Mistral Large 4: Offene Gewichte holen chinesische Modelle ein

Mistral hat am Donnerstag, dem 29. Oktober, die Gewichte von Large 4 auf Hugging Face veröffentlicht. Damit kann jeder das Modell herunterladen und auf eigener Infrastruktur betreiben. Zeitgleich erschien eine quantisierte Version, die weniger Speicher benötigt.

Die am 6. Oktober vorgestellte Vorschau war in unabhängigen Tests bei Code und Agentenaufgaben zurückgefallen. Die Endversion holt viel davon auf. Im Terminal-Bench 4.0, dem Test für agentisches Coding, steigt Large 4 laut den der Presse gezeigten Grafiken von 28 Prozent in der Vorschau auf 41 Prozent. GLM-5.3, das beste chinesische offene Modell im Diagramm, kommt auf 40 Prozent, DeepSeek V4.1 Flash auf 31 Prozent und Kimi K3 auf 21 Prozent. Mistral reklamiert den Titel des weltweit besten offenen Modells für agentisches Coding im Index von Artificial Analysis und des besten offenen Modells aus dem Westen.

Weniger Tokens, Argument Cybersicherheit

Laut Mistral verbraucht Large 4 im Index 47 Prozent weniger Tokens pro Aufgabe als GLM-5.3 und im Terminal-Bench die Hälfte der Vorschau. Da KI pro Token abgerechnet wird, spielt das für die Kosten eine Rolle. Neben dem Modus „high“ gibt es nun kürzere Denkmodi „low“ und „medium“.

Das „Chonk“ genannte Modell hat 1.000 Milliarden Parameter, von denen pro erzeugtem Token 52 Milliarden aktiv sind. Es versteht Bilder, antwortet aber nur mit Text und Code. Die Fortschritte stammen laut Mistral aus Reinforcement Learning mit intern erzeugten Code- und Cybersicherheitsaufgaben auf 3.800 Nvidia-Grace-Blackwell-GPUs in europäischen Rechenzentren.

Im Test CyberGym-E2E, bei dem eine echte Schwachstelle in Open-Source-Software reproduziert und behoben werden muss, erreicht Large 4 79 Prozent, ebenso viel wie Xiaomis MiMo-V2.6-Pro. Claude Opus 5.5 und GPT-6 Astra landen nahe null, weil sie die Aufgabe verweigern, was zum Teil ihre Schutzmechanismen widerspiegelt. Welche Schutzmaßnahmen in den veröffentlichten Gewichten stecken, hat Mistral nicht erläutert.

Abstand zu US-Modellen bleibt

Gegenüber geschlossenen US-Modellen bleibt die Lücke groß: Opus 5.5 und GPT-6 Astra liegen im Terminal-Bench laut Messungen von Anfang Oktober bei 59 bis 65 Prozent. Zudem legte Google am Mittwoch mit Gemini 4 Carbon nach.

Die quantisierte Version wiegt rund 690 GB in 4 Bit und braucht vier Nvidia-GPUs vom Typ B200 oder B300. Eine leichtere Variante für Privatnutzer verspricht Mistral binnen eines Monats. Preise nannte das Unternehmen nicht; die Vorschau kostete 1,36 Dollar pro Million Eingabe-Tokens und 4,18 Dollar pro Million Ausgabe-Tokens. Large 4 ist über Hugging Face und die Mistral-API verfügbar.