欧洲AI公司对标中国模型，这次最值得看的一句话不在发布稿里，而在模型卡里：这是西方开源最高分，但领先的中国开源模型分数更高。 10 月 29 日，Mistral 把 Large 4 的权重放上 Hugging Face，1.05 万亿总参数、每 token 激活约 520 亿、100 万 token 上下文，原生多模态。 它是在欧洲的数据中心，用约 3800 张 Grace Blackwell 训出来的。知乎微博36氪
第三方榜单也没给面子。Artificial Analysis 智能指数只给 26 分，21 个开放权重模型里排第 9；DeepSeek V4.1 Flash 和 GLM-5.3 都是 32 分，Qwen3.8 Max 34 分。 所以 Mistral 换了一套说法。它强调编码代理指数 48%，与领先的开放权重模型接近，每任务 token 比 GLM-5.3 少 47%；Terminal-Bench 4.0 也从预览版的 28% 升到 41%。 它不再争总分第一，而是争干完同一个活谁更便宜。知乎微博
这套打法的底层，还有一处更少被提及的趋同：Large 4 的注意力部分直接用了 DeepSeek 的 MLA 加稀疏注意力 indexer，自己只加了跨层共享 KV 和 NoPE 层。 换句话说，欧洲旗舰开源模型的注意力骨架，用的是中国团队先走通的那条路。知乎
对普通开发者，第一道门槛不是分数，是硬件。权重仓库约 1.06TB；SGLang 已验证的部署组合是 FP8 8 张 B300，或 NVFP4 4 张 GB300。 按目前的配方，一台 8 卡服务器是团队的起点，不是个人的起点。“开放权重”在这里更像一种企业部署格式，不是免费本地模型。知乎
第二道门槛是许可，而许可不是“随便用”。它是修改版 MIT，下载、自部署、微调、内部使用和不少嵌入具体功能的商业产品都可以；但如果经营模型即服务，要另签许可，也不等同于 OSI 定义的开源。 做个产品通常够用；想转卖 API，这条就是红线。微博
第三道门槛是账单的算法。官方 API 每百万 token 输入 0.70 美元、输出 2.10 美元；按每任务成本算，Large 4 是 2.06 美元，GLM-5.3 是 5.00 美元。 成本数字是官方口径，第三方还没全部复现。但它指出的方向很清楚：长任务里，少 47% 的 token 比多 6 分更能决定账单。只做短问答，26 分和 32 分的差距可能比价格更显眼；跑几小时的编码 Agent，token 效率才是主变量。知乎
那普通开发者到底受什么影响？对多数在国内做应用的开发者，今天最直接的变化接近于零：Mistral 不是默认选项，1TB 权重也装不进你的机器。会传过来的，是两件更慢的事。一是价格竞争多了一个参照系；二是选型方法要改——别只看榜单，拿自己的任务跑一遍，把重试、上下文和人工修正都算进去。
如果你做的是面向欧洲企业的产品，Large 4 值得放进候选：它是少有的、能在欧洲境内完成训练和部署的开放权重模型，采购和合规上更好讲故事。 但欧洲公司自己也不一定买账：德国搜索引擎 Ecosia 转用中国模型后，成本减半、效果更好。36氪微博
所以，这条新闻的重点不是“欧洲超过中国”，而是“欧洲开始用中国开源模型的打法比赛”：开放权重、按任务成本、拼后训练。对普通开发者，这意味着选择更多、价格更低，但“开放”不等于“你能用”。下一次看到万亿参数开源，先问三个问题：我的硬件跑得动吗，许可证允许我这么卖吗，它在我的任务上真的更便宜吗。
