的提示，每次四个，总预填充速度约为 4,300 tok/s，首字延迟为 8–9 秒。
  • 负载下：在 1,000 个 ShareGPT 对话中，总生成速度约为 480 tok/s。

您可以使用 hf CLI 按以下方式部署：

hf endpoints catalog deploy --repo mistralai/Mistral-Large-4-1T-A52B --name mistral-large-4

端点运行后，您可以使用端点 URL 和您的 Hugging Face 令牌查询其 OpenAI 兼容 API。reasoning_effort 字段控制模型在回答前进行多少推理，可以设置为 low、medium 或 high（默认值）。

curl "$(hf endpoints describe mistral-large-4 --json | jq -r .status.url)/v1/chat/completions" \
    -H "Authorization: Bearer $(hf auth token 2>/dev/null)" \
    -H "Content-Type: application/json" \
    -d '{
        "model": "mistralai/Mistral-Large-4-1T-A52B",
        "messages": [
            {"role": "user", "content": "Write a limerick about python exceptions"}
        ],
        "reasoning_effort": "medium"
    }'

答案返回在 choices[0].message.content 中，推理过程在 choices[0].message.reasoning 中。该端点还支持通过标准 Chat Completions 字段进行工具调用、结构化输出、图像输入和流式传输。

戴尔企业中心

在您的戴尔 AI 服务器（NVIDIA H200、B200、GB200 或 GB300）上快速上手的最简单方法是安装 dell-ai CLI：

pip install dell-ai && dell-ai login

并使用它在例如 NVIDIA B300 节点上运行针对 Mistral Large 4 优化的配方。

dell-ai models deploy --model-id mistralai/Mistral-Large-4-1T-A52B-NVFP4 \
    --engine docker \
    --platform-id xe9780-nvidia-b300 \
    --gpus 4

您可以在 戴尔企业中心（DEH） 中了解有关此发布的更多信息。

试一试

从 Mistral Large 4 集合 获取权重，使用 GGUFs 在本地运行，或通过推理端点部署。我们迫不及待想看看您用 Le Chonk 构建了什么。请在 Hub 上分享您的微调模型、量化版本和其他工件！

来源：Hugging Face Blog · huggingface.co

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料，版权归来源方所有