Mistral 发布 Workflows 编排引擎：欧洲 AI 独角兽的全栈野心拆解

欧洲 AI 公司的故事，通常到发布模型就结束了。

Mistral 在 2026 年 4 月底连发了三件事：Workflows 编排引擎进入公开预览、128B 旗舰模型 Medium 3.5 开放 API、Le Chat 新增 Work 智能体模式。单看任何一件都不算颠覆性，但三件事摆在一起，你才能看清楚这家法国公司想要什么。

这不是又一轮"我们出了个更好的模型"。Mistral 在用一种不一样的方式，从模型往上一层一层地搭。

Workflows 是什么：Temporal 驱动的生产级编排引擎

2026 年 4 月 28 日，Mistral 在 Mistral Studio 里上线了 Workflows 公开预览版，面向企业自动化团队。

官方定位很清楚：用来定义、执行和监控多步骤 AI 流程的结构化系统。从简单的顺序任务，到复杂的有状态操作，从纯确定性的业务规则，到 LLM 的概率输出，都可以在同一个编排层里跑。

底层基础设施是 Temporal 的 durable execution engine。这套东西 Netflix、Stripe、Salesforce 都在用，算是分布式编排领域的事实标准。Mistral 在上面加了几层 AI 专用扩展：流式输出处理、大 payload 管理、多租户隔离、可观测性。不是自己从头造，而是站在已经经过生产验证的基础上往上加。

上线时，Workflows 就已经在运行每日数百万次的执行量。这个数字不是营销数字，是他们在内部自己用了足够长时间之后才对外开放的结果，据 VentureBeat 报道如此。

架构设计：控制面和数据面分离

这是 Workflows 最值得关注的架构决策。

编排控制面跑在 Mistral 托管的基础设施上，但执行 worker 和数据处理留在客户自己的环境里，不管是公有云、本地机房，还是混合部署都行。两个面各司其职，不强行绑在一起。

对企业来说，这意味着数据不出境，编排逻辑归 Mistral 管。合规压力大的行业，这个架构设计基本上是准入门槛，不需要客户再签一堆数据处理补充协议。ASML、法国邮政银行（La Banque Postale）、法国劳工局（France Travail）、航运集团 CMA-CGM 已经在用了。这些机构的数据合规要求，出了欧洲的公司很难满足。

开发体验：Python 写，Le Chat 触发

开发者用 Python 写 workflow，部署之后可以直接发布到 Le Chat，让组织里任何人都能触发它，不需要懂代码。典型的编排结构大概长这样：

from mistral.workflows import workflow, step

@workflow
def document_review_pipeline(document_url: str):
    # 顺序执行，每步有独立的重试策略和超时配置
    extracted = step(extract_content, document_url)
    summary = step(summarize, extracted, model="mistral-medium-3.5")
    # human-in-the-loop 作为一等公民
    approval = step(request_human_approval, summary)
    if approval.approved:
        return step(publish, summary)
    return step(archive, summary)

重试策略、链路追踪、超时设置、限流，都可以通过 decorator 和单行配置完成，不需要在业务逻辑里手写这些防御性代码。

Workflows 把 human-in-the-loop 做成了原生特性，而不是事后加的补丁。一个 workflow 可以暂停，等人审批，然后从同一个断点继续，整个等待过程不消耗计算资源。这在传统编排工具里需要自己写状态机来实现。

Mistral Medium 3.5：128B 模型的定价逻辑

Medium 3.5 在 Workflows 上线一天后发布，也就是 2026 年 4 月 29 日。

参数量 128B，上下文窗口 256K，支持可配置推理，原生多模态输入。这是 Mistral 目前开放权重里规格最高的模型。定价方面，API 输入 $1.50 每百万 tokens。

这个价格放在当前市场上是什么位置，往上比旗舰闭源模型便宜一个数量级，往下比 Mistral 自家的小模型贵。它瞄准的是"效果够用，预算可控"的企业生产场景，不是做最强，是做最合适。

跑分：SWE-Bench 77.6%，MMLU 没公布

这里需要说一个不太好看的实情。

Medium 3.5 的 MMLU、HumanEval、MATH 跑分，Mistral 目前没有公布。他们选择发布的是 SWE-Bench Verified 77.6%，编程任务上接近但没有超过 Claude Sonnet 4.6，数据来自 MarkTechPost 对 Mistral 官方发布材料的整理。

对于一家把"开放"当成核心叙事的公司，缺少主流 benchmark 数据是个明显的信息缺口。你在做技术选型时，这一点要算进去。

参考系可以用 Mistral Large 3：在 MMLU 8 语言评测上大约 85.5%，HumanEval pass@1 约 92%。那是更大的模型，但可以给你一个上限感知。

Le Chat Work 模式：把 CLI 会话传上云端

Le Chat 的 Work 模式，是这次发布里最有意思的一块，也是被报道最少的一块。

它不是"在聊天界面里用 AI 写代码"，设计逻辑更接近另一个东西：你在本地 CLI 开了一个编程会话，任务跑到一半要去开会，可以把这个会话整个"传送"到云端，让它继续跑，你回来看结果就行。Mistral 官方用 teleport 这个词，会话状态、任务进度、历史记录、待审批项，打包迁移到云端异步执行。

这个体验更接近给一个会自己干活的同事布置任务，而不是一直盯着聊天窗口等输出。

接入了哪些工具

Work 模式目前支持接入 GitHub、Jira 和 Slack，据 Open Data Science 对 Mistral 发布的报道。AI 可以在这些工具里执行操作，创建 PR、更新 Issue、发送消息，操作前会显示完整的工具调用链路，敏感操作需要用户手动批准。

这个透明度设计跟 Anthropic 在 Claude.ai 里做的 agent 交互模式思路一致，都是试图降低用户对"AI 在我的工具里乱搞"的顾虑。批准，是信任建立的过程，不是功能缺陷。

Work 模式的核心价值不是"更快"，而是"不用盯着"。任务在跑，你去开会，结果出来了有通知。这对工程师来说是一种真实的工作流变化，不是 demo。

目前 Work 模式还是预览状态，接入的工具数量有限。按 Mistral 的节奏，完整能力预计在 2026 年下半年陆续开放。

与美国编排工具横向对比：差异化在哪

LangGraph、CrewAI、Dify、n8n，你可能已经在用或者评估过其中几个。Mistral Workflows 进来，差异点在哪，值得认真对比。

最明显的差异点是两个。

第一，生产验证背书。 Workflows 上线时就带着每日百万级执行量和 ASML 这种制造业头部客户的案例。LangGraph 和 CrewAI 虽然社区更大，但企业级的生产验证是用户自己做的，风险自己承担。对于需要向 CTO 和法务汇报的团队，有案例背书和没有，评估门槛差很多。

第二，数据主权的架构设计。 这是欧洲公司面向欧洲企业的核心卖点，不是说说而已，是在架构层面做进去的。数据面在客户环境里跑，符合 GDPR 的基本要求，不需要额外的数据处理协议。这对 LangGraph、CrewAI 这些美国背景的工具来说是先天的结构性劣势。

当然，Workflows 也有劣势。目前只支持 Python，没有 TypeScript 或其他语言的 SDK。对 Mistral 模型生态有依赖，如果你的方案需要混用多家模型，灵活度不如 LangGraph。社区生态方面，比不上 LangChain 系列积累了三年的插件和教程库。还有一个务实的考虑，Workflows 公开预览才上线，API 接口可能还会变。现在重押的话，要接受未来可能有迁移成本。

Mistral 的全栈逻辑

讲到这里，可以回到最开始那个问题：Mistral 在做什么。

融资数字能说明一些事。2025 年 9 月，Mistral 官方公告完成 1.7B 欧元 C 轮融资，估值 11.7B 欧元，由 ASML、Andreessen Horowitz、Nvidia、General Catalyst 等参投。2026 年 3 月，再从七家银行拿了 8.3 亿美元债务融资，规划长期 40 亿欧元的算力投入，目标是在欧洲建 200 兆瓦的计算容量，截至 2026 年末。

这不是一家只想出模型卖 API 的公司的资本布局。

美国 AI 公司，无论 OpenAI 还是 Anthropic，基本走的是"模型即服务"路线，编排层交给 LangChain、LlamaIndex 或云厂商的托管方案。Mistral 选择自己搭控制面，把模型、编排、应用界面三层拿在一起。

这条路更重，融资烧得更多，但如果走通，护城河更难被复制。一家欧洲公司在美国 AI 巨头包围里谈差异化，靠的不是算法上的领先，靠的是"你们的数据我不碰"这件事，以及在架构层面把这个承诺兑现。

对你来说，判断取决于你的场景。如果是欧洲团队或者有欧洲客户，Workflows 值得认真评估，不光是合规，也因为生产验证已经有了。如果你已经在用 LangGraph 或 n8n，短期迁移成本不划算，可以等 Mistral 的生态再跑半年再做决策。如果是全新项目，把 Workflows 列进短名单，做一个 POC 验证一下实际的 Python API 体验，然后再决定。

写在最后

Mistral 在一周内做了三件事，每件单独看都不算颠覆，合在一起是一个完整的战略切面。Workflows 是生产层，Medium 3.5 是能力层，Le Chat Work 是应用层，三层对齐，欧洲 AI 第一次把这条从模型到应用的路讲清楚了。

能不能走通，要看接下来六到十二个月的执行，以及 MMLU 这些基础 benchmark 什么时候愿意公布。但方向已经摆在那里了。

延伸资源

• Mistral Workflows 官方公告
• VentureBeat：Mistral Workflows 技术深度报道
• Mistral Medium 3.5 评测，含 SWE-Bench 详细分析
• InfoQ：Le Chat Work 模式与远程 Agent 详情
• Mistral C 轮融资官方公告