Mistral 正式推出开源旗舰 ML4（Mistral Large 4），这款模型整体总参数达到 1 万亿级别，依靠 MoE 混合专家架构实现高效推理，单次推理只激活 490 亿参数，在保证顶尖模型能力的同时大幅降低算力消耗，也是目前 Mistral 发布的体量最大的开源大模型。这一出色的参数配比，依托精细化的混合专家技术，只调用少量专家模块完成单次运算，不用把万亿全部参数投入计算，兼顾超大模型能力与低成本落地；同时它还是原生多模态模型，自带视觉编码器，文字、图片理解能力同步拉满，训练全程在欧洲自建算力集群完成，具备自主可控的部署条件，个人开发者与企业团队都可以自主下载权重进行部署微调。从技术落地节奏来看，先开放 API 预览体验，随后放出完整开源权重，再搭配三种推理模式灵活切换，开发者可以自由平衡性能与成本，让万亿参数大模型能够落地在本地服务器与云端环境。随着权重正式开源，这款模型会进一步拉高开源大模型的能力上限，在代码开发、网络安全、金融法律等企业场景持续发挥价值。

一、ML4 模型核心参数清单

表格

二、低激活参数的核心技术原理

1. 混合专家路由机制

整个模型拆分成上百个独立专家网络，每一次输入文本，系统只会自动挑选 4 个专家参与计算，其余专家保持休眠状态，所以只激活不到 5% 的总参数，不用占用全部算力资源。

2. 算力资源按需调用

万亿参数只做静态存储，推理时只加载被选中的少量专家权重，显存占用显著下降，普通企业级服务器就可以完成本地部署，不需要超大算力集群。

3. 多模态模块独立运行

16 亿视觉编码器独立于文字大模型，图片解析任务单独调用视觉模块，不会额外占用文字推理的计算资源，进一步优化整体运行效率。

三、ML4 模型落地部署操作步骤

步骤 1：获取开源模型权重

前往 Hugging Face 官方仓库下载 ML4 完整权重文件，核对模型版本与许可证协议，确认使用权限。

步骤 2：选择对应推理模式

在三种推理模式里按需选择：高性能模式优先保证输出质量，均衡模式平衡速度与成本，轻量化模式进一步降低显存占用。

步骤 3：搭建本地运行环境

搭配 vLLM 推理框架，完成模型加载，开启显存优化，把激活参数控制在 490 亿范围，避免全量参数加载浪费资源。

步骤 4：开展微调与场景定制

基于自有行业语料，对模型进行轻量化微调，适配代码生成、安全分析、文档解析等专属业务场景。

四、模型综合能力优势

1. 综合性能：在代码、网络安全、法律金融等企业场景，位居开源模型第一梯队，多项基准测试取得领先成绩。
2. 多语言能力：训练语料覆盖 160 余种语言，包含欧盟全部官方语种，跨境业务适配性更强。
3. 部署自主性：全部训练在欧洲自建数据中心完成，企业可以实现完全私有化部署，数据全程不外流。

【相关 FAQ】

问题 1：Mistral 开源 ML4 模型总参数达到 1 万亿，单次推理激活参数是多少？

回答 1：Mistral 开源 ML4 模型总参数为 1.05 万亿，依靠 MoE 架构，单次推理仅激活 490 亿参数，只用少量专家模块参与运算，有效控制算力成本。

问题 2：Mistral ML4 为什么能做到万亿总参数却只激活 490 亿参数？

回答 2：ML4 采用精细化 MoE 混合专家架构，模型拆分为大量独立专家，每一轮运算只自动挑选少量专家启动，其余专家处于休眠状态，因此仅激活总参数中的一小部分。

问题 3：Mistral ML4 除了文字能力之外，是否支持多模态图文识别？

回答 3：Mistral ML4 是原生多模态大模型，额外搭载 16 亿参数的视觉编码器，既可以处理文字内容，也能够直接识别图片信息，实现图文一体化理解。

问题 4：Mistral ML4 开源之后，开发者可以在本地服务器部署运行吗？

回答 4：完全可以，ML4 开放完整模型权重，配合 vLLM 推理框架，只加载 490 亿激活参数即可运行，普通企业服务器就能完成私有化部署，同时支持自定义微调优化。

【数据来源】

[2026-10-30] Mistral 开源迄今最大模型 ML4 总参数 1 万亿激活仅 490 亿 IT 之家

[2026-10-30] Mistral Large 4 权重正式开放 混合专家架构参数配置 微博科技博主

[2026-10-29] Mistral ML4 模型技术规格与训练信息 Hugging Face 官方页面

[2026-10-06] Mistral 发布 ML4 预览版 欧美最强开源多模态大模型 网易科技

免责声明：本文内容仅为 Mistral ML4 开源大模型公开技术资讯，全部参数、架构信息均来自官方发布文件；模型实际运行效果会受硬件配置、推理框架、微调语料影响；本文内容仅用于技术交流，不构成项目采购与技术选型的最终依据。