AREX Feed Article
Mistral 连发三帖演示 Le Chonk 视觉定位：自称 Dense 200 达 42%、超过前沿闭源模型
法国 AI 公司 Mistral 的官方 X 账号在 10 月 12 日 16:49（UTC，北京时间 13 日凌晨）连发三条帖子，把焦点对准旗舰模型 Mistral Large 4——官方昵称 Le Chonk——的视觉定位（visual grounding）能力：按帖文说法，模型「能精确指出物体在图像中的位置」。首条帖子宣称它在 Dense 200 上拿到 42%、甚至领先于前沿闭源模型，并附上一段演示视频。
42% 是 Mistral 的自报成绩。帖文没有给出 Dense 200 的评测方法细节，也没有附第三方验证；这个数字来自该公司 10 月 6 日的。
三条帖子、两段视频：一条对准视觉定位的宣传线
首帖发布于 16:49:27（UTC），开头一句说 Le Chonk 「在视觉定位这件事上大显身手」（原文：Le Chonk cooked on visual grounding），帖尾以法语「Bon appétit」（用餐愉快）收尾。两条跟帖在 16:49:28 紧随其后：写着「工程图纸：Mistral Large 4 缩放、检视、验证——直到答案精确」，附第二段视频；给出场景：「面向工程、制造与对地观测的视觉能力」，列出的具体任务包括检查机械零件、从 PDF 中提取证据、扫描吉像素（gigapixel）卫星影像。
截至 10 月 13 日 12 时（UTC）前后，获得 2,990 个点赞、约 11.2 万次浏览和 172 次转发。
这个数字的出处：博客里点名的对手只有 GPT-6-Astra
「42% on Dense 200」不是这组帖子里的新数字。10 月 6 日的发布博客把视觉定位单独列为一节，Dense 200 与 ChartQA Pro、GDP.pdf 同列在 Grounding 基准组下。博客写明，ML4「是我们测试过的最强模型之一」，例如在 Dense 200 上以 42% 对 41% 超过 GPT-6-Astra；博客另一处则说，在视觉定位等领域，它「更进一步，超过了连前沿闭源模型在内的对手」。
「超过前沿闭源模型」的说法在博客里出现了，但被点名的对比对象只有 GPT-6-Astra 一个；Dense 200 的题目构成、评测协议和其余对手，Mistral 都还没有公布。博客承诺，权重开放时会「分享关于模型架构、更多基准和后训练方法的进一步细节」。
官方演示长什么样：从装配图纸到釜山港卫星影像
两段视频之外，发布博客还嵌入了一个 ，按场景分组放了十几个示例，每个示例展示「模型为一条提示定位到什么、正确判断图中没有什么，以及它如何对图纸和图表做推理」。技术图纸组里，「Assembly Inspection」的任务是从零件明细表中识别零件、再在剖视图中逐一追踪，示例素材就是本文开头那张「真空翻转夹爪」装配图；「Tolerance Reading」要求模型从图纸读出配合等级、套用 ISO 286 公差。工业组的「Orange Sorting Line」演示传送带上的密集计数与微小表面缺陷检测。图表与文档组则让模型先读图回答问题，再到 PDF 文本里找数字佐证。
对地观测组的「Busan Helipad」给出一整张釜山港卫星影像，任务只有一个：在左下角找到直升机停机坪。
演示组件里还有一个「Les Chats」分组，用猫和主人的居家照片展示密集自然场景下的定位；博客则写道，检视吉像素卫星影像「能帮助救灾团队在分秒必争时行动」。
博客把这类任务描述为「将视觉定位与代理（agentic）能力结合」。不过，这些演示素材全部出自 Mistral 自己。
Le Chonk 是什么：Mistral Large 4 的官方昵称
Le Chonk 这次并没有以独立模型的形式发布。博客开头的说法是：「非正式地叫 ML4，非常正式地叫 le Chonk。」它是 Mistral Large 4 的昵称；10 月 12 日的帖子里，首帖说「Le Chonk」，跟帖说「Mistral Large 4」，指的也是同一个模型。
按博客口径，Mistral Large 4 是一个 1 万亿参数、520 亿激活参数的原生多模态模型，模型卡片把它描述为支持多模态输入、混合指令与推理的 MoE（混合专家）架构，也是这家公司迄今最大、能力最强的模型。它从头训练于 Mistral 自己位于欧洲数据中心的 3,800 块 NVIDIA Grace Blackwell GPU，自 10 月 6 日起以公开预览形态可用：Mistral Studio 上的预览 API 按每百万 token 输入 1.36 美元、输出 4.18 美元收费。权重承诺本月底开放；在此之前，网络安全领域的合作方、经审核的伙伴与政府机构正以更低的审查限制和扩展的网络能力配置，在真实环境中对它做红队测试。
博客给视觉能力的定位是「为工程、制造与对地观测这些感知至关重要的行业带来视觉」。10 月 12 日的三连帖，正是这一节内容的集中展示。
第三方榜单跟进，评论区追问实际成色
外部跟进先落在代码能力上。曾为 Mistral Large 4 做过代码质量人类盲测的 Surge AI 在 10 月 12 日 18:03（UTC），把 Mistral Large 4 加进自家的 sudo L7 基准——一个测试 staff（资深）级软件工程师判断力的榜单：ML4 得分 13.3%，高于 Muse Spark 1.3（12.2%）和 Grok 4.7（10.6%）。Mistral 在 13 日 06:56（UTC）。但 Surge AI 也是博客中提到的人类评估合作方，并非无关第三方。
评论区的问题更直接。用户 Brad Watton ：「在 Dense 200 上 42%。可在灯管底下、用手机随手拍的一张油腻图纸上，它还成立吗？」有用户直问这模型「什么时候能落到我能实际测试的东西上」（），类似的问题在评论区不止一条。
在那之前——本月底权重开放之前——Dense 200 的 42% 和「超过前沿闭源模型」的说法，能查到的出处都只有 Mistral 自己。