Mistral Large 4 ist jetzt Open-Weight: Was sich geändert hat, was die Benchmarks sagen und für wen es sich lohnt
Quelle: Mistral AI
Mistral hat die Gewichte von Mistral Large 4 veröffentlicht, dem nativ multimodalen Modell mit 1 Billion Parametern, das intern „Le Chonk“ heißt. Das Modell war Anfang Oktober in die öffentliche Preview gegangen. Die Open-Weight-Version ist ein Update: Laut Mistral wurde nach der Preview rund drei weitere Wochen Reinforcement Learning betrieben, mit Schwerpunkt auf Coding und defensiver Cybersicherheit.
Die Kurzfassung
- Was es ist: ein multimodales Flaggschiffmodell mit 1 Billion Parametern, laut Mistral von Grund auf auf europäischer Infrastruktur trainiert.
- Neu gegenüber der Preview: bessere Werte bei Coding und Sicherheit sowie bessere „Reasoning-Effizienz“, also weniger Tokens pro Aufgabe.
- Wo du es nutzen kannst: Mistral Studio, die Mistral API, OpenRouter oder als selbst gehostete Gewichte von Hugging Face (bereitgestellt mit vLLM oder SGLang).
- Lizenz: eine modifizierte MIT-Lizenz mit einer Bedingung für Model-as-a-Service-Unternehmen (siehe unsere Erklärung zur Lizenz).
Die Zahlen, die Mistral nennt
Alle folgenden Werte sind Angaben von Mistral selbst aus der Ankündigung. Eine unabhängige Überprüfung gibt es noch nicht, und laut Mistral kommt ein vollständiger technischer Bericht „bald“.
| Benchmark | Gemeldetes Ergebnis |
|---|---|
| Cognition FrontierCode 2.0 (privat) | 19,7 %, der Bestwert in Mistrals Diagramm, vor GLM-5.3 (19,3 %) |
| Artificial Analysis Coding Agent Index | 48 %, „praktisch gleichauf“ mit GLM-5.3 bei 47 % weniger Tokens pro Aufgabe |
| Terminal-Bench 4.0 | 41 %, 13 Punkte mehr als in der Preview, mit 30 % weniger Output-Tokens |
| Artificial Analysis Cyber Index | 51% |
| BrowseComp | 84,5 % (gegenüber 75 % bei einem frühen SFT-Checkpoint) |
| Finch (Finanz-Workflows) | 73,3 %, unter den offenen Modellen Platz zwei hinter Kimi K3 |
| B3 Agent Security Benchmark | 97,1 % der Angriffe abgewehrt (93,3 % in der Preview) |
Bei menschlichen Präferenzen verweist Mistral auf die blinden paarweisen Coding-Tests von Surge. Dort schlug Large 4 GLM-5.3, Kimi K3 und DeepSeek V4.1 Flash und landete unter den getesteten Modellen „nur hinter Claude Opus 5.5“.
Drei Reasoning-Modi
Laut Mistral hat das Modell jetzt drei Reasoning-Modi, sodass du Kosten gegen Qualität abwägen kannst. Der leichteste Modus erledigt einfache Aufgaben und ersetzt den alten Modus „None“. Der aufwendigste ist für die „hardest use cases requiring high precision“ gedacht. Wenn du pro Token zahlst, ist das wichtig: Nimm den leichtesten Modus, der deine Evals besteht.
Der Cybersicherheits-Aspekt (und sein Haken)
Der Großteil der Ankündigung dreht sich um defensive Sicherheit, mit Zitaten unter anderem von Booz Allen, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet und NVIDIA. Mistral sagt auch offen, dass man beim Beobachten des Preview-Traffics „a potential for uplift to conduct real attacks“ gesehen habe und die Schutzmechanismen verschärfe. Eine spezialisierte Pentest-Variante geht nur unter Vertrag an geprüfte Partner.
Solltest du wechseln?
- Selbsthoster und regulierte Teams: das ist die Hauptzielgruppe. Du bekommst offene Gewichte, ein in Europa trainiertes Modell und eine freizügige Lizenz.
- Hobbyisten: ein Modell mit 1 Billion Parametern braucht für den lokalen Betrieb Rechenzentrums-Hardware. Für die meisten ist die API oder OpenRouter der realistische Weg. (Mistrals Beitrag nennt keine Hardware-Anforderungen; schau auf die Model Card bei Hugging Face.)
- Nutzer von Coding-Agenten: Die Aussage zur Token-Effizienz solltest du testen. Lass deine eigenen Agenten-Aufgaben über OpenRouter laufen, bevor du dich festlegst.
Video
Video von Mistral auf YouTube.
Video von Bijan Bowen auf YouTube.
Quellen
- Mistral AI, „Mistral Large 4 (Le Chonk)… open weight“, 29.10.2026: https://mistral.ai/news/mistral-large-4-oss/
- Hacker-News-Startseite (Algolia API): https://hn.algolia.com/api/v1/search?tags=front_page
Was bestätigt ist und was nicht
- ✅ Jede Benchmark-Zahl wurde am 29.10.2026 gegen 23:58 Uhr ET von Hand aus Mistrals Beitrag übernommen. Alle Werte stammen vom Hersteller.
- ✅ Lizenzwortlaut und Bezugswege wurden mit demselben Beitrag abgeglichen.
- ⚠️ NICHT GEPRÜFT: Name des Hugging-Face-Repos, Hardware-/VRAM-Anforderungen und API-Preise. Nichts davon steht im Beitrag.
- ⚠️ Die Namen der drei Reasoning-Modi nennen wir hier nicht, weil wir ihre Bezeichnungen nicht zuverlässig lesen konnten.
- Die HN-Punkte sind eine Momentaufnahme und ändern sich.
Ähnliche Artikel
Nach oben: KI