跑分
根據 Mistral AI 發表時公布的成績，Mistral Large 4 在 DeepSWE v1.1 拿到 61.7%、Cybench 93%、Harvey 法律代理基準測試 15.8%；但在獨立評測的綜合指數上排名居中：Artificial Analysis Intelligence Index 38 分（225 個模型中第 64 名）、Vals Index 48.05%（44 個模型中第 32 名）。它最明顯的領先在資安、法律代理和影像定位；綜合智力指數上，GPT-6 Astra 和 Claude Opus 5.5 的分數仍然比較高。
更新於 2026-10-07 · 作者：suifeng
資料來源：Mistral AI 官方公告與定價頁、OpenRouter 模型頁、Hugging Face 模型頁，2026 年 10 月 6 日查核。
Mistral Large 4 最強的是資安工作、法律與財務代理，以及在圖片中精準指出物件；在綜合智力指數上表現中等。不論看 Mistral 自己的圖表還是獨立排行榜，這個輪廓都一致。
在程式代理上，Large 4 贏過 DeepSeek V4 Pro 和 Qwen3.8 Max，但在部分測試輸給 GLM-5.3 和 Kimi K3。Mistral 用 Artificial Analysis 的測試框架跑這些成績，各對手則用自己偏好的代理工具（例如 Qwen3.8 Max 用 Claude Code、DeepSeek 用 Codex），所以小幅差距可視為不相上下。
Mistral 公布綜合 Coding Agent Index 為 49.8%。在 Surge AI 的程式回答盲測中，評分者給它 3.74 分（滿分 5 分），高於 Kimi K3（3.59）和 GLM-5.3（3.60），低於 Claude Opus 5（4.22）。
| 基準測試 | Mistral Large 4 | DeepSeek V4 Pro 0813 | Qwen3.8 Max | GLM-5.3 | Kimi K3 |
|---|---|---|---|---|---|
| DeepSWE v1.1 | 61.7% | 57 | 51 | 61 | 68 |
| Terminal-Bench 4.0 | 28.3% | 10 | 17 | 40 | 21 |
| SWE-Atlas-QnA | 59.4% | 66 | 62 | 59 | 62 |
| AutomationBench（657 個工作流程） | 59.9% | 56.7 | 57.2（2.4T A95B） | 62.2 | 58.3 |
| Surge AI 程式人工評分（1-5） | 3.74 | - | - | 3.60 | 3.59 |
資安是 Large 4 最突出的領域。CyberGym-E2E 要求模型先重現、再修補真實漏洞，它拿到 82%；Mistral 表示 Claude Opus 5.5 和 GPT-6 Astra 因為拒絕執行任務，分數接近零。在 Artificial Analysis Cyber Index 上它完成 50 個任務，GPT-6 Astra 是 33 個，Claude Opus 5.5 是 29 個。
它也會拒絕明顯有害的請求：在 JailbreakBench、StrongREJECT 和 AgentHarm 的平均拒絕分數是 95.3，在 Lakera 的 B3 代理安全測試中抵擋攻擊的比率是 93.3%。在權重釋出前，Mistral 會提供審核寬鬆的版本給資安領導者、經過審核的合作夥伴和政府機關做紅隊測試。
| 基準測試 | Mistral Large 4 | 最強對手 | 其他對手 |
|---|---|---|---|
| CyberGym-E2E（重現＋修補） | 82% | MiMo-V2.6-Pro 79 | Grok 4.7 74、Kimi K3 58、GLM-5.3 29 |
| Cybench（40 個 CTF 任務） | 93% | Kimi K3 90 | DeepSeek V4 Pro 0813 88、GLM-5.3 85 |
| AA Cyber Index（成功數） | 50 | GLM-5.3-Flash 50 | Kimi K3 41、GPT-6 Astra 33、Claude Opus 5.5 29 |
| 有害資安請求拒絕率（平均） | 95.3 | Kimi K3 93.7 | GLM-5.3 87、DeepSeek V4 Pro 0813 77.7 |
| B3 代理安全（Lakera） | 93.3% | GLM-5.3 93.3 | Kimi K3 88.1、DeepSeek V4 Pro 0813 85.2 |
在專業工作上，Large 4 在法律代理明顯領先，財務和科學也有競爭力。它在 Harvey 法律代理基準測試的 15.8 分，大約是 GPT-6 Astra（5.4）的三倍。Finance Agent v2 拿到 54.7，略高於 GPT-6 Astra（53.5），略低於 GLM-5.3（55.8）。
在圖片方面，它很會讀圖表、找物件。Dense200 衡量模型畫邊界框（bounding box）有多精準，Large 4 拿到 42.0，GPT-6 Astra 是 41.5、Kimi K3 是 28.9。ChartQA Pro 拿到 63.1，略低於 GPT-6 Astra（65.1）。
| 基準測試 | Mistral Large 4 | GPT-6 Astra | Kimi K3 | DeepSeek V4 Pro / V4.1 Flash |
|---|---|---|---|---|
| Harvey 法律代理基準測試 | 15.8 | 5.4 | 12.9 | 7.5（Pro） |
| Finance Agent v2 | 54.7 | 53.5 | 53.1 | 50.4（Pro） |
| Finch（FinWorkBench） | 67.4 | 57.0 | 77.3 | 67.4（Pro） |
| SciCode-Verified pass@1 | 91.8 | 94.2 | 90.3 | 91（Pro） |
| Dense200 影像定位 | 42.0 | 41.5 | 28.9 | 3.3（V4.1 Flash） |
| ChartQA Pro | 63.1 | 65.1 | 61.7 | 59.9（V4.1 Flash） |
| GDP.pdf | 18.6 | - | 22 | 12.8（V4.1 Flash） |
對這個主題還有疑問？
直接問 Mistral Large 4。免費帳號每天 15 點。
Artificial Analysis 在 Intelligence Index v4.3.2 給 Large 4 38 分，在 225 個模型中排第 64，在開放權重模型中排第 8。它領先 DeepSeek V4 Pro（36.0）和 GLM-5.2（33.7），落後 GLM-5.3（45）和 MiMo-V2.6-Pro（46）。
它速度快，但話很多。輸出速度每秒 116.1 個 token，中位數是 87；但跑完整套指數用了 200M 個輸出 token，中位數只有 81M，所以長回答會增加費用和等待時間。由於權重還沒公開，Artificial Analysis 目前把它列為專有模型。
| 指標 | Mistral Large 4 | 參考對照 |
|---|---|---|
| Intelligence Index v4.3.2 | 38（225 個中第 64 名） | Claude Opus 5.5 58、GPT-6 Astra 53、Gemini 4 Argon 53、GPT-6.1 Sol 52 |
| 開放權重排名 | 第 8 名 | DeepSeek V4 Pro 36.0、GLM-5.2 33.7 |
| 輸出速度 | 每秒 116.1 token（第 51 名） | 中位數每秒 87 token |
| 首個 token 延遲 | 1.46 秒 | - |
| 跑完整套指數的輸出 token | 200M | 中位數 81M |
| 每個指數任務的成本（原價） | $1.13 | - |
Vals AI 的 Vals Index v2.1 給 Mistral Large 4 48.05%，在 44 個模型中排第 32，和 Qwen 3.8 Max（48.27%）、DeepSeek V4 Pro 0813（47.63%）幾乎打平。這個指數的第一名是 Gemini 4 Argon（68.90%），其次是 Claude Opus 5.5（66.97%）。
它在 Vals 排名最好的是法律和財務工作；最弱的是形式化證明和解謎類的科學推理。
| Vals 基準測試 | 分數 | 排名 |
|---|---|---|
| Vals Index v2.1 | 48.05% | 44 個中第 32 名 |
| Harvey 法律代理基準測試 | 15.83% | 75 個中第 6 名 |
| BioMysteryBench | 67.04% | 24 個中第 17 名 |
| Vibe Code Bench 1-100 | 14.26% | 21 個中第 16 名 |
| Terminal-Bench 4.0 | 22.73% | 44 個中第 20 名 |
| Finance Agent v2 | 54.68% | 75 個中第 22 名 |
| Tax Agent Bench | 63.29% | 66 個中第 25 名 |
| Vibe Code Bench v1.1 | 78.40% | 109 個中第 25 名 |
| IOI | 45.28% | 41 個中第 28 名 |
| Code Migration | 30.56% | 74 個中第 38 名 |
| ProofBench v1.1 | 10.00% | 47 個中第 42 名 |
| MysteryMechanism | 12.16% | 24 個中第 24 名 |
廠商分數和獨立分數回答的是不同的問題，選模型之前，值得先了解兩者之間的落差。
跑分顯示的是平均值，真正重要的是你自己的問題。你可以在我們首頁的聊天框，把自己的程式、法律或財務問題直接丟給 Mistral Large 4；免費帳號每天 15 點。這種效能等級的 token 費用拆解在「API 價格」頁，正面對決則請看「vs DeepSeek V4」和「vs Large 3」兩篇比較。
FAQ
延伸閱讀
