10 月尾 AI 模型市場有個唔算大鑼大鼓、但好重要嘅轉折：法國公司 Mistral 終於喺 10 月 29 日 喺 Hugging Face 放咗佢「Le Chonk」——正式名 Mistral Large 4——嘅模型權重。三星期前（10 月 6 日）呢個模型仲只係得個 preview API，如今開發者終於可以自己下載、自己部署、自己改。 但同一個星期，獨立測試機構 Artificial Analysis 換咗全新嘅尺（Intelligence Index v5），結果揭開一個有啲殘酷嘅真相：開源權重模型同頂級閉源模型嘅差距，正喺拉開。而 Mistral Large 4 自己，就係最直接嘅案例——喺編程 agent 榜單上冲到開源前列，喺綜合智識榜單上卻只排第 9。 一、終於開源：1.05 萬億參數，每個 token 只啟用 520 億 Mistral Large 4 係一個 Mixture-of-Experts（MoE） 架構嘅多模態模型，總參數約 1.05 萬億（Artificial Analysis 記錄為 1.1T），每個 token 推理時只啟用 520 億 參數。上下文窗口 100 萬 token，輸入支援文字同圖像，輸出文字同程式碼。Mistral 官方文件列明嘅授權係 Mistral Ecosystem Open-Weight License——可以商用，但有額外限制。 三個星期嘅額外強化學習（reinforcement learning）之後，Mistral 加咗 low 同 medium 兩個新推理檔，並且將 high 檔嘅效率提升 50%。呢啲唔係紙上功夫：Mistral 話首批測試者主要係政府同企業，部分已經用嚟做自動化滲透測試——即係俾專人 agent 自動探自己公司嘅應用系統、搵漏洞同寫報告。 訓練成本亦值得留意。ML4 係喺歐洲（Mistral 自有數據中心）用 3,800 塊 Nvidia Grace Blackwell GPU 訓練，強化學習階段喺法國用大約 10 兆瓦（MW） 電力。行政總裁 Arthur Mensch 講得好直白：「其他實驗室用幾千億美元去開發同等能力；Mistral 三年只係集資大約 60 億美元。」 另外，Mistral 同步推出量化版本，官方表示可以喺 4 張 Nvidia B200 或 B300 上跑；官方亦透露未來幾個月會出細啲嘅蒸餾版本，包括一部可以喺手提電腦運行嘅，但冇畀死日期。 二、編程分數三星期跳升 13 個百分點 最易睇到嘅進步喺編程。喺測試 agent 喺終端機搞掂真實任務嘅 Terminal-Bench 4.0，Mistral Large 4 由 preview 時期嘅 28% 升到開源版本嘅 41%，一個幾星期內升 13 個百分點，剛好壓過 GLM-5.3 嘅 40%，亦遠超 DeepSeek V4.1 Flash 嘅 31% 同 Kimi K3 嘅 21%。 成本效率更加突出：喺 Artificial Analysis 嘅 Coding Agent Index，Mistral Large 4 同 GLM-5.3 表現相若，但平均每個任務慳 47% token。做 coding agent 常常一跑就係幾個鐘，token 慳一半，長期成本差距會愈滾愈大。 三、網絡安全都係強項：CyberGym-E2E 拿 79% 喺 CyberGym-E2E（測試模型能否喺開源 C／C++ 專案搵出、重現並修補真實記憶體安全漏洞），Mistral Large 4 攞 79%，同小米 MiMo-V2.6-Pro 打成平手，擊敗 DeepSeek V4.1 Flash 嘅 76% 同 GLM-5.3 Flash 嘅 74%。 Mistral 高級科學副總裁 Pierre Stock 對開源嘅理由講得好直接：「AI 會好似電力咁」，冇公司應該依賴一個「朝一日話你知就cut斷你使用權」嘅供應商。佢又話，_weights_ 一旦上網就收唔返， rivals 則批評開源模型風險更高——特別係喺被改造成攻擊向量呢方面。 四、但喺全新榜單上，開源組別跌到第 9 就在 Mistral 開源權重嘅同一個禮拜，Artificial Analysis 喺 10 月 27 日 全面重啟 Intelligence Index（v5）。按 AA 官方數據，Mistral Large 4（high 檔）喺新榜單攞 26 分，喺同一比較組別（>150B 參數嘅 open weights 模型）排 第 9。速度算快：輸出 161.3 token/秒、首 token 延遲 1.42 秒，遠高於同類模型中位數（73.9 token/秒）；API 價錢每百萬 token 輸入 0.70 美元、輸出 2.10 美元，平均每個 Intelligence Index 任務成本 2.06 美元。 但要理解呢個 26 分代表咩，就一定要睇新榜單嘅結構。 五、新尺點計？60% 試題變成私有，開源差距由 3 分變 12 分 v5 係 v4（今年 1 月推出）以來最大改版，加入 FrontierCode 2.0（Cognition 嘅私有 coding 榜單，132 個真實開源倉庫任務，睇維護者會唔會合併個 PR）同 Terminal-Bench-Science（70 個終端環境科學研究任務），升級 HLE-Diamond、AA-Omniscience v1.1、CritPt v2，並移除 GDPval-AA v2.1、SciCode、AA-LCR v1.1。最關鍵嘅一句係：有 60% 嘅 Index 權重改用私有測試集或保留答案，目的就係防止數據污染。 換榜單之後，頭五名全部係 Anthropic 同 OpenAI：Claude Opus 5.5（max）以 58 分領先，GPT-6 Astra 57、GPT-6.1 Sol 55，Claude Sonnet 5.5 同 Muse Wonder Full 都係 56。Google 嘅 Gemini 4 Argon（high）排第 6，50 分。而開源權重組別：Kimi K3.1 Pro 以 46 分跑出嚟做「開源第一」——但佢啲權重要到 11 月 4 日先公開；真正已經可以下載嘅開源模型，最高分係 DeepSeek V4.1 Flash 1017 同 GLM-5.3，都係 32 分，仲要低過閉源嘅 Claude Haiku 5.5（36 分）。 換句話講，官方公布嘅「開源差距 12 分」，實際上係攞一個仲未派貨嘅模型去比。若果同今日真係下載得到嘅模型比，差距其實係 27 分（59 分對 32 分）。呢個都係點解「Mistral 開源咗」同「Mistral 開源咗但排第 9」可以同時成立——佢既係開源組別嘅實際領先者（Mistral Large 4 嘅 26 分本身高於同類中位數 23），但同最頂尖嘅閉源模型仍然差一大截。 另外幾個新榜單揭示嘅趨勢亦值得記低： 推理檔位影響大增：Claude Opus 5.5 由 low 檔 35 分升到 max 檔 58 分，成本由每任務 0.98 美元升到 10.04 美元（10 倍）。Claude Sonnet 5.5 嘅 low-to-max 差距由 20 分拉闊到 29 分。 Agent 測試燒 token：Terminal-Bench-Science、Terminal-Bench 4.0、AA-Briefcase、FrontierCode 2.0 佔 Index 權重 55%，但佔輸出 token 嘅中位數約 90%；Terminal-Bench-Science 一項就佔約三分之一。v5 每個任務輸出 token 中位數由 35k 升至 59k（升三分之二）。 成本差距超 13 倍：頭十名入面，GPT-6.1 Terra（max）最平，每任務 0.96 美元；Claude Fable 5.1（max）最貴，13.04 美元。Gemini 4 Carbon 每任務 7.76 美元，比 Claude Opus 5.5 平約 23%，但比 GPT-6 Astra 貴約 1.2 倍。 六、香港角度：自托管返潮，同 PCPD 嘅 agentic AI 指引夾埋睇 對香港開發者同中小企嚟講，Mistral 開源嘅實際意義唔止於「可以試下」。開源權重意味住可以喺自己環境跑，數據唔出門，無需按 token 付費亦唔怕供應商改價或斷線——呢啲正正係香港中小企一直面對嘅現實考慮。 不過要小心：Mistral 自己都有講明，佢哋嘅 1.05 萬億 級模型唔係一部手提電腦跑得到（官方目標係一部 laptop 版本，仲未有日期），4 張 B200／B300 先係真實門檻。本地部署嘅實際選項仍然係細啲嘅 open-weight 模型，或者用量夠大嘅情況下先值得自建推理集群。 香港嘅算力底子亦都有進步。科技創新工業局常任秘書長蔡傑銘喺 10 月 8 日 嘅施政藍圖演講透露，全港總算力已達 5,000 PFLOPS，其中 3,000 PFLOPS 來自數碼港 AI 超算中心；政府 2024 年推出嘅 30 億港元「AI 資助計劃」已支持近 40 個研發項目（包括本地大型語言模型），今年《施政報告》再注資 10 億港元支持研發院前沿研究；北部都會區嘅 Sandy Ridge 數據設施群落第一期明年運作，到 2032 年預計提供 180,000 PFLOPS，即現時全港 36 倍。科技園同商湯亦宣布合作興建香港最大國產化 AI 數據中心，目標 2030 年達 40,000P+ 算力。 法規方面更加要留意。私隱專員公署（PCPD）喺 2026 年 8 月 25 日 發布《保護個人資料私隱：使用代理式人工智能》(Protecting Personal Data Privacy in the Use of Agentic AI) 指引，係 2024 年《人工智能：個人資料保護範架》的補充文件，由數字政策辦公室同香港應用科技研究院支持。指引提出 9 項建議，幾項同今個月模型走向直接撞門： 採用最新官方版本、小心安裝插件同 skills、只授予完成任務所需嘅最小權限、採用大型語言模型護欄、建立可追溯同可審核機制； 用 chain of thought、檢索增強生成（RAG）、情境式微調同人手覆核 去減少幻覺同不準確個人資料——PCPD 呢份指引同 Mistral 強調嘅「加低／中推理檔」同「Mistral Vibe 插件」其實係同一個問題嘅兩面； 為對話紀錄、cache 同長期記憶設最長保留期，並及時刪除個人資料； 清楚界定 AI 代理可以接觸嘅資料範圍（ring-fencing）。 PCPD 亦強調：AI 代理唔係法律人格，用資料嘅機構（data user）仍然要為符合《個人資料（私隱）條例》六項保障資料原則負責。呢點喺香港部署自托管 agent 嘅公司尤其重要——模型放自己機房唔代表責任轉移咗。PCPD 同數字政策辦公室推動嘅「保障個人資料人工智能沙盒」（首階段 6 個月，聚焦學校）申請期至 2026 年 10 月 30 日，有興趣嘅學校已經要趕尾班車。 順帶一提，香港本身喺開源大模型呢條線都有得講：數碼培育企業 Z.ai（智譜） 於 2026 年 1 月 8 日喺港交所上市，被譽為「全球首個大模型股」，而佢哋嘅 GLM-5.3 正好係新榜單上已派貨開源組別並列第一（32 分）。 七、展望：開源仲要追幾多？ 短線睇，Mistral Large 4 權重落地係 10 月最實在嘅一件事：Terminal-Bench 4.0 由 28% 升到 41%、CyberGym-E2E 79%、Coding Agent Index 慳 47% token——呢啲係開發者今日就可以驗證嘅數字。Mistral 亦表明 ML4 會成為「下一代專門化同最佳化模型」嘅底座，並會陸續推出細啲嘅蒸餾版本。 但更值得留意嘅係榜單本身嘅結構性轉變：60% 私有測試集意味住 「廠商自己報嘅 benchmark 分數」愈來愈難直接比較，而「開源 vs 閉源」呢個問法本身可能已經過時——Kimi K3.1 Pro 用一個仲未派貨嘅模型跑出 46 分，令差距睇落收窄，但同一個禮拜真正派咗貨嘅 DeepSeek 同 GLM 只得 32 分。 所以睇 10 月尾呢場 AI 模型競賽，關鍵唔再係邊個榜單第一，而係三條線同時發生：最頂尖嘅閉源模型繼續拉開能力差距（Carbon 59、Opus 5.5 58）、中間檔成本急跌（GPT-6.1 Terra 每任務 0.96 美元）、而開源組別就靠「自己部署、唔畀人閘你」嘅市場價值企穩——Mistral Large 4 就係呢條線上目前最認真的玩家。 📌 延伸閱讀：Mistral 官方公告、TW 報道、Artificial Analysis 榜單公告、Kimi K3.1 Pro 評測、PCPD 指引、香港政府新聞公報。 （本文為 AI 輔助整理，資料來源截至 2026-10-31。） 資料來源： Mistral AI：Introducing Mistral Large 4（10 月 6 日） The Next Web：Mistral releases open weights for its 1 trillion-parameter Large 4 model（10 月 29 日） Mistral Docs：Mistral Large 4 模型規格 Hugging Face：mistralai/Mistral-Large-4-1T-A52B 模型權重 Artificial Analysis：Announcing Artificial Analysis Intelligence Index v5（10 月 27 日） Artificial Analysis：Gemini 4 Carbon is the new #1 on the Intelligence Index v5 Artificial Analysis：Mistral Large 4 效能與定價數據頁 Artificial Analysis：Kimi K3.1 Pro launches at 4th on the Intelligence Index AI Model & Benchmark Watch（10 月 30 日）：開源差距 27 分之謎 ActuIA：Mistral Large 4 drops from 38 to 25 on new Artificial Analysis index 私隱專員公署：發布《保護個人資料私隱：使用代理式人工智能》指引（2026 年 8 月 25 日） PCPD：Protecting Personal Data Privacy in the Use of Agentic AI（PDF） 香港政府新聞公報：科技創新工業局常任秘書長施政藍圖演講（10 月 8 日） 數碼港：2026 年里程碑（Z.ai 上市、AI 超算中心） 香港科技園：與商湯共建香港最大國產化 AI 數據中心 封面圖片：TSUBAME 4.0 超算機房（Fukumoto，Wikimedia Commons，CC BY-SA 4.0） 文章導覽 Claude AI agent 自主揀藥揀腦區 親手為癲癇老鼠做腦部基因治療手術 Gemini 4 Carbon 極速登頂 AA Index 59 分 網安三分尺全破紀錄 OpenAI Model Spec 改用五大價值觀