Mistral Large 4: 1 Billion Parameter, Gewichte erst Ende Oktober

Am 6. Oktober 2026 hat Mistral die öffentliche Vorschau von Mistral Large 4 gestartet, intern ML4, mit dem Spitznamen „le Chonk". Das Modell hat 1 Billion Parameter und ist nativ multimodal. Die Vorschau läuft über die API in Mistral Studio, die Gewichte will Mistral bis Ende des Monats veröffentlichen. Bei offenen Gewichten ist der Termin die eigentliche Nachricht: Bis dahin lässt sich nichts selbst betreiben und nichts selbst nachmessen.

Markenzeichen von Mistral AI — Alle Zahlen dieses Beitrags stammen von der Mistral-Ankündigung vom 6. Oktober 2026 und aus dem Bericht von The Decoder vom selben Tag. Benchmarks sind Herstellerangaben, sofern nicht anders vermerkt. (Quelle: Simple Icons, Datei mistralai.svg (CC0))

Was Mistral angibt

Trainiert wurde das Modell nach Herstellerangabe von Grund auf auf 3.800 Nvidia-Grace-Blackwell-GPUs in Mistrals eigenen Rechenzentren in Europa. Die Trainingsdaten umfassen mehr als 160 Sprachen, darunter alle Amtssprachen der EU. Aktiv sind laut Mistral 52 Milliarden Parameter pro Token, bei The Decoder sind es 49 Milliarden, wir wissen also nicht, welche Zahl stimmt.

Einen großen Teil der Ankündigung widmet Mistral der IT-Sicherheit. Bei einem Test aus dem Cyber-Index von Artificial Analysis, in dem ein Modell eine echte Schwachstelle in Open-Source-Software nachstellen und anschließend patchen soll, erreicht ML4 82 Prozent. Claude Opus 5.5 und GPT-6 Astra kommen laut Mistral auf Werte nahe null. Laut The Decoder liegt das an der Verweigerung der Aufgabe und weist darauf hin, dass der Test damit auch die Richtlinien der Anbieter misst und nicht nur die Fähigkeiten der Modelle. Wie ML4 legitime Schwachstellenforschung von Angriffsvorbereitung unterscheidet, erklärt Mistral nicht. Während der Vorschau testet Mistral außerdem eine Variante mit reduzierter Moderation und erweiterten Cyberfähigkeiten mit Sicherheitsfirmen, geprüften Partnern und Behörden.

Beim Programmieren kommt ML4 im Coding Agent Index von Artificial Analysis auf 49,8 Prozent, vor DeepSeek V4 Pro und Qwen3.8 Max. In einer blinden Bewertung von Surge AI erreicht es 3,74 von 5 Punkten und liegt auf Platz zwei von fünf Modellen, hinter Claude Opus 5 mit 4,22.

Was eine unabhängige Stelle misst

Der Intelligence Index von Artificial Analysis fasst zehn Benchmarks zusammen. Für ML4 berichtet The Decoder dort einen Wert von 38. Der Vorgänger Mistral Large 3 kam auf 9, Mistral Medium 3.5 auf 14. An der Spitze steht Claude Opus 5.5 (Max) mit 58.

Der Sprung von 9 auf 38 ist groß, der Abstand zur Spitze bleibt es auch. Laut The Decoder liegt ML4 außerdem hinter mehreren offenen Modellen aus China. (Quelle: The Decoder, Bericht vom 6. Oktober 2026 (Werte von Artificial Analysis))

Zu lesen ist das so: Gegenüber dem eigenen Vorgänger hat Mistral aufgeholt. „Das stärkste offene Modell aus Europa und den USA" ist eine Aussage von Mistral selbst, und sie hängt an Mistrals Auswahl der Vergleichsmodelle.

Warum die Parameterzahl für die Hardware zweierlei bedeutet

Bei einem Mixture-of-Experts-Modell bestimmen die aktiven Parameter die Rechenlast pro Token, die Gesamtzahl bestimmt den Speicherbedarf. Beides gehört getrennt gerechnet. Eine Billion Parameter belegen bei 8 Bit rund 1 TB, bei 4 Bit rund 500 GB, das ist eine einfache Multiplikation und keine Messung. Unsere Produktionsmaschine für lokale Modelle hat vier RTX 5090 mit zusammen 128 GB VRAM. Rein auf den Karten passt ML4 nicht darauf, auch nicht in starker Quantisierung.

Bleibt die Auslagerung der Experten in den Arbeitsspeicher. Weil nur 52 Milliarden Parameter pro Token aktiv sind, ginge das technisch. Die Geschwindigkeit hängt dann an der Speicherbandbreite des Hosts und am PCIe-Bus, und wie gut die gängigen Inferenz-Server ein Modell dieser Größe und dieser Architektur tragen, zeigt sich erst mit den Gewichten.

Die Reihenfolge laut Mistral-Ankündigung. Den letzten Schritt hängen wir an, er ist unsere Planung. (Quelle: Mistral, Ankündigung vom 6. Oktober 2026)

Was wir bis dahin tun

Nichts testen, was es nicht gibt. Sobald die Gewichte erscheinen, stehen zwei Fragen an: Unter welcher Lizenz sie stehen, denn die Ankündigung nennt keine, und ob sich eine Quantisierung finden lässt, die auf eine Maschine mit Auslagerung passt. Erst danach lohnt ein Vergleich mit der Lane, die bei uns heute läuft. Wer die API-Vorschau nutzt, schickt seine Prompts an Mistral. Wo die Vorschau gehostet ist, nennt die Ankündigung nicht. Für Daten, die bei uns nur lokal verarbeitet werden dürfen, ist das keine Option.

Die Sicherheitszahlen verdienen zusätzliche Vorsicht. Ein Test, den Konkurrenten wegen ihrer Schutzfilter nicht bestehen, sagt wenig darüber, wie gut ML4 Schwachstellen findet. Ob ML4 Schwachstellen tatsächlich besser findet als die Konkurrenz, lässt sich erst mit den Gewichten und einem eigenen Testaufbau beurteilen.

Weiterführende Quellen

Introducing Mistral Large 4 (Mistral, 6. Oktober 2026): Primärquelle mit Architektur, Benchmarks und Zeitplan
Mistral Large 4 soll das stärkste offene KI-Modell aus Europa und den USA sein (The Decoder): Einordnung mit den Werten von Artificial Analysis
Simple Icons: mistralai.svg: Logo, CC0

Fragen?

Sind die Gewichte von Mistral Large 4 schon verfügbar?+

Nein. Mistral hat am 6. Oktober 2026 eine öffentliche Vorschau über die API in Mistral Studio gestartet und kündigt die Gewichte für das Ende des Monats an. Eine Lizenz nennt die Ankündigung nicht. Bis zur Veröffentlichung führt Artificial Analysis das Modell noch als proprietär.

Wie viele Parameter sind bei Mistral Large 4 aktiv?+

Laut Mistral hat das Modell 1 Billion Parameter, davon 52 Milliarden aktiv. The Decoder nennt in seinem Bericht 49 Milliarden. Wir übernehmen die Zahl aus der Herstellerseite und halten fest, dass die beiden Quellen voneinander abweichen.

Läuft Mistral Large 4 auf einem Server mit vier RTX 5090?+

Nach unserer Rechnung nicht rein auf den Karten. Vier RTX 5090 haben zusammen 128 GB VRAM. Allein die Gewichte von einer Billion Parametern brauchen bei 4 Bit rund 500 GB, bei 8 Bit rund 1 TB. Mit Auslagerung der Experten in den Arbeitsspeicher wäre der Betrieb denkbar, aber langsam. Gemessen haben wir nichts, denn die Gewichte gibt es noch nicht.