Mistral Large 4: Gewichte des Billionen-Parameter-Modells sind jetzt offen

Die wichtigsten Fakten
- Mistral Large 4 ist ein nativ multimodales Modell mit einer Billion Parametern und hybrider MoE-Architektur; die Gewichte stehen seit dem 29. Oktober 2026 zum Download bereit, unter anderem bei Hugging Face und vLLM/SGLang-kompatiblen Runtimes.
- Nach Anbieter-Messungen führt das Modell den FrontierCode-2.0-Benchmark an (19,7 Prozent), erreicht 41 Prozent in Terminal-Bench 4.0 und zieht im Artificial Analysis Coding Agent Index mit GLM-5.3 gleich - bei 47 Prozent weniger Tokens. Alle Benchmarks auf dieser Seite stammen von Mistral selbst.
- Die Lizenz heißt Mistral Ecosystem Open-Weight License: ein modifizierter MIT-Text. Sie erlaubt Nutzung und Modifikation, verlangt aber von Anbietern, die das Modell als gehosteten Dienst verkaufen, eine kommerzielle Lizenz.
- Trainiert wurde das Modell komplett auf europäischer Infrastruktur; ein auf Cybersecurity spezialisierter Ableger mit Orange Cyberdefense ist in Arbeit.
Kurz gesagt: Mistral hat drei Wochen nach dem Preview-Start die Gewichte von Large 4 veröffentlicht - intern 'Le Chonk' genannt, eine Billion Parameter, nativ multimodal. Nach den eigenen Messungen des Anbieters setzt es in mehreren Coding-Benchmarks die offene Spitze, bleibt im direkten Vergleich aber hinter Claude Opus 5.5. Die Lizenz ist MIT-nah, mit einer Schranke für gehostete Angebote.
Was die Gewichtsfreigabe bringt
Das Modell kombiniert laut Mistral die Instruct- und Reasoning-Fähigkeiten von Large 3.5 und Large 3.5 Reasoning in einem einzigen System und wurde mit zusätzlichen drei Wochen Reinforcement Learning gegenüber dem Preview weiterentwickelt. Wer es lokal betreibt, kann es modifizieren und feintunen - der eigentliche Unterschied zu API-Modellen. Trainiert wurde es nach Unternehmensangaben von Grund auf auf europäischer Infrastruktur, als direkter Nachfolger von Mistral Large 3 und Medium 3.5.
| Benchmark | Wert | Einordnung laut Mistral |
|---|---|---|
| FrontierCode 2.0 | 19,7 % | Bestwert, vor den nächsten Modellen |
| Terminal-Bench 4.0 | 41 % | Bester Open-Weights-Wert; 13 Prozentpunkte über dem Preview, 30 % weniger Ausgabe-Tokens |
| Artificial Analysis Coding Agent Index | 48 % | Auf Augenhöhe mit GLM-5.3, bei 47 % weniger Tokens |
| Cyber Index | 51 % | Bester Open-Weights-Wert; Preview lag bei 29 % |
| JailbreakBench / StrongREJECT / AgentHarm (Ø) | 96,6 % Ablehnung | Höchster Wert unter den offenen Modellen im Vergleich |
| Mistral-B3 (Bildverständnis) | 97,1 % | Vor den getesteten Open-Weights-Modellen; Preview: 93,3 % |
| Finch | 73,3 % | Zweiter Platz hinter Kimi K3 |
| BrowseComp | 84,5 % | Bestwert im Open-Weights-Vergleich |
Ergänzend lässt Mistral von Surge AI Blindvergleiche fahren: Bevorzugt wurde Large 4 dort gegen GLM-5.3, Kimi K3 und DeepSeek V4.1 Flash - hinter Claude Opus 5.5 liegt es demnach. Das deckt sich mit der Positionierung als offene Alternative eine Stufe unterhalb der proprietären Spitze.
Lizenz: MIT-nah, aber nicht MIT
Veröffentlicht wird unter der Mistral Ecosystem Open-Weight License - einem modifizierten MIT-Text. Nutzung, Modifikation und Feintuning sind frei; eine kommerzielle Lizenz braucht, wer das Modell als gehosteten Dienst (Model-as-a-Service) verkauft. Für die meisten Entwickler und Firmen, die das Modell selbst betreiben, ändert das wenig; für Cloud-Anbieter ist es eine echte Schranke.
Strategie: Cybersecurity und Souveränität
Mistral positioniert die Offenheit explizit als Sicherheitsargument. Zusammen mit Orange Cyberdefense entsteht ein auf Cybersecurity spezialisierter Ableger, der zunächst in einem Freigabeprozess mit Prüfung läuft. CEO Arthur Mensch sagte TechCrunch, KI solle 'be a tool for empowerment, not dominance' sein - und Pierre Stock, der die Modelle leitet, erklärte die Logik so:
Concretely, it means that, for instance, as a business company or as a government, you're able to have access to frontier intelligence to defend yourselves against cyberattacks. Access that can't be cut off by definition because the model is open-weighted
Unterstützung zitieren Booz Allen, Cisco, Cloudflare, Rubrik und Zscaler in der Ankündigung; Deployments laufen über Azure AI Foundry beziehungsweise Microsoft Foundry und Anbieter wie OpenRouter.
Einordnung
Häufige Fragen
Ist Mistral Large 4 Open Source?
Nein, es ist ein Open-Weights-Modell: Die Gewichte sind frei, aber der Trainingscode und die Trainingsdaten nicht. Die Lizenz (Mistral Ecosystem Open-Weight License) erlaubt Nutzung und Modifikation, verlangt von gehosteten Anbietern aber eine kommerzielle Lizenz.
Was kostet Mistral Large 4 über die API?
0,70 US-Dollar pro Million Eingabe-Tokens, 0,07 für zwischengespeicherte Eingaben und 2,10 pro Million Ausgabe-Tokens. Selbst gehostet entstehen nur Infrastrukturkosten.
Für welche Anwendungsfälle eignet sich das Modell?
Laut Mistral besonders für Coding, mehrsprachige Anwendungen (über 160 Sprachen), Bildverständnis und Cybersecurity - letzteres mit einem spezialisierten Ableger, der mit Orange Cyberdefense entwickelt wird. Die Leistungswerte stammen vom Anbieter.
Quellen
- Mistral Large 4 Open-Source (Mistral AI, abgerufen 2026-10-30)
- Mistral releases weights for its trillion-parameter AI model, targeting cybersecurity (TechCrunch, abgerufen 2026-10-30)
- AI News Oct 30, 2026 (Morning Tokens, abgerufen 2026-10-30)
Weitere Artikel
- Kimi K3.1 Pro: Open-Weights-Modell fast auf Augenhöhe mit Claude Opus 5.5
- Voxtral 3: Mistrals Sprach-Agenten hören, denken und antworten in Echtzeit
Transparenzhinweis: Dieser Artikel ist ein redaktioneller Beitrag von Philipp Paulik und entstand mit KI-Unterstützung (Recherche und Textentwurf). Alle Quellen sind unten verlinkt; Zahlen und Aussagen stammen aus diesen Quellen. Das Titelbild ist KI-generiert und im Bild entsprechend gekennzeichnet. Die News-Übersicht auf dieser Seite wird dagegen automatisch aus öffentlichen Feeds aggregiert. So arbeiten wir.