Mistral Large 4: Open-Weight-Modell mit einer Billion Parametern

Mistral hat eine öffentliche Vorschau auf Mistral Large 4 gestartet. Das Modell ist das bislang größte System des französischen KI-Unternehmens und soll den Markt für leistungsfähige Open-Weight-Modelle erweitern. Die Gewichte will Mistral noch in diesem Monat veröffentlichen. Unternehmen könnten das Modell dann selbst betreiben und anpassen.

Mistral Large 4, kurz ML4 und intern auch „Le Chonk“ genannt, ist ein multimodales KI-Modell. Es verarbeitet Texte und Bilder. Es soll unter anderem beim Programmieren, bei agentischen Abläufen, der Dokumentenanalyse, wissenschaftlichen Aufgaben und der Büroarbeit helfen. Laut Mistral besitzt das Modell insgesamt 1,05 Billionen Parameter. Durch seine Mixture-of-Experts-Architektur werden pro Aufgabe jedoch nur 49 Milliarden Parameter aktiv eingesetzt. Das Kontextfenster umfasst laut Dokumentation bis zu eine Million Tokens.

Die Ankündigung ist vor allem wegen des Open-Weight-Ansatzes relevant. Die leistungsstärksten KI-Modelle werden oft ausschließlich über die Plattformen ihrer Anbieter bereitgestellt. Bei offenen Modellgewichten können Unternehmen das System selbst prüfen, weiterentwickeln und in einer privaten Cloud oder im eigenen Rechenzentrum einsetzen. Das ist besonders für Organisationen mit hohen Anforderungen an Datenschutz, Regulierung und Betriebssicherheit interessant.

Eigenständiger Betrieb als Kernargument

Nach Angaben von Mistral wurde ML4 von Grund auf in europäischen Rechenzentren trainiert. Dabei kamen 3.800 Grace-Blackwell-GPUs von Nvidia zum Einsatz. Mistral positioniert das Modell als Angebot für Kunden, die den Einsatzort und die Richtlinien ihrer KI selbst bestimmen wollen. Eine europäische Bereitstellung soll laut Unternehmen unter europäischem Recht und unabhängig von anderen Digitaldienstleistern betrieben werden.

Besonders stark betont Mistral den Einsatz in der Cybersicherheit. Das Unternehmen argumentiert, dass Sicherheitsvorgaben geschlossener Modelle berechtigte Aufgaben behindern können. Dazu zählen die Prüfung von Schwachstellen, die Untersuchung von Schadsoftware und die Reaktion auf Sicherheitsvorfälle. Unternehmen könnten ML4 nach eigenen Richtlinien betreiben, so Mistral.

Auf dem Artificial Analysis Cyber Index zählt ML4 laut Mistral zu den fünf stärksten Modellen weltweit. Bei einem Test zum Nachstellen und Beheben einer bekannten Sicherheitslücke erreiche das Modell 82 Prozent. Beim Übungsset Cybench liege der Wert bei 93 Prozent. Diese Angaben stammen vom Hersteller. Eine unabhängige Überprüfung wird erst möglich sein, wenn die Gewichte verfügbar sind.

Die offene Verfügbarkeit bedeutet allerdings nicht, dass sich das Modell auf einem normalen Rechner betreiben lässt. Sabrina Ortiz schreibt für The Deep View, dass ein Modell dieser Größe für Desktop-PCs und Laptops ungeeignet ist und auch für viele Hochschulen schwer selbst zu hosten sein dürfte. Mistral bietet die Vorschau deshalb über eine API an und richtet sich mit dem Modell vor allem an große Unternehmen mit privater Cloud oder eigener Infrastruktur.

Programmierung, Arbeitsabläufe und Bildverständnis

Mistral meldet auch starke Ergebnisse bei agentischem Programmieren. Dabei nutzen KI-Systeme Werkzeuge wie Terminals und Code-Repositorien, um mehrstufige Aufgaben zu erledigen. Für DeepSWE v1.1 nennt das Unternehmen 61,7 Prozent, für Terminal-Bench 4 28,3 Prozent. In einer blinden Bewertung durch professionelle Prüfer habe die Vorschauversion den zweiten Platz unter fünf Modellen erreicht, hinter Claude Opus 5.

Bei allgemeinen Arbeitsabläufen verweist Mistral auf AutomationBench. Der Test prüft Aufgaben in Anwendungen wie Gmail, Google Sheets, Slack und Salesforce. ML4 erreiche dort 59,9 Prozent. Zudem soll das Modell komplexe Tabellen, Präsentationen, PDFs sowie juristische und finanzielle Analysen besser bearbeiten können.

Auch das Bildverständnis soll deutlich verbessert worden sein. Mistral nennt technische Zeichnungen, PDF-Dokumente und hochauflösende Satellitenbilder als Beispiele. Beim Benchmark Dense 200 habe ML4 GPT-6 Astra beim visuellen Verorten von Objekten knapp übertroffen.

Die API-Vorschau unterstützt strukturierte Ausgaben, Function Calling, Dokumentenfragen, Batching, Agents und integrierte Werkzeuge. Mistral nennt einen Preis von 0,68 US-Dollar pro Million Eingabe-Tokens und 2,09 US-Dollar pro Million Ausgabe-Tokens. Zwischengespeicherte Eingaben kosten weniger.

Mistral erklärt, dass das Training mit Reinforcement Learning weiterläuft und sich die Vorschauversion bis zur Veröffentlichung noch verbessern könne. Entscheidend wird sein, ob unabhängige Tests die Leistungsangaben bestätigen und ob Unternehmen den Betrieb eines so großen Modells wirtschaftlich umsetzen können.

Quellen

• Mistral Large 4: “Le Chonk” – Mistral
• Mistral Large 4 – Mistral AI Docs
• Mistral releases Mistral Large 4, dubbed “le Chonk”, a 1T-parameter open-weight model for general agentic capabilities, trained on 4,000 Grace Blackwell GPUs – The Deep View