这期应粉丝要求测评 Mistral 最新的 Mistral Large 4 模型。看网上各种 benchmarks，据说非常能打，那在我们这套祖传测试用例中表现如何呢？我们继续在 Pi 中接入，另外查了一下，它的思考模式最高只能去到 high。

第一题是强约束指令遵循句子生成测试——要求十个句子的结尾依次是 1 到 10，来看通顺度。认真看下来，第一、三、五、六、七、八、九句都不通顺，都是为了凑数字结尾，硬把句尾的单位去掉的；其实第十句也不大顺，感觉还是要加个「颗」字才好，大家觉得呢？

第二题是鹈鹕土星环骑自行车 SVG 测试，这个效果不行。第一，转弯肯定是不行的，都倒过来了；第二，到了上方的时候图形并没有挡住鹈鹕，让人感觉土星环没有环绕土星，也就是土星在土星环之外；第三，鹈鹕的翅膀在中间，那它是怎么凭空多出一只手来扶着车把的；第四，鹈鹕的脚没有踩到脚踏上。

第三题是复合弓射箭 SVG 测试。第一，箭头是反的；第二，人手一直像僵尸一样直直的，拉弓时也没见弯曲；第三，弓箭没有射中靶心。

第四题是实现一个精美的浏览器操作系统。这一个实现花了相当长的时间，估计快两个小时，原因有三个：一是慢；二是这模型太能思考，反复思考到 Max tokens 爆了还没有思考完；三是它一直尝试把所有代码写进单个 HTML 文件里，内容太多导致直接超时，太考验我耐心了。打开看一下，默认桌面背景白茫茫一片，也太土了点；右上角弹窗 UI 一般，而且日历高亮部分是个椭圆，难看。再看 Dock 栏应用：计算器的按钮也是椭圆形；终端按提示输入 help，什么命令都没有打印出来。压轴的太空射击游戏——空格键能正常射击，左右键只会轻微挪一下位置，上下键就更加不工作了，整个 UI 也不好看。

第五题是实现一个 3D 赛车游戏。玩一下——我的天呀，我是谁、我在哪、我要去往何处？障碍物不知所位，赛车是隐形的。

第六题是无第三方库实现一个高颜值的 Trello 看板。这个 UI 和原生的 Trello 看板比较接近，看下功能：待办卡片添加后没有办法点击进行编辑；列表拖动的位置也有点尴尬，经常想拖动却变成了编辑模式。

整个测评下来，感觉这个模型还是很一般，和老美以及我国的模型还是有一定的差距。另外提醒大家用的时候注意一点：它很喜欢把所有代码写到一个文件里面，最好明确叫它分开多个代码文件，不然很容易爆。它的得分我还没有算，晚点会更新到博客，到时自己去看吧。大家对这个模型怎么看呢？