Mistral 推出改进版 Le Chonk 权重，FrontierCode 2.0 取得 19.7% 得分

Mistral 正式对外发布了升级版 Le Chonk（Large 4）模型权重，经过多轮强化学习优化之后，这款模型在 FrontierCode 2.0 基准测试拿到 19.7% 的成绩，在同类型开源权重模型里位居前列。本次权重升级依托前期公测收集到的大量代码任务数据，连续开展三周专项代码强化训练，同时优化了多模态推理逻辑，不仅拉高了代码基准测试分数，还降低了每一项任务的 token 消耗量，整体推理效率大幅提升。开发者可以直接在 Hugging Face 平台下载完整权重，自主部署到本地服务器或者私有云环境，还能自由切换低、中、高三档推理模式，灵活平衡模型精度与运行成本，整套部署流程简单清晰，升级后的模型综合代码能力得到全面增强。

一、改进版 Le Chonk 权重更新核心信息

1. 模型基础参数 本次发布的 Large 4 代号 Le Chonk，整体参数量达到 1 万亿，属于原生多模态混合专家模型，单次推理仅激活 520 亿参数，兼顾性能与算力开销。
2. 核心代码基准测试成绩清单 表格 69
3. 训练优化动作 研发团队针对代码场景完成三周专项强化学习，优化代码逻辑纠错、项目补丁编写、性能优化类任务；同时精简输出文本，让单任务 token 消耗直接下降 47%，运行成本进一步降低。

二、权重获取与部署操作步骤

1. 权重下载渠道 改进版 Le Chonk 权重上传至 Hugging Face 社区，采用修改版 MIT 开源许可，个人非商用场景可以直接免费下载使用。
2. 推理模式配置 模型内置三档推理模式，可自由切换： ① Low 模式：推理速度最快，算力消耗最低，适合简单代码生成； ② Medium 模式：速度与精度均衡，满足绝大多数开发任务； ③ High 模式（默认档位）：推理精度最高，适合复杂项目开发与代码调试。
3. 本地部署要点 部署支持 SGL 推理框架，硬件可以选用多卡 GPU 集群；完成权重加载后，即可直接调用代码生成、漏洞修复、脚本编写等功能。

三、模型附加能力说明

1. 多模态能力：支持图文输入，能够根据截图、文档图片生成对应代码；
2. 网络浏览能力：BrowseComp 测试拿到 84.5% 分数，可以联网检索资料完成开发任务；
3. 安全防护：恶意请求拦截率达到 96.6%，降低代码生成环节的安全风险。

【相关 FAQ】

问题 1：Mistral 改进版 Le Chonk 权重，在 FrontierCode 2.0 基准测试拿到多少分？

回答 1：改进版 Le Chonk 权重在 FrontierCode 2.0 测试中取得 19.7% 的得分，该成绩在所有开源权重模型里排名第一，是当前开源模型里代码能力的第一梯队水准。

问题 2：升级后的 Le Chonk 模型，相比预览版本在代码任务上有哪些提升？

回答 2：新版 Le Chonk 经过三周代码专项强化学习，Terminal-Bench 4.0 分数上涨 13 个百分点至 41%；同时单任务 token 消耗减少 47%，在保持代码质量不变的前提下，大幅降低推理成本，运行效率更高。

问题 3：改进版 Le Chonk 权重可以直接下载部署吗，使用有什么许可要求？

回答 3：改进版 Le Chonk 权重已经上架 Hugging Face，采用修改版 MIT 开源许可，个人非商用场景可以直接免费下载部署；如果是对外提供 MaaS 云服务，则需要单独申请商业授权。

【数据来源】

[2026-10-30]（Mistral 发布改进版 Le Chonk 权重，FrontierCode 2.0 得分 19.7%）AI Parabellum

[2026-10-30]（Mistral Large 4 Le Chonk 开放权重，代码基准领跑开源模型）Unite.AI

[2026-10-29]（Mistral Large 4 开源权重发布，代码能力迎来大幅升级）DEV Community

[2026-10-29]（Le Chonk 模型 Terminal-Bench 与 FrontierCode 2.0 实测数据）MiraLab.inc

[2026-10-27]（FrontierCode 2.0 基准测试规则说明）Cognition 官网

免责声明：本文仅客观整理 Mistral 模型权重更新与基准测试资讯，不构成模型选型、本地部署与商业开发的决策依据；模型跑分数据为官方实测结果，实际运行效果受硬件环境、推理参数影响，权重许可条款以 Hugging Face 页面官方协议为准。