Mistral stellt mit Mistral Large 4 sein bislang größtes Modell vor. Es hat eine Billion Parameter und wurde in eigenen europäischen Rechenzentren trainiert. In einem unabhängigen Index macht das Modell einen großen Sprung, liegt aber klar hinter den geschlossenen Spitzenmodellen. Mistral wirbt vor allem damit, dass es Sicherheitsaufgaben erledigt, die Claude und GPT-6 verweigern.
Mistral hat eine öffentliche Vorschau von Mistral Large 4 (ML4) veröffentlicht, Spitzname "le Chonk". Die API ist ab sofort über Mistral Studio für alle verfügbar. Die Modellgewichte sollen Ende Oktober folgen.
Laut Mistral ist ML4 ein nativ multimodales Modell mit einer Billion Parametern, von denen 49 Milliarden aktiv sind. Auf X schreibt Mistral, ML4 sei über aggregierte Benchmarks hinweg das beste Open-Weight-Modell aus den USA oder Europa. Bei Cyberabwehr, Fertigung und Finanzen sei es State of the Art, beim Visual Grounding übertreffe es sogar geschlossene Frontier-Modelle.
Großer Sprung, aber weit hinter Claude
Eine unabhängige Einordnung liefert der Intelligence Index von Artificial Analysis, der zehn Benchmarks aus verschiedenen Bereichen zusammenfasst. Dort erreicht ML4 38 Punkte. Für Mistral ist das ein großer Schritt: Der Vorgänger Mistral Large 3 kam im Index auf gerade einmal 9 Punkte, das bis dato neuste Mistral Medium 3.5 auf 14. Mit 38 Punkten liegt ML4 auch vor GLM-5.2 von Z.ai, das Mistral auf seiner Plattform anbietet. Bis an die Spitze ist der Abstand aber groß: Claude Opus 5.5 (Max) führt mit 58 Punkten.
Im Intelligence Index von Artificial Analysis liegt Mistral Large 4 deutlich hinter den geschlossenen Spitzenmodellen von Anthropic, OpenAI und Google und auch hinter mehreren offenen Modellen aus China. ML4 wird mangels Veröffentlichung der Gewichte noch als proprietär geführt.Bis zur Veröffentlichung der Gewichte testet Mistral das Modell im Red-Teaming mit Sicherheitsunternehmen, geprüften Partnern und staatlichen Stellen. Sie erhalten dieselbe Version mit reduzierter Moderation und erweiterten Cyberfähigkeiten.
Beim wissenschaftlichen Programmieren liegt Mistral Large 4 nahe an der Spitze, GPT-6 Astra und Qwen3.8 erreichen höhere Werte.Cybersicherheit: Vorsprung entsteht auch durch die Verweigerungen der Konkurrenz
Den größten Teil der Ankündigung widmet Mistral der IT-Sicherheit. Im Cyber Index von Artificial Analysis gehört ML4 laut Mistral zu den fünf besten Modellen weltweit. Unter den Open-Weight-Modellen, die außerhalb Chinas entwickelt wurden, liege es mit großem Abstand vorne.
In einem Test soll ein Modell eine reale Schwachstelle in Open-Source-Software reproduzieren und anschließend patchen. ML4 erreicht dort 82 Prozent und damit den höchsten Wert aller Modelle. Der Grund ist allerdings speziell: Claude Opus 5.5 und GPT-6 Astra kommen laut Mistral auf Werte nahe null, weil sie die Aufgabe verweigern. Der Test misst also auch die Richtlinien der Anbieter und nicht nur die Fähigkeiten der Modelle.
Mistral macht daraus ein Argument. Die Verteidigung von Software beginne oft mit dem Nachweis, dass eine Schwachstelle real ist. Genau diese Arbeit würden die Sicherheitsfilter geschlossener Modelle blockieren, während Angreifer dieselben Modelle per Jailbreak missbrauchten. Außerdem könne es selbst zum Sicherheitsrisiko werden, wenn man mitten in einem Vorfall den Zugang zu einem Anbieter verliert. ML4 soll sich deshalb auch in der Private Cloud oder On-Premise betreiben lassen.
Gleichzeitig wirbt Mistral mit besonders hohen Verweigerungsraten. Bei bösartigen Cyber-Prompts aus JailbreakBench, StrongREJECT und AgentHarm lehne ML4 häufiger ab als alle anderen offenen Modelle. Wie das Modell zuverlässig zwischen legitimer Schwachstellenforschung und Angriffsvorbereitung unterscheiden soll, erklärt Mistral nicht. Im B3 AI Security Benchmark von Lakera wehrt ML4 laut Mistral 93,3 Prozent der Angriffe ab.
Beim Coding auf Platz zwei, vor Deepseek und Qwen
Beim Programmieren kommt ML4 im Coding Agent Index von Artificial Analysis auf 49,8 Prozent und liegt damit vor Deepseek V4 Pro und Qwen3.8 Max. Mistral hat außerdem eine blinde Bewertung mit Surge AI durchführen lassen. Dabei benoteten professionelle Annotatoren die Code-Qualität, ohne die Modellnamen zu kennen. ML4 landete mit 3,74 von 5 Punkten auf Platz zwei von fünf Modellen, vor GLM-5.3 und Kimi K3. Deutlich vorne liegt Claude Opus 5 mit 4,22 Punkten.
Menschliche Gutachter bevorzugen ML4 in STEM und CAD, bei Finanzen und Code liegen beide Modelle etwa gleichauf.Beim Bildverständnis spricht Mistral von einem Entwicklungssprung. ML4 soll Dokumente, Diagramme, Gigapixel-Satellitenbilder und technische Zeichnungen analysieren und dabei selbstständig hineinzoomen und Details prüfen. Der Vorsprung auf geschlossene Modelle ist allerdings knapp: Im Benchmark Dense 200 erreicht ML4 42 Prozent, GPT-6-Astra kommt auf 41 Prozent. Laut einer Bewertung durch Vals.ai übertrifft ML4 GPT-6-Astra auch bei juristischen und finanziellen Aufgaben.
Bei automatisierten Business-Workflows liegt Mistral Large 4 knapp hinter GLM-5.3, aber vor Kimi K3 und DeepSeek V4 Pro.Souveränität als Geschäftsmodell
ML4 wurde laut Mistral von Grund auf mit 3.800 Nvidia-Grace-Blackwell-GPUs in eigenen europäischen Rechenzentren trainiert. Auf derselben Infrastruktur läuft auch die Vorschau. Neben Angeboten in mehreren Weltregionen soll es eine europäische Variante geben, die Mistral vollständig selbst betreibt, unabhängig von anderen Dienstleistern und unter europäischem Recht. Die Trainingsdaten umfassen mehr als 160 Sprachen, darunter alle Amtssprachen der EU.
Trainiert wurde nach Angaben von Mistral zusammen mit Unternehmen aus Finanzwesen, Fertigung, Logistik, Pharma, Schifffahrt und dem öffentlichen Sektor. Genutzt wurde dabei dieselbe Trainings- und RL-Umgebung, die Mistral seinen Kunden über Mistral Forge anbietet. Für das Nachtraining mit Reinforcement Learning nutzt das Unternehmen rund 3.000 GPUs. Ein Trainingslauf erzeugt so etwa 33 Milliarden Token pro Tag.
Training läuft noch
Der RL-Lauf hinter der Vorschau ist laut Mistral noch nicht abgeschlossen und zeigt keine Anzeichen von Sättigung. Das Unternehmen erwartet in den kommenden Wochen deutliche Verbesserungen. Bezahlt wird der Ausbau der Rechenkapazität mit der Serie D über 3 Milliarden Euro, der größten Eigenkapitalrunde, die je ein europäisches Technologieunternehmen eingesammelt hat.
Laut Mistral verbessern sowohl Supervised Fine-Tuning als auch die anschließende RL-Phase die Ergebnisse in nachgelagerten Benchmarks.Vieles bleibt vorerst offen. Laut der Modelldokumentation setzt ML4 auf eine feingliedrige Mixture-of-Experts-Architektur mit insgesamt 1,05 Billionen Parametern und einem 1,6 Milliarden Parameter großen Vision-Encoder. Das Kontextfenster umfasst eine Million Token. Weitere Details zur Architektur, die Lizenz und die Methodik des Nachtrainings will Mistral erst mit den Gewichten Ende des Monats veröffentlichen.
Während der Vorschau verlangt Mistral 0,68 US-Dollar pro Million Input-Token und 2,09 US-Dollar pro Million Output-Token. Zwischengespeicherte Eingaben kosten 0,07 US-Dollar. Die Dokumentation führt daneben doppelt so hohe Preise auf: 1,36 Dollar für Input, 4,18 Dollar für Output und 0,14 Dollar für gecachte Eingaben. ML4 soll außerdem die Grundlage für eine neue Generation spezialisierter Mistral-Modelle werden.
Mistral baut seit Monaten eigene Infrastruktur in Europa auf. Im März nahm das Unternehmen einen Kredit über 830 Millionen Dollar für ein Rechenzentrum bei Paris auf, bis Ende 2027 sollen 200 Megawatt Rechenkapazität in Europa bereitstehen. Mistral-CEO Arthur Mensch hatte im Mai vor einer französischen Untersuchungskommission davor gewarnt, dass Europa bei der Cybersicherheit von US-Modellen abhängig wird. Die Codebasen der französischen Armee dürften nicht von Anthropics Mythos gescannt werden, sagte Mensch. Auch Mistral-Modelle könnten die Schwachstellen finden, die im Zusammenhang mit Mythos genannt würden.
Mistral baut seit Monaten eigene Infrastruktur in Europa auf. Im März nahm das Unternehmen einen Kredit über 830 Millionen Dollar für ein Rechenzentrum bei Paris auf, bis Ende 2027 sollen 200 Megawatt Rechenkapazität in Europa bereitstehen. Generell scheint sich das Unternehmen weniger an Consumer und mehr an Unternehmen richten zu wollen: Im Mai benannte Mistral seinen Chatbot Le Chat in Vibe um und baute ihn zum Arbeitswerkzeug aus.
Mistral-CEO Arthur Mensch hatte im selben Monat vor einer französischen Untersuchungskommission davor gewarnt, dass Europa bei der Cybersicherheit von US-Modellen abhängig wird. Die Codebasen der französischen Armee dürften etwa nicht von Anthropics Mythos gescannt werden, sagte Mensch. Auch Mistral-Modelle könnten die Schwachstellen finden, die im Zusammenhang mit Mythos genannt würden.
KI-News ohne Hype – von Menschen kuratiert
Mit dem THE‑DECODER‑Abo liest du werbefrei und wirst Teil unserer Community: Diskutiere im Kommentarsystem, erhalte unseren wöchentlichen KI‑Newsletter, 6× im Jahr den "KI Radar"‑Frontier‑Newsletter mit den neuesten Entwicklungen aus der Spitze der KI‑Forschung, bis zu 25 % Rabatt auf KI Pro‑Events und Zugriff auf das komplette Archiv der letzten zehn Jahre.
