Mistral Large 4: 1-Billion-Parameter-Modell als Vorschau, Gewichte folgen

Worum es geht

Mistral AI hat eine öffentliche Vorschau von Mistral Large 4 (intern „ML4“, scherzhaft „le Chonk“) gestartet. Es ist laut Mistral das bisher größte und leistungsfähigste Modell des Unternehmens: 1 Billion Parameter insgesamt, davon 52 Milliarden aktiv. Parameter sind grob gesagt die beim Training gelernten Stellschrauben; „aktiv“ bedeutet, dass bei jeder Anfrage nur ein Teil davon genutzt wird (Mixture-of-Experts, MoE). Das Modell ist nativ multimodal, verarbeitet also Text und Bilder von Grund auf gemeinsam, und vereint Anweisungsbefolgung, Reasoning (schrittweises Nachdenken) und Agenten-Fähigkeiten in einem Modell.

Die Vorschau-API ist über Mistral Studio nutzbar, die Gewichte sollen Ende des Monats erscheinen. Bis dahin testet Mistral das Modell mit Cybersicherheits-Fachleuten, geprüften Partnern und staatlichen Stellen im Realbetrieb. Diese bekommen dasselbe Modell mit reduzierter Moderation und erweiterten Cyber-Fähigkeiten. Die Preise liegen bei 1,36 Dollar pro Million Input-Token und 4,18 Dollar pro Million Output-Token.

Training und europäische Infrastruktur

ML4 wurde von Grund auf auf 3.800 NVIDIA Grace-Blackwell-GPUs in Mistrals eigenen Rechenzentren in Europa trainiert, die Vorschau läuft auf derselben Infrastruktur. Das Modell soll weltweit in mehreren Regionen verfügbar sein, darunter eine europäische Variante, die Mistral komplett selbst betreibt, unabhängig von anderen Digitaldienstleistern und unter europäischem Recht. Ein großer Teil der Trainingsdaten war mehrsprachig und umfasst über 160 Sprachen, darunter alle Amtssprachen der EU.

Beim Training arbeitete Mistral nach eigenen Angaben mit Unternehmen aus Finanzen, Industrie, Logistik, Pharma, Wissenschaft, Schifffahrt und öffentlichem Sektor zusammen. Trainings-, Anpassungs- und RL-Umgebung entsprechen dem, was Kunden über Mistral Forge nutzen können.

Zum Post-Training: Mistral setzt stark auf Reinforcement Learning (RL), also Lernen aus den Ergebnissen der eigenen Versuche des Modells. Die Bibliothek erlaubt, Aufgaben vom einfachen Chat über wissenschaftliche Probleme bis zu Sicherheit, Faktentreue und langen Werkzeug-Abläufen in einem Lauf zu kombinieren. Bei derzeit rund 3.000 GPUs erzeugt ein Trainingslauf etwa 33 Milliarden Token pro Tag, davon rund 16 Milliarden trainierbare Antwort-Token. Der RL-Lauf läuft noch, Mistral sieht „keine Anzeichen von Sättigung“ und erwartet schnelle Verbesserungen.

Leistung nach Mistral-Angaben

Alle folgenden Zahlen sind Herstellerangaben.

Cybersicherheit: Im Artificial Analysis Cyber Index gehört ML4 zu den fünf besten Modellen weltweit und führt bei offenen Modellen außerhalb Chinas deutlich. In einem Teiltest, bei dem eine reale Schwachstelle in Open-Source-Software nachgestellt und gepatcht werden soll, erreicht es 82 Prozent, den höchsten Wert aller Modelle. Bei Cybench (40 Aufgaben aus Sicherheitswettbewerben) löst es 93 Prozent. Mistral weist darauf hin, dass Claude Opus 5.5 und GPT-6 Astra im selben Test nahe null liegen, weil sie die Aufgabe verweigern. Gleichzeitig soll ML4 Anfragen mit bösartiger Absicht häufiger ablehnen als andere offene Modelle (gemessen mit JailbreakBench, StrongREJECT und AgentHarm).

Coding: 61,7 % auf DeepSWE v1.1, 59,4 % auf SWE-Atlas-QnA, 28,3 % auf Terminal-Bench 4. Der Coding Agent Index liegt bei 49,8 % und damit vor DeepSeek V4 Pro 0813 und Qwen3.8 Max. In einem Blindtest mit Surge AI bewerteten Profis Ausgaben auf einer Skala von 1 bis 5:

Agenten und Wissensarbeit: Auf AutomationBench (657 Geschäftsabläufe in Gmail, Google Sheets, Slack, Salesforce) erreicht ML4 59,9 % und liegt vor Kimi K3, MiMo-V2.6-Pro und DeepSeek V4 Pro. Bei AA-Briefcase sind es 1.393 Elo. Bei Rechts- und Finanzaufgaben übertrifft es laut Drittanbieter vals.ai GPT-6 Astra, und im Legal-Agent-Benchmark von HarveyAI schlägt es alle Open-Source-Modelle.

Bilder, Wissenschaft, Mathe: Beim Bildverständnis (Dokumente, Diagramme, Satellitenbilder, technische Zeichnungen) spricht Mistral von einem Quantensprung; bei Visual Grounding (Objekte im Bild lokalisieren) übertrifft es GPT-6 Astra auf Dense 200 knapp (42 % vs. 41 %). Bei SciCode-Verified ist es unter offenen Modellen Spitzenreiter. In menschlichen Vergleichen gegen GLM-5.3 wurde ML4 bei CAD und MINT bevorzugt, bei Finanzen und Coding gleichauf oder knapp dahinter.

Sicherheit: Gegen indirekte Prompt-Injection sieht Mistral seine Benchmarks als gesättigt. Im Lakera-B3-Benchmark widersteht ML4 93,3 % der Angriffe. Im KORA-Benchmark erreicht es 1,691 von maximal 2.

Einordnung

Mistral positioniert ML4 als europäische, souveräne Alternative: offene Gewichte, Selbsthosting und Betrieb unter europäischem Recht. Besonders das Argument zur Cybersicherheit ist bemerkenswert: Verteidiger brauchen Modelle, die Schwachstellenforschung nicht verweigern. Zugleich ist das heikel, denn die erweiterte Version mit reduzierter Moderation geht nur an geprüfte Partner; wie die öffentlichen Gewichte konfiguriert sein werden, steht noch nicht fest.

Kritisch: Fast alle Zahlen stammen von Mistral oder von ausgewählten Evaluatoren, vieles sind interne Tests. Beim Coding liegt ML4 deutlich hinter dem besten Modell im Blindtest (Claude Opus 5), und Terminal-Bench 4 mit 28,3 % ist weit von den Werten anderer aktueller Modelle entfernt. Architekturdetails, weitere Benchmarks und Lizenz sind noch offen und sollen mit den Gewichten folgen. Mit 1 Billion Parametern ist lokaler Betrieb zudem nur mit Serverhardware realistisch. Mistral verweist auf eine 3-Milliarden-Euro-Series-D als Finanzierung für den Ausbau der Rechenkapazität.