Mistral Large 4 于 2026 年 10 月以公开预览版发布，是一种开放权重的 AI 模型，总参数量为 1 万亿，活跃参数达数十亿，在 Mistral 自建的欧洲数据中心的 3800 块 NVIDIA Grace Blackwell GPU 上从头开始训练【support-2】。该模型通过在欧洲开发和运营，强调欧洲 AI 主权，旨在让客户掌控自己的 AI 并遵守当地法规。

在 Plotly 的专项数据分析基准测试中，Mistral Large 4 相较于其前身 Mistral Medium 3.5 表现出代际飞跃【primary】。单次完整考试的成本从 20.51 美元降至仅 1.94 美元——降幅达 10 倍——而正确答案的占比从 58%（F 等级）提升至 74%（C 等级）。该考试使用了一个包含 2000 万行、跨 44 张表的真实感模拟风力涡轮机数据集，用于测试诸如连续性检测、时点连接以及识别数据质量问题等多步骤分析。

折线图展示了多个模型在 Plotly 数据分析基准测试中通过的任务数量与成本的关系，突出了 Mistral Large 4 的位置
Plotly 基准测试中模型性能与成本的比较，Mistral Large 4 以低成本展现高任务通过率plotly.com

此图支持文章中 Mistral Large 4 提供具有成本效益的替代方案的主张，将其定位与 GPT‑6.1 Sol 和 Qwen 3.8 27B 等模型相当。

条形图显示 Mistral Large 4 在 Plotly 数据分析基准测试中以 1.94 美元成本达到 74% 正确答案，而 Mistral Medium 3.5 在 20.51 美元成本下仅达 58% 正确答案
Mistral Large 4 在 Plotly 基准测试中相较于其前身准确率提升、成本降低plotly.com

此图说明了文章第二段中描述的性能和成本效率的代际飞跃，Mistral Large 4 的考试得分从 58% 提升至 74%，同时成本降低了十倍。

尽管取得了这些进步，Mistral Large 4 在同一基准测试中仍表现出一些显著不足【primary】。它偶尔会将求和结果当作平均值，仅凭行数判断而未发现重复数据，并在存在明显缺口时仍声称覆盖完整——这些错误可能导致错误的商业结论。在模糊问题上的表现实际上从 5 题答对 4 题下降到答对 3 题，虽然其绝对准确度仍不及顶尖模型，但其成本效益使其定位与 OpenAI GPT‑6.1 Sol（每次运行 2.61 美元）和 Qwen 3.8 27B（每次运行 1.71 美元）等模型相当。