开源 MoE 的防御红利：Mistral Large 4 的「复现再修补」成绩把安全工具从闭源 API 里拽出来

Hugging Face 在 2026年10月29日发布博文，宣布 Mistral Large 4（又称 Le Chonk）登陆 Hub。模型吃文本与图像、吐文本；约 1 万亿总参数、约 490 亿激活参数，上下文窗口 100 万 token，官方以 FP8 与 NVFP4 两套权重放出，另有社区 GGUF。许可是 Mistral Ecosystem Open-Weight License——MIT 衍生，但对模型即服务（MaaS）施加限制。

数字本身并不稀奇。真正改变现场分工的，是博文把网络安全写进主叙事：在 Artificial Analysis Cyber Index 的「复现开源软件真实漏洞、再打补丁」任务上，该模型得分 82%；文中称若干闭源前沿模型因拒答而接近 0。可证伪主张很窄：当防御工作依赖「复现—分析—修补」同一条证据链时，强复现再修补分数的开源权重 MoE，会把安全工具链从拒绝同类步骤的闭源 API 上挪开，因为策略与部署都回到使用者控制下。

博文把 Large 4 描述为「大专家池 + 稀疏注意力 + Pixtral 视觉编码器」的组合。文本解码器 72 层、隐层维度 6144、64 注意力头。注意力块把 Multi-head Latent Attention（MLA）与 DeepSeek Sparse Attention（DSA）索引器叠在一起：MLA 压缩 KV，DSA 每个查询最多选 2048 个历史位置。每层块按 3:1 的 RoPE/NoPE 排布，并跨层共享 KV；第一层用稠密 FFN，其余 71 层用 MoE——softmax 路由从 128 个专家里选 4 个，再加一个始终运行的共享专家，每 token 共 5 个活跃专家。视觉侧是 1.6B Pixtral（30 层、隐层 2048、16 头，14×14 patch，空间合并 2）。

这些不是营销形容词，而是可核对的稀疏化选择：专家稀疏管算力，位置稀疏管长上下文。日零支持覆盖 Transformers、vLLM、llama.cpp；Hub 上的集合页、Inference Endpoints（8×H200 配方）与 Dell Enterprise Hub 配方一并放出。模型 ID 示例为 mistralai/Mistral-Large-4-1T-A52B（及 NVFP4 变体）。

评测段落给出几组可点名的数字。截至 2026年10月29日，Large 4 在 Artificial Analysis Intelligence 指数的开源权重模型中排第五。编程代理综合 Coding Agent Index 49.8%，高于文中点名的 DeepSeek V4 Pro 0813 与 Qwen3.8 Max；单项包括 DeepSWE v1.1 61.7%、SWE-Atlas-QnA 59.4%、Terminal-Bench 4 28.3%。知识工作侧有 AutomationBench 59.9%、AA-Briefcase Elo 1393。

网络安全是主打：AA Cyber Index 上复现再修补 82%（文称该子项报告最高分之一，并跻身全球前五）；Cybench 40 道竞赛题解决率 93%；Lakera B3 提示注入抗性 93.3%。Mistral 内部测试还提到恶意软件分析、漏洞优先级与检测规则编写——博文写明这些并非专项训练目标。同时，JailbreakBench、StrongREJECT、AgentHarm 上的网络相关提示平均拒答率高于其他开源权重模型：开源并不等于「什么都答应」。

证据边界要说清。Cyber Index 的「闭源接近 0」是博文转述的对比，不是本文独立复测；内部安全用例没有公开样本与基线。许可对 MaaS 的限制会约束「谁能把权重当公共 API 卖」，但不阻止自托管防御流水线。事实置信度：架构与公开榜单数字高；「闭源因拒答而不可用于复现链」中高，取决于各 API 当日策略；外推到「所有安全团队应立刻弃用闭源」中等偏低。

钢人反驳：闭源 API 拒答是在压低被滥用的攻击面；把高能力复现漏洞模型以开源权重放出，等于把同一能力交给攻击者与防御者。博文自己也强调定位是防御，并用更高的越狱拒答率回应。但拒答率是平均指标，不等于在你的代码库、崩溃日志与恶意样本上仍保持同样边界；自托管后策略是你的，误配合同样是你的。

另一条钢人：49B 激活、1T 总量的 MoE 对中小安全团队仍重。llama.cpp 的 2-bit 量化可在单台大内存 Apple Silicon 上跑，但长上下文吞吐会掉；生产级 NVFP4/FP8 往往需要多卡与专家并行。若团队只需要「问一句怎么修」，付费闭源加人工复现可能更便宜——直到事件中途被断 API，或复现步骤被过滤器打断。

对 SOC、漏洞研究与应急响应，这篇把争论从「哪个聊天模型更聪明」换成「复现链能不能在你控制的权重上跑完」。开源权重让团队可以围绕自家代码、崩溃日志与恶意样本搭流水线，并用 TRL 等从 Large 4 的修补轨迹蒸馏更小的安全模型——复现再修补本身带可验证奖励，适合强化学习环境。对依赖单一闭源网关的供应商与集成商，这是产品压力：若防御流程在调查步骤上系统被拒，买家会把关键路径挪到可自托管的权重。

对开源社区，日零推理与微调支持降低了「只有实验室能摸到」的门槛；对监管与红队，可直接测拒答行为，而不是只信提供商说明。许可里的 MaaS 限制则提醒：开源权重不等于无摩擦的公共托管市场。

未来六个月应看三件事：独立方是否复现 AA Cyber Index 的闭源对比；有多少防御团队把复现—修补流水线迁到自托管开源权重，并在真实事件中测 API 中断与拒答；以及 Jailbreak/AgentHarm 类拒答在微调与工具调用场景下是否仍高于同级开源模型。若复现链在开源权重上稳定跑通、在闭源 API 上仍系统性断裂，则「开源 MoE 的防御红利」成立；若闭源放宽调查类工具调用、或开源权重在实网中被滥用主导叙事，主张需要改写。