Mistral Large 4：自架之前
目前是 API 預覽。權重、授權與硬體需求還沒到齊，先分清楚已公布和仍需等的資訊。
這篇會聊到
Mistral Large 4 在 10 月 6 日開放 API 預覽。官方預告月底前釋出權重，但截至本文資訊日期 10 月 7 日，權重和授權都尚未公布。
如果你正考慮自架，現在先看授權和硬體條件。模型參數多、單價低，都不能直接回答「搬回自己機器會不會比較划算」。
發生了什麼
- 日期與形式：Mistral 在 2026 年 10 月 6 日發表 Mistral Large 4（簡稱 ML4，官方暱稱 le Chonk），同日在 Mistral Studio 開放公開預覽 API。
- 規格（Mistral 文件頁）：Mixture-of-Experts 架構，總參數 1.05T，每個 token 啟用 52B，另有 1.6B 的視覺編碼器，上下文 1M tokens，可輸入圖片。新聞稿與目前主模型頁列 52B；另有官方文件版本及媒體列 49B，數字並不一致。此處保留兩種說法，不把它當成已無爭議的規格。
- 權重：官方說法是「月底前釋出」，沒給日期。VentureBeat 報導是 10 月 27 日，那是媒體說法，不是 Mistral 的承諾。
- 授權：文件頁的 License 與 Weights 欄都寫 Coming soon，發表文章也沒提授權名稱。VentureBeat 報導會採「自訂的 Mistral 授權」，條款未公開。
- API 價格（每百萬 token）：發表文章寫輸入 US$1.36、輸出 US$4.18。文件頁另列促銷價，輸入 US$0.68、輸出 US$2.09、快取輸入 US$0.07，沒說明促銷到何時，待確認。
- 成績：以 Mistral 自報為主。它找 Surge AI 做程式碼品質盲測，ML4 預覽版在 5 個模型中排第二（3.74 分），低於 Claude Opus 5（4.22 分）。第三方 Artificial Analysis 的 Intelligence Index 給 38.4 分，開放模型中排第八，並指出它輸出很囉嗦（約 2 億個輸出 token，同類中位數約 8,100 萬）。這組數字我讀的是 Trending Topics 的轉述；Artificial Analysis 目前把預覽版歸為 proprietary，因為權重還沒公開。
圖：截至 10 月 7 日，Large 4 的規格與預覽 API 價格已公布，權重、授權與硬體需求都還沒定。資料：Mistral 發表文章與文件頁。
開放模型和閉源模型差在哪
先講名詞：開放權重是把訓練好的模型檔案給你下載，授權決定你能怎麼用，不代表訓練資料與程式也公開。
| 項目 | 開放權重（以 Large 4 為例） | 閉源 API（OpenAI、Anthropic、Google） |
|---|---|---|
| 取得方式 | 權重下載後自己跑，或用 Mistral API；Large 4 權重尚未放出 | 只能用官方或雲端夥伴的 API |
| 授權 | 看授權條款，Large 4 未公布 | 受服務條款約束，不給權重 |
| 資料 | 自架時資料留在自己的機器；用 Mistral API 仍是第三方處理 | 資料送到業者，依各家資料處理條款 |
| 成本 | 自架是固定的硬體或 GPU 租用費；API 按量計費 | 按量計費，不用買硬體 |
| 硬體 | 1.05T 參數，Mistral 未公布需求 | 不需要 |
| 版本 | 下載的版本不會被下架 | 舊版會退役 |
| 維運 | 部署、升級、監控、資安都自己來 | 業者負責 |
授權怎麼看，Mistral 自己就有兩種先例。Large 3、Small 4、Ministral 3 是 Apache 2.0，可商用。Medium 3.5 是 Modified MIT，條款寫公司前一個月的全球合併營收超過 US$2,000 萬，就不能行使授權，要另向 Mistral 談商業授權。Large 4 會是哪一種，目前沒公布，不要先預設。
API 單價（每百萬 token，輸入／輸出）：Mistral Large 4 US$1.36／4.18；Claude Sonnet 5.5 US$2／10；Claude Opus 5.5 US$4／20；GPT-6 Sol US$2／10；GPT-6 Astra US$10／50；Gemini 3.1 Pro Preview US$2／12（提示在 20 萬 token 以內）。假設每月 5,000 萬輸入加 1,000 萬輸出 token（我設的用量），照上列價格算：Large 4 約 US$110，Sonnet 5.5 約 US$200，Opus 5.5 約 US$400，GPT-6 Astra 約 US$1,000。但 Large 4 輸出偏長，同一個任務會用掉更多 token，不能只比單價。
圖：以每月 5,000 萬輸入加 1,000 萬輸出 token 計算，Large 4 約 US$110；但它輸出偏長，不能只比單價。資料：Mistral、Anthropic、OpenAI 官方定價；用量為作者假設。
小團隊什麼時候該考慮自架
適合考慮：
- 資料不能離開自己的環境：客戶合約、內部機密、受規範的資料。先確認合約怎麼寫，有些只要求資料區域或不得拿去訓練，選有區域選項的 API 可能就夠。Mistral 也說會提供由它端到端營運、受歐洲法律管轄的歐洲部署。
- 用量大又穩定：每天固定跑大量文件整理、分類、翻譯。固定的硬體成本要有足夠的量才攤得平。
- 要離線或網路不穩：現場、出差、機密環境，這種情況通常小模型就夠。
- 需要鎖版本：產品行為不能隨業者換版而變。Anthropic 價格頁就列了已退役的 Claude Opus 4、4.1 與 Sonnet 4，自己留一份權重就不會被下架。
不建議考慮：
- 沒人顧維運：部署、升級、監控、資安修補都要有人做。成員分散在各地的團隊更要想清楚，系統半夜出問題誰處理。
- 硬體放不下：Large 4 不是筆電或一台工作站能處理的規模，細算見後面。
- 用量小、帳單低：我的判斷是，這種情況 API 通常比養一套 GPU 環境便宜得多。GPU 租金我沒有可引用的報價，待確認。
怎麼開始
- 先用預覽 API 測自己的真實任務：挑 10 到 20 筆平常的工作，和現在用的模型比品質與 token 用量。
- 把工作分三類：必須留在內部的資料、可以送雲端的、量大但簡單的整理工作。第一與第三類才需要談本機。
- 從小型開放模型起步：Ministral 3 8B（Apache 2.0，模型卡寫 FP8 約 12GB VRAM 可跑）適合先試整理類工作；Mistral Small 4（119B 總參數、每 token 啟用 6.5B、Apache 2.0）是下一步，硬體需求請看模型卡。
- Large 4 權重和授權公布後，先讀授權再下載：商用限制、營收門檻、能否提供給第三方使用、能否微調並散布衍生模型。
- 真想跑 Large 4，先租雲端 GPU 節點試幾天，算出每百萬 token 的實際成本，再決定要不要買硬體。
要注意的地方
- 現在能用的是預覽版 API，不是開放權重。Mistral 說強化學習訓練還在進行，成績可能再變。
- 日期和授權都未定，別現在就把產品流程綁在「月底可自架」。
- 成績多為 Mistral 自報，比較對象和基準都由它挑選。
- 硬體需求 Mistral 沒公布（文件頁欄位寫 N/A）。下面是我用參數量粗估的數字，只算權重、不含 KV cache：4-bit 約 525GB、8-bit 約 1.05TB、bf16 約 2.1TB。對照上一代 Large 3（675B），模型卡寫 FP8 要一個 8 卡 H200 節點。
- 牽涉客戶個資的資料，台灣法規與合約要求我沒有逐條查，待確認，請對照合約或問專業人士。
先測 API，等授權文字
Large 4 還在預覽期，現在可以先比較自己的任務，記下品質、輸出長度和實際費用。權重公布後，再讀授權與部署文件。
若需求只是離線整理文件，也可以先評估小型模型。要自架哪個規模，取決於資料限制、穩定用量，以及誰負責維護，不用從最大的模型開始。
來源
- Introducing Mistral Large 4（Mistral AI，2026-10-06）
- Mistral Large 4（Mistral Docs 模型頁）
- Mistral Large 3 675B Instruct 2512（Hugging Face 模型卡）
- Mistral Medium 3.5 128B（Hugging Face 模型卡與 LICENSE）
- Mistral Small 4 119B（Hugging Face 模型卡）
- Ministral 3 8B Instruct（Hugging Face 模型卡）
- Mistral debuts Large 4 Le Chonk（VentureBeat）
- Europe’s Mistral launches Large 4 to challenge China’s lead in open AI models（TNW）
- Mistral Large 4 on Artificial Analysis: Eighth Among Open Models（Trending Topics）
- Pricing（Claude Docs）
- Pricing（OpenAI API 文件）
- Gemini Developer API pricing（Google AI for Developers）
