MistralAI 开源 LE CHONK 模型 正式接入 Kilo Desktop 客户端

MistralAI 已经正式开源旗下 LE CHONK 大模型，这款万亿参数的开源权重模型，同步完成适配并上线到 Kilo Desktop 桌面软件，开发者不用再依赖云端 API 调用，直接在本地电脑就能加载运行 LE CHONK 模型，大幅降低本地代码开发、安全测试的部署门槛，给桌面端离线 AI 开发带来更强的性能支撑，兼顾大模型能力与本地数据安全。

一、LE CHONK 模型成功接入 Kilo Desktop 的核心原因

1. 模型采用开放权重发布模式 LE CHONK 以 open-weights 开放权重形式对外放出，支持开发者自行下载模型文件，能够适配本地推理框架，满足 Kilo Desktop 本地离线运行的技术要求。
2. Kilo Desktop 原生支持本地模型部署 这款桌面客户端自带本地模型服务器，支持导入 GGUF 格式模型文件，软件内置模型选择器，可直接调用本地部署的 LE CHONK，无需额外配置第三方工具。
3. 两者技术生态互相兼容 LE CHONK 主打代码开发、网络安全检测场景，Kilo Desktop 本身就是面向程序员的 AI 代码助手，应用场景高度匹配，开发团队提前完成了模型适配调试，上线后可以直接启用全部功能。

二、在 Kilo Desktop 启用 LE CHONK 模型的操作步骤

1. 前期准备清单 表格 6
2. 分步操作流程 第一步：打开 Kilo Desktop，进入设置页面，开启本地模型服务器； 第二步：在模型管理界面，导入已经下载好的 LE CHONK 模型文件； 第三步：新建对话窗口，在模型下拉菜单里选中 LE CHONK； 第四步：发送指令，启动本地推理，即可离线使用模型能力。

三、LE CHONK 在 Kilo Desktop 里的核心使用场景

1. 代码编写与调试：借助模型超强代码能力，在桌面端离线完成脚本开发、程序排错、项目代码重构；
2. 网络安全测试：利用模型的安全分析能力，开展漏洞验证、攻防脚本编写，全程数据不出本地设备；
3. 文档与数据分析：结合软件内置的 Notebook 工具，完成数据处理、代码实验，保障项目数据隐私；
4. 自定义模型微调：依托开放权重，在本地对 LE CHONK 做轻量化微调，适配自身业务开发需求。

四、稳定运行的优化设置

1. 优先选用 NVFP4 量化版本模型，把显存占用压缩到 580GB 左右，降低硬件门槛；
2. 关闭软件多余后台进程，把硬件资源优先分配给模型推理进程；
3. 开启软件经济推理模式，控制模型激活参数，平衡运行速度与硬件负载。

完成全部设置之后，就能在 Kilo Desktop 稳定运行开源 LE CHONK 模型，全程本地离线计算，兼顾强大 AI 能力与数据自主可控，满足程序员离线开发、本地安全测试的全部需求。

【相关 FAQ】

问题 1：MistralAI 开源的 LE CHONK 模型，能不能直接在 Kilo Desktop 本地运行？

回答 1：MistralAI 开源的 LE CHONK 模型可以直接在 Kilo Desktop 本地运行，该客户端自带本地模型服务，导入 LE CHONK 权重文件后，就能开启离线推理，不需要调用云端接口。

问题 2：Kilo Desktop 接入 LE CHONK 模型之后，主要可以实现哪些开发功能？

回答 2：Kilo Desktop 接入 LE CHONK 模型之后，能够实现离线代码编写、程序漏洞检测、数据分析实验、本地模型微调等功能，所有运算都在本机完成，保障开发数据安全。

问题 3：在 Kilo Desktop 部署 LE CHONK 模型，需要准备哪些硬件条件？

回答 3：在 Kilo Desktop 部署 LE CHONK 模型，需要配备大容量显存显卡，优先选择 NVFP4 量化权重文件，把显存占用控制在 580GB 上下，同时开启本地模型服务，保证推理流畅运行。

【数据来源】

[2026-10-30]（MistralAI 开源 LE CHONK 模型，已上线 Kilo Desktop）InfoQ

[2026-10-29]（Mistral Le Chonk Release: Deep Dive & Open Weights Analysis）Kie AI

[2026-10-29]（Mistral Releases Open Weights for Its 1-Trillion-Parameter Large 4 "Le Chonk"）DEV Community

[2026-10-06]（Introducing Kilo Desktop）Kilo Code Blog

免责声明：本文内容均来自公开网络资讯，LE CHONK 模型的实际运行效果会受硬件配置、模型量化版本、软件版本、本地系统环境等多种因素影响，仅作技术参考，不代表实际部署效果承诺。