Mistral Large 4（Le Chonk）已釋出開放權重，但不等於沒有商用條件，也不代表一般電腦就能順暢自架。Mistral 在 2026 年 10 月 29 日宣布這項更新；目前官方 API 每百萬 tokens 的美元單價為輸入 US$0.70、快取輸入 US$0.07、輸出 US$2.10。對台灣開發者，值得注意的是部署選擇、授權邊界與實際任務成本，而不是只看參數或排行榜。
公告日期：2026 年 10 月 29 日；本文查核日期：2026 年 10 月 30 日。本文為官方資料查證與分析，並非本站模型實測。
從預覽到權重釋出，這次改變了什麼？
Mistral 的權重釋出公告將這次更新與 10 月 6 日的公開預覽區分：除了釋出模型權重，也介紹後續訓練帶來的程式、推理效率與防禦性資安能力改進。可透過 Mistral Studio、API 使用，或下載權重自行部署。
不過，查核時的官方模型文件仍標示 Public Preview。因此，權重已可取得與產品是否全面正式商用上線，是兩個不同問題；本文不將它自行改稱為全面 GA。
API 價格與規格：先看清楚單位
| 項目 | 目前官方資料 | 閱讀限制 |
|---|---|---|
| 一般輸入 | US$0.70／100 萬 tokens | API 用量單價，不是月費 |
| 快取輸入 | US$0.07／100 萬 tokens | 不是所有輸入都自動按快取價計費 |
| 輸出 | US$2.10／100 萬 tokens | 不是一整項任務的固定價格 |
| 參數 | 文件列 1.05T 總參數、52B 啟用參數 | 啟用參數不能等同部署所需記憶體 |
| Context | 1M tokens | 不代表任意長度輸入都能維持相同品質 |
| 輸入／輸出形式 | 文字、圖片輸入；文字輸出 | 不是圖片生成模型 |
| 推理模式 | low、medium、high；預設 high | 應依任務評估品質、延遲與用量 |
價格以查核時官方文件的 USD 欄位為準，不換算成未確認匯率的新台幣價格，也不把 API 費率當成 GPU、自架或維運總成本。
若看到 49B 與 52B 兩個數字，官方 Hugging Face 模型卡有進一步說明：每 token 啟用約 49B 參數，計入 embeddings 與輸出層則約 52B。兩者採用不同計數口徑，不必直接解讀成不同版本。模型卡也提供 vLLM、SGLang 等部署方式；其中多 GPU 範例是參考配置，不是本站驗證的最低硬體需求。
開放權重的商用條件：不是無限制 MIT
這個模型採用 Mistral Ecosystem Open-Weight License，屬於修改版 MIT 授權。重點不只是能否下載，而是你的業務如何提供模型能力。
依第 2 條，若被授權人或其關係企業經營 Model-as-a-Service 業務，模型或衍生物的商業使用前須另向 Mistral 取得商業授權。其定義涉及讓第三方以推論或後訓練等方式使用模型，並能對輸入、參數或訓練資料行使實質控制。
條款同時區分兩類不納入該 MaaS 定義的情形：模型能力僅嵌入特定功能或 harness 的終端產品，以及單純轉送其他業者託管模型的請求。第 3 條另規定，不把模型或衍生物提供給第三方的內部使用，以及透過 Mistral 官方產品使用模型，不適用第 2 條要求。
第 1 條另要求，在所有副本或實質部分保留著作權聲明與許可聲明；符合例外也不代表可省略這些義務。
以上是條款重點整理，不是法律意見。不能據此保證任何特定產品都符合例外；若要對客戶提供模型服務，仍應核對完整條文與實際商業模式。
官方稱評測有進步，不代表本站已證實全面領先
Mistral 公告列出程式與資安評測改善，並引用不同評測與合作方的結果。這些是官方發布的證據與主張，不是本站實測，也不能把某項測試的領先直接延伸成所有任務都優於其他模型。
官方同時提到潛在攻擊能力提升，以及持續調整防護的工作。因此，開放權重、拒絕率或特定安全評測成績，都不是部署後不會出錯或受攻擊的保證。正式使用仍須保留權限限制、輸出驗證及敏感資料治理。
本站觀點：台灣團隊應先拆開三個決策
以下為本站根據上述事實的分析。第一個決策是模型能否完成你的任務；第二個是資料與部署要放在哪裡；第三個才是總成本是否合理。把三件事混在一起，容易因低 API 單價而低估遷移、監控與維運負擔。
對少量程式輔助或概念驗證，先用不含敏感資訊的代表性任務比較託管 API，可避免同時承擔模型評估與自架工程成本。有內部資料處理需求、具備維運能力的團隊，則可以把自架列入選項；但「可控制部署」不自動等於已滿足法遵或資安要求。
如果你準備提供客戶可控制的模型 API，授權應先於擴張部署。若只是想在日常筆電上換一個聊天模型，則不應把約 1T 總參數、部分參數啟用的架構，直接當成低硬體門檻的證據。
接下來真正會改變本站判斷的，是可重現的獨立評估、繁中實際任務品質、完整推理用量、服務延遲及自架維運成本。本文尚未驗證台灣個別帳號的付款與開通、台灣在地端點，或本站使用效能；官方現已公布完整技術報告；本文未對其全部評測逐項獨立驗證。
公司背景可另讀Mistral Series D 與三星合作整理。融資規模與模型表現是不同證據，不應互相代替。
下一步：先用自己的任務驗證，而不是先換掉現有系統
可先閱讀官方模型文件與授權，再選擇不涉及敏感資料的小型任務，比較結果是否正確、是否需要返工，以及整段工作實際用了多少資源。對尚未有明確痛點的現有工作流程，不必只因權重釋出就立即遷移。
封面：AI 生成概念示意圖，非官方圖像或模型實測結果。
