逼近 GPT-4 的新模型发布！「欧洲版 OpenAI」联手微软，却被质疑违背初心
内容提要
欧洲版OpenAI与微软合作发布了新的文本生成模型Mistral Large，具备顶级推理能力，支持多语言推理任务。Mistral Large在多项基准测试中表现优异，仅次于GPT-4。Mistral AI还发布了延迟和成本优化的新模型Mistral Small。微软与Mistral AI建立合作伙伴关系，承诺在超算基础结构、扩展市场和AI研发领域合作。但Mistral AI的新模型不支持开源，引发关注。
延伸解读
性能与局限：中文任务表现不佳
Mistral Large 在多语言基准测试中表现优异，但实际体验显示其中文能力有限。例如，面对中文脑筋急转弯和鸡兔同笼问题，模型未能给出正确答案，而英文任务则处理得更好。这表明模型对中文语境和语言复杂性的理解仍有不足，用户在选择时需注意其语言偏向。
成本考量：Mistral Small 的性价比
Mistral Small 虽在延迟上有所优化，但成本显著增加：输入成本是 Mixtral 8x7B 的 2.8 倍，输出成本高达 8.5 倍。对于需要低成本推理的场景，用户需权衡性能提升与成本支出，避免因追求低延迟而承担过高费用。
开源争议：承诺与商业化的平衡
Mistral AI 以开源模型起家，但新模型 Mistral Large 不再开源，官网开源承诺内容也已消失，引发社区质疑。CEO 回应称并未违背初衷，而是采取商业化与开源并行的双重策略。这一转变反映了 AI 公司在商业压力下对开源模式的重新思考。
微软合作：机遇与垄断担忧
微软与 Mistral AI 达成合作，将在超算、市场扩展和研发领域提供支持，Mistral 模型也登陆 Azure。但此举引发网友质疑，认为微软可能借此垄断市场，马斯克也以表情包表示赞同。合作虽为 Mistral 带来资源，但也可能影响其独立性。
Q&A
Mistral Large 是什么？它有哪些主要特点？
Mistral Large 是 Mistral AI 发布的最新顶级文本生成模型，具备顶级推理能力，可用于复杂多语言推理任务，涵盖文本理解、转换和代码生成。主要特点包括：32K 上下文窗口，能精准提取大型文档信息；精确的指令跟随能力，便于开发者定制审核策略；支持函数调用和输出模式限制；原生支持英语、法语、西班牙语、德语和意大利语。
Mistral Large 在基准测试中的表现如何？
Mistral Large 在多项基准测试中表现优异，成为全球排名第二的可通过 API 广泛使用的模型，仅次于 GPT-4，并将其他主流模型甩在身后。在 MMLU、Hellas、WinoG 等常识和推理基准测试中，紧随 GPT-4 之后，远超其他模型。在法语、德语、西班牙语和意大利语的 HellaSwag、Arc Challenge 和 MMLU 基准测试中，表现明显优于 LLaMA 2 70B。在编码和数学任务中也同样出色。
Mistral AI 与微软的合作包括哪些方面？
微软与 Mistral AI 建立合作伙伴关系，合作集中在三个关键领域：超算基础结构：微软通过 Azure AI 超算基础结构支持 Mistral AI，用于 AI 训练和推理工作负载；扩展市场：通过 Azure AI Studio 中的 MaaS 和 Azure 机器学习模型目录，向客户提供 Mistral AI 的高级模型；AI 研发：探索合作，为指定客户开发专有模型，甚至包括欧洲公共部门的工作负载。
Mistral AI 的新模型是否开源？为什么引发质疑？
Mistral AI 的新模型不支持开源。其官方网站上关于对开源社区承诺的相关内容已经悄然消失，因此引发网友质疑，认为 Mistral AI 违背了开源初心。但 Mistral CEO Mensch 表示，Mistral AI 并未违背开源的初衷，而是采用同时推进商业化战略和维持开源承诺的双重策略。
Mistral AI 是一家怎样的公司？
Mistral AI 成立于去年 5 月份，公司员工仅 25 人，但其大语言模型早已在 Hugging Face 上名声大噪。其成功秘诀在于融合了 AI 领域的三大核心要素——人才、数据、算力。创始人和技术骨干均来自法国精英技术学院，并在 Google 和 Meta 等科技巨头的研究实验室积累了宝贵经验。目前估值已超过 20 亿美元，获得多家顶尖投资公司青睐，成为 AI 独角兽。
Mistral Small 模型有什么特点？
Mistral Small 是 Mistral AI 发布的针对延迟和成本优化的新模型，性能超越 Mixtral 8x7B，但延迟更低。在 Mistral AI 看来，Mistral Small 是介于开源模型和旗舰模型之间的理想中间选择，享有与 Mistral Large 相同的创新优势，尤其是在 RAG（检索增强生成）启用和函数调用方面。不过，其宣称的低延迟特性与 Mixtral 8x7B 相比提升有限，但成本显著增加，输入成本高出 2.8 倍，输出成本高达 8.5 倍。
