差1分，少一半token：Mistral Large 4在开源编程榜排第二

10月31日，Mistral把Mistral-Large-4-1T-A52B的权重放上了HuggingFace。聊天入口也开着，地址在文末。编码代理是能读仓库、跑终端、改代码的AI工具。这条消息有两个数字更值得看：编码代理指数48，平均每任务总token 8.5M。

先看排名。Artificial Analysis的Coding Agent Index v2.0把FrontierCode v1.1、Terminal-Bench 4.0和SWE-Atlas-QnA-AA放在一起算分。Mistral Large 4在Mistral Vibe里跑出48分，开源权重模型里排第二。前面是OpenCode里的GLM-5.3，49分；后面是DeepSeek Harness里的DeepSeek V4.1 Flash 1017，46分。总榜第一仍是Claude Code，62分。Mistral这个成绩在总榜第六，开源第二。

差距只有1分，token用量却差了一截。Artificial Analysis给的数据是，Mistral Large 4每任务约8.5M总token，GLM-5.3约15.9M，DeepSeek V4.1 Flash约16.7M。换算一下，Mistral大约是对手的一半。编码代理做长任务时，token就是账单，也是延迟。分数接近时，这个差异比多1分更有意思。

但别把指数当全部。Coding Agent Index测的是编码代理任务，分数受harness、提示、工具链影响。Mistral Large 4在Mistral Vibe里跑，GLM-5.3在OpenCode里跑，DeepSeek在自家Harness里跑。榜单尽量控制变量，真实项目里变量更多。九项评测图也能看出，不同模型在不同维度互有高低。选型时，先看你的任务像哪一项，再看token账单。

名字里的1T-A52B也值得说一句。按常见命名理解，这是总参数1T、激活52B的MoE模型，具体以模型卡为准。总参数大，激活参数相对小，推理时不是每个参数都干活。可这不等于能塞进小机器。1T总参数的部署门槛摆在那里，量化、显存、吞吐都要算。对普通用户，最省事的是去chat.mistral.ai直接试。对开发者，HuggingFace权重页更适合看模型卡、许可和推理要求。

有人在回复里调侃 Fat model smell。这个吐槽不算冤。模型越大，工程负担越重。Mistral这次给出的反常识点是，大模型不一定在token上更贵。它用接近的分数和更少的token，把开源编程榜的竞争拉到了效率这一栏。

Red Router的评论很直接：GLM-5.3还以1分优势守着开源第一。这个差距很小，下一次评测就可能变。真要选，别只看排名。拿你的仓库、你的终端任务、你的预算跑一轮。权重在这里：https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B 。试用入口在这里：https://chat.mistral.ai/chat 。反馈也给Mistral留一条。榜单详情在Artificial Analysis：https://artificialanalysis.ai/models/mistral-large-4 。