Mistral Large 4发布,万亿参数模型的编码与安全实测数据

Mistral Large 4是Mistral AI推出的1-trillion-parameter(万亿参数)多模态模型。官方博客公布了一系列基准分数,集中在编码代理任务和安全防护能力两方面,但目前只有官方自评数据,没有第三方复现或交叉验证。

编码与代理能力

在Cognition的FrontierCode 2.0基准上,Mistral Large 4得分19.7%,官方称这是该基准上的领先成绩。在Artificial Analysis Coding Agent Index上,得分48%。

官方称完成同样任务时,相较GLM-5.3平均减少47%的token(大语言模型处理文本的最小单元)使用量。来源未说明两个模型的测试任务集和评测环境是否一致,这个数字缺乏同口径说明,不能当作两款模型效率的直接对比结果,只作为官方披露的自评数据看待。

在Terminal-Bench 4.0上,Mistral Large 4相较自家公开预览版提升13个百分点,达到41%,同时输出token减少30%。这组对比是同一模型的预览版与正式版,口径一致。

安全与风险防护

在Artificial Analysis Cyber Index上,Mistral Large 4得分51%。面对恶意网络安全请求时,平均拒绝率96.6%。

在B3 Agent Security Benchmark(智能体安全基准)上,Mistral Large 4抵抗攻击的比例为97.1%,预览版为93.3%。这两个数字同样来自同一基准下的版本对比,口径一致。

其他基准表现

金融场景的FinWorkBench(Finch)基准上,Mistral Large 4得分73.3%。浏览类任务BrowseComp基准上,得分84.5%。官方提到这一分数的起点是一个SFT(监督微调)检查点,当时得分75%,经过后续训练迭代升至84.5%,具体训练方法来源未展开说明。

以上数据全部出自Mistral AI官方博客。没有第三方评测、竞品横向对照,也没有披露测试样本量和评测脚本版本等复现细节。开发者如果要参考这些分数做选型,需要等待独立评测结果,或者在自己的任务场景下实测,官方自评分数不能替代实际业务场景的验证。

原文地址:tools.wflynn.cn/aitools/tre...

关注公众号「YourTools」,每天推送 GitHub 趋势与开源工具速报:

相关推荐
行百里er2 小时前
【Spring Insight 技术分享】runtime-settings.json 的妙用
后端·开源·监控
zhensherlock4 小时前
Protocol Launcher 系列:CodeHub 移动端 GitHub 协作利器
前端·javascript·typescript·node.js·自动化·github·js
Qiuner5 小时前
用 SoduWork 跑通浏览器截图:派活、验货与顺手修 Bug
ai·开源·soduwork
行百里er6 小时前
【Spring Insight 技术分享】如何让 AI 解释失败也不拖垮控制台
后端·spring cloud·开源
一条Go7 小时前
状态页与 SLA:对外承诺是怎么算出来的
后端·架构·github
一条Go7 小时前
开源新生代雷达 · 第 18 期
github
时早玖沐8 小时前
微信输入法的算式结果时灵时不灵,我用 AutoHotkey 补了个按 = 出答案的
程序员·开源·github
linmoo19869 小时前
SoduWork一款面向团队及其智能体的 AI 原生开源引擎
开源·智能体·企业agent·soduwork·ai原生引擎
分布式存储与RustFS9 小时前
旧 ledger 堆满 Bookie 磁盘:用 Pulsar 分层存储把冷数据卸进 RustFS
运维·云原生·开源·对象存储·分布式存储·s3·性能基准
张张123y10 小时前
个人助手型 Agent 的六个工程细节:Hermes 与 OpenClaw 的审批、委派、上下文与调度
网络·人工智能·开源·后端开发·ai agent