Mistral Large 4 的 41% 跑分只在自家编码 Agent 里成立
julsimon · x · 2026-11-01
Julien Simon 读完 Mistral Large 4 的发布数据、许可证和配置文件后指出，其 Terminal-Bench 4.0 提升到 41% 的成绩有重大水分：
- 分数绑定 harness：41% 是 Artificial Analysis 在 Mistral 自家编码 agent「Vibe」中测出的。换成最小通用 agent，AA 与 Vals AI 两家独立榜单都显示相对 preview 无提升，实际只有 25-26%；
- 许可证限制：权重虽开放，但给自己员工用或集成到终端用户产品没问题；作为推理平台或咨询方给第三方提供端点，无论规模都需向 Mistral 单独购买商业许可；
- 卖的是整套栈：发布帖引导用户用 Mistral Studio/API/Forge/Vibe，41% 描述的是整套产品组合。而 Vibe 在社区影响力很小（GitHub 5,268 星 vs Opencode 223,729、Claude Code 154,130）。
结论：「你可以下载模型权重，但下载不了那个分数」——面向通用 agent 的用户应按 25-26 评估该模型。
「编程与Agent」频道最新
- Hala 推 MCP 服务:给 Claude/ChatGPT 一个网址即可生成带音视频的动态图形视频 — aziz4ai · 2026-11-01
- Hamel Husain 与 Shreya Shankar 推出 O'Reilly 新书《Evals for AI Engineers》 — HamelHusain · 2026-11-01
- 开发者重度用 Claude 做的钓鱼游戏 demo 上线 Steam — sidahuj · 2026-11-01
- 开发者开源免费版 Meta Muse 替代品:AI Agent 自带浏览器替你操作网站 — moorish-prince · 2026-11-01
- 主动式 Agent 怎么做才不烦人？关键只在不可逆动作上设审批门 — Arindam_1729 · 2026-11-01
- 纯 Rust 地理空间工具 terrio v0.6.0 发布：免装 GDAL、支持 WASM 与 AI Agent 驱动 — giswqs · 2026-11-01