Mistral Large 4 月底要放开源权重：1.05 万亿参数、49B 激活、百万上下文，先别急着等

先说结论：它值不值得你等

Mistral 在 10 月 6 日放出了 Large 4（外号 le Chonk）的 API 预览，官方明确说：开放权重（也就是你能下载下来自己部署的版本）会在 10 月底放出。

如果你现在就需要一个强大的多模态模型，直接调 API 就行，不用等。如果你是冲着「自己部署、数据不出内网、长期成本可控」来的，那值得等，但得先搞清楚它的真实门槛——它不是小模型，别被「开源」两个字冲昏头。

参数速览：一张表看懂「le Chonk」

| 指标 | Mistral Large 4 |

|---|---|

| 总参数 | 约 1.05 万亿（MoE） |

| 每 token 激活 | 49B（部分口径 49–52B） |

| 上下文 | 100 万 token |

| 模态 | 原生多模态 |

| 当前入口 | Mistral Studio API 预览 |

| 开放权重 | 预计 10 月底 |

49B 激活是什么概念？它每个 token 只唤醒约一半的参数干活，所以显存占用和推理成本比「满血 1 万亿」低一大截，但能力仍接近全量。这是 MoE 架构的核心好处。

现在就能用的 API 入口

不等权重的话，API 已经可用，价格也公布了：

from mistralai import Mistral

client = Mistral(api_key="你的KEY")
resp = client.chat.complete(
    model="mistral-large-4",
    messages=[{"role": "user", "content": "用一句话解释 MoE 架构"}],
)
print(resp.choices[0].message.content)

首发推广价：

• 输入约 $0.68 / 百万 token
• 输出约 $2.09 / 百万 token

作为对比，它的标准价（list）是输入 $1.36、输出 $4.18，推广期直接腰斩。长文本、多模态、百万上下文，这个定价在旗舰梯队里不算贵。

和谁比：开源阵营怎么选

| 模型 | 总参数 | 激活参数 | 上下文 | 开放权重 |

|---|---|---|---|---|

| Mistral Large 4 | 1.05T | 49B | 1M | 10月底 |

| Llama（多模态版，预告） | 未定 | 未定 | — | 承诺开源 |

| Qwen3.8-Max | 2.4T | MoE | — | 部分开源推进中 |

| DeepSeek V4 系 | 多档 | 多档 | 较长 | 已开放 |

选谁取决于你要什么：要「现在就能下回来跑」就盯 Mistral 月底这波；要「中文场景强」可以看 Qwen 系；要「极致性价比」DeepSeek 一直很能打。没有哪个全面碾压，只有哪个更贴合你的场景。

常见误区：开源权重等于免费随便用

这是最容易被误导的一点。开放权重的意思是「你能下载模型文件自己跑」，不等于「跑它不要钱」。49B 激活参数，哪怕用 4-bit 量化，完整加载也要百 GB 级显存，对应的是实打实的显卡采购或云租赁成本。

另外，「开源」通常带使用协议限制，商业用途、再分发、修改后开源等条款各不相同。真要上生产，先把许可证读一遍，别等产品上线了才发现有合规坑。

本地部署的现实门槛：49B 激活也要真显卡

「开源权重」不等于「笔记本能跑」。49B 激活参数，哪怕用 4-bit 量化，完整加载也要百 GB 级显存。现实路径是：

• 单机多卡（如 2–4 张 80G 显存卡）做推理服务
• 或用 vLLM 这类框架做吞吐优化
• 中小团队更划算的做法是「先用 API 验证业务，等业务量稳了再考虑部署」

别为了「拥有模型」而部署。部署的运维成本（显存、散热、升级、备份）常常比 API 调用费还高，除非你的数据合规要求必须本地化。

什么时候该等、什么时候直接用 API

该等（等月底权重）：

• 数据不能出内网，合规硬要求本地化
• 长期调用量大，API 费用已明显高于自托管
• 需要微调，且手上有专属语料

直接用 API：

• 先验证模型在你的任务上到底行不行
• 业务还没定型，不想被固定资产绑住
• 调用量还小，自托管不划算

我建议你先做的三件验证

别等月底权重一放出来就冲。这周先做三件事：第一，用 API 跑 20 个你真实的任务，记下效果；第二，估算你当前的月调用量和对应账单；第三，拿这个数去对比「自托管硬件摊销 + 运维人力」到底谁更省。

验证时别只看「它答得对不对」，还要看「它稳不稳定」。同一个难度的任务连跑五次，输出质量波动大不大、有没有偶尔胡说，这些才是决定你能不能上生产的指标。一次惊艳不如次次稳。

误区：参数越大越适合你

1.05 万亿听起来很猛，但对多数应用来说，你用不到它的全部上下文和推理深度。一个做客服问答的小业务，用 49B 激活的旗舰模型，就像用卡车送外卖——能送，但油和保养都贵。

选型的第一问永远是「我的任务难在哪」：如果是长文档理解、跨语言、复杂推理，Large 4 的价值才显出来；如果是简单分类抽取，小模型更划算。别让「参数大」替你做决策。

还有一个常见误判：看到「开源」就觉得能省一笔。真正要算的是总拥有成本——显卡、电力、运维、升级、备份，这些往往比 API 调用费更贵。只有调用量足够大、且数据必须本地化时，自托管才划算。

我的建议：先把 API 跑通再谈部署

最糟的做法是：月底一看权重放出，立刻找机器部署，结果业务根本用不起来，机器空转烧钱。

务实顺序是：这周用 API 跑 20 个你真实的任务，记下效果和可接受的价位；如果确认要本地化，再规划硬件。Mistral Large 4 是个值得关注的开源旗舰，但「关注」和「拥有」之间，隔着一个完整的工程决策。