Mistral gibt die Gewichte seines Flaggschiffs frei. Eine Billion Parameter, 50 Milliarden davon pro Antwort aktiv, und eine Lizenz, die genau eine Lücke offen lässt.
Was am 29. Oktober auf Hugging Face landete
Am 29. Oktober hat Mistral AI die Gewichte von Mistral Large 4 veröffentlicht. Das Unternehmen aus Paris hatte das Modell bereits am 6. Oktober als öffentliche Vorschau in die eigenen Dienste gestellt. Neu ist also nicht das Modell, neu ist der Umstand, dass man es herunterladen und selbst betreiben darf. Intern lief es unter dem Codenamen „Le Chonk“, dem Netzjargon für einen wohlgenährten Kater.
Für Mistral ist das der größte Schritt im eigenen Open-Weight-Programm. Wer die Dateien einmal hat, braucht keine API, keinen Vertrag und keine Freigabe durch den Anbieter. Darin liegt die Nachricht des Tages, nicht in dem einen oder anderen Benchmarkwert.
Eine Billion Parameter, 50 Milliarden davon aktiv
Large 4 hat eine Billion Parameter. Ein Parameter ist eine gelernte Zahl im Netz, grob vergleichbar mit einer Synapse. Würde das Modell bei jeder Antwort alle davon durchrechnen, wäre der Betrieb unbezahlbar. Deshalb setzt Mistral auf ein sparse Mixture of Experts, also ein Gemisch aus vielen Teilnetzen, von denen pro Token nur ein Bruchteil anspringt. Aktiv sind nach Herstellerangaben etwa 50 Milliarden. VentureBeat nennt 49 Milliarden, die Ankündigung zur Vorschau sprach von 52 Milliarden.
Eingaben versteht das Modell nativ in mehreren Formen, also Text und Bilder. Ausgegeben wird ausschließlich Text. Wer Bilderzeugung sucht, ist hier falsch.
Zum Vergleich die Vorgängergeneration: Large 3 hatte 675 Milliarden Parameter, davon 41 Milliarden aktiv, und lief auf 3000 H200-Karten. Large 4 braucht für dieselbe Klasse an Aufgaben deutlich mehr Rechenleistung, weil die Gesamtgröße um rund die Hälfte gewachsen ist.
Trainiert in Europa, auf Grace Blackwell
Mistral betont einen Punkt, der das Unternehmen von fast allen Wettbewerbern unterscheidet: Das Modell ist von Grund auf in eigenen Rechenzentren in Europa trainiert worden, nicht auf zugekaufter Kapazität in Übersee. Rund 4000 Nvidia-Grace-Blackwell-GPUs liefen dafür etwa zwei Monate. Das sind Angaben des Herstellers, nachprüfen lässt sich davon nichts.
Der Sprachumfang ist breit: über 160 Sprachen, darunter alle Amtssprachen der Europäischen Union. Für Behörden und mittelständische Firmen in der EU ist das ein Argument, das nichts mit Benchmarkpunkten zu tun hat. Ein Modell, das Verträge auf Griechisch und Produkttexte auf Rumänisch liest, passt besser in europäische Beschaffungsprozesse als eines, das nur Englisch kann.
Drei Denkstufen statt zwei
Statt eines Schalters für „Nachdenken“ gibt es drei Stufen. Low ist für einfache Aufgaben gedacht und ersetzt die frühere Option, die Denkschritte ganz abzuschalten. Medium deckt den Alltag ab. High ist die Voreinstellung und für die schwierigsten Fälle gedacht.
Für die Praxis heißt das: Wer Kosten sparen will, muss aktiv herunterstellen. Die Voreinstellung ist die teuerste Variante. Bei einem Agenten mit Hunderten Anfragen pro Stunde entscheidet sie zwischen einer Rechnung, die man erklären kann, und einer, die man nicht erwartet hat.
Die Programmierwerte, die Mistral selbst vorlegt
Alle Zahlen in diesem Abschnitt stammen von Mistral. Eine unabhängige Prüfung gab es am Tag der Veröffentlichung nicht.
FrontierCode 2.0 ist ein privater Test von Cognition. Er misst nicht, ob Code kompiliert, sondern ob ein Betreuer eines echten Repositoriums den Patch mergen würde. Large 4 kommt auf 19,7 Prozent, der höchste Wert, den Mistral für ein offenes Modell nennt.
Modell | FrontierCode 2.0 |
|---|---|
Mistral Large 4 | 19,7 % |
DeepSeek V4.1 Flash | 19,3 % |
GLM-5.3 | 17,8 % |
Kimi K3 | 17,3 % |
GLM-5.3 Flash | 14,2 % |
Beam 1.0 | 2,9 % |
Der Abstand zur Spitze beträgt vier Zehntel eines Prozentpunkts. Wer daraus einen Vorsprung ableitet, überdehnt die Daten. Aufschlussreicher ist der zweite Wert: Beim Terminal-Bench 4.0 stehen 41 Prozent, dreizehn Punkte mehr als in der Vorschau, und Mistral meldet 30 Prozent weniger Ausgabe-Token. Beim Coding Agent Index von Artificial Analysis sind es 48 Prozent, etwa gleichauf mit GLM-5.3, aber mit 47 Prozent weniger Token pro Aufgabe.
Der letzte Punkt zählt im Betrieb. Ein Modell, das dieselbe Arbeit mit der Hälfte der Token erledigt, halbiert die Rechnung. Ob die 47 Prozent aus einem fairen Vergleich stammen, kann nur prüfen, wer beide Modelle identisch einstellt.
Wo Large 4 verliert
Mistral hat auch einen Test veröffentlicht, der gegen das eigene Modell ausgeht. Surge Code ist eine Blindstudie: Menschen sehen zwei Antworten und wählen eine, ohne zu wissen, welches Modell welche geliefert hat.
Gegen GLM-5.3 gewinnt Large 4 in 64 Prozent der Fälle, gegen Kimi K3 in 56 Prozent, gegen DeepSeek V4.1 Flash in 78 Prozent. Gegen Claude Opus 5.5 bleiben 22 Prozent. Anders gesagt: In fast vier von fünf Vergleichen zieht das offene Modell den Kürzeren.
Es ist der Preis dafür, dass die Gewichte frei herunterladbar sind. Opus 5.5 ist geschlossen und nur über eine API erreichbar. Wer zwischen einem Modell wählt, das zu 78 Prozent verliert, und einem, das sich nicht selbst hosten lässt, entscheidet nicht nach Geschmack, sondern nach Datenschutz, Latenz und Budget.
Sicherheit: 96,6 Prozent Ablehnung
Mistral bewirbt Large 4 ausdrücklich als Modell für die Verteidigung. Der Cyber Index von Artificial Analysis liegt bei 51 Prozent. Dieser Index prüft, ob ein Modell Lücken in einer Codebasis findet, den Fund reproduziert und einen Patch schreibt, der nichts anderes kaputt macht.
Bei bösartigen Anfragen im Netzbereich lehnt das Modell nach eigenen Angaben 96,6 Prozent ab, gemessen an Prompt-Sets aus JailbreakBench, StrongREJECT und AgentHarm. Im Agenten-Sicherheitstest B3 wehrt es 97,1 Prozent der Angriffe ab, in der Vorschau waren es 93,3 Prozent. Beim Finanzbenchmark Finch stehen 73,3 Prozent, Platz zwei hinter Kimi K3 mit 77,3 Prozent, bei BrowseComp 84,5 Prozent.
Mistral schreibt selbst, im echten Verkehr verweigere das Modell Blackbox-Angriffe auf fremde Systeme, man sehe aber „noch Spielraum für Verbesserungen bei echten Angriffen“ und arbeite an den Leitplanken. Für Unternehmen mit eigenem Sicherheitsteam gibt es zusätzlich eine gesondert abgestimmte Variante für Penetrationstests, Schwachstellenanalyse und Red-Team-Arbeit. Sie wird nur nach Prüfung und mit Vertrag abgegeben und darf ausschließlich gegen Systeme laufen, die der Kunde besitzt oder für die er eine ausdrückliche Freigabe hat. Als Designpartner nennt Mistral unter anderem Orange Cyberdefense.
Offene Gewichte, aber keine offene Lizenz
Die Lizenz ist Mistrals eigene. Sie erlaubt Download, Veränderung und kommerziellen Betrieb mit einer einzigen Zusatzbedingung: Wer das Modell als Dienst für Dritte anbietet, also Model as a Service, braucht dafür eine gesonderte kommerzielle Lizenz.
Das trifft weniger Firmen, als es klingt. Wer das Modell intern für Support, Recherche oder Codegenerierung einsetzt, ist nicht betroffen. Betroffen sind Anbieter, die daraus ein Produkt für andere bauen.
Preise und Wege zum Modell
Wer nicht selbst hosten will, nutzt die Mistral-API: 0,70 Dollar je Million Eingabe-Token, 0,07 Dollar für zwischengespeicherte Eingabe, 2,10 Dollar je Million Ausgabe-Token. Selbsthoster greifen zu vLLM oder SGLang. Daneben stehen Mistral Studio, OpenRouter, gehostete Endpunkte von Nvidia und der Assistent Vibe Code bereit.
Ein technischer Bericht ist angekündigt, aber noch nicht erschienen. Bis dahin steht jede Aussage zur Architektur auf Marketingtext und Pressegesprächen. Bei einem Modell dieser Größe ist das eine auffällige Lücke, denn die Architektur entscheidet, wie viel Speicher ein eigener Betrieb braucht.
Was Sie vor dem Wechsel prüfen sollten
Drei Fragen entscheiden, ob Large 4 zu Ihnen passt. Erstens: Wie viele Ihrer Anfragen brauchen wirklich die hohe Denkstufe? Die Voreinstellung kostet Geld, und niemand stellt sie für Sie herunter. Zweitens: Wie groß ist der Anteil echter Programmierarbeit? Dort liegt der Vorteil, bei Wissensfragen und langen Texten fällt er kleiner aus. Drittens: Bieten Sie das Modell Dritten an? Dann brauchen Sie eine Lizenz, bevor Sie einen Vertrag unterschreiben.
Wer diese drei Punkte beantwortet hat, weiß mehr als jeder, der sich an der Tabelle mit den 19,7 Prozent festhält. Die Zahl sagt, wie gut das Modell Code schreibt, nichts darüber, ob es in Ihre Infrastruktur passt.
