Mistral Large 4 will Europas KI-Aufwind zurückbringen

TVS News AI redaktionell betreut präsentiert Mistral Large 4: Greift das Modell die China-Konkurrenz an.

Nach drei Wochen Preview hat die französische KI-Firma Mistral AI die Gewichte von Large 4 auf Hugging Face veröffentlicht. Das multimodale Modell wurde auf 3.800 Nvidia-Beschleunigern trainiert und bringt eine Billion Parameter mit. Für den eigenen Betrieb ist es damit noch zu groß: Mistral nennt dafür ausdrücklich Hobbyist:innen mit Gaming-PCs oder einzelnen Nvidia-KI-Beschleunigern als zu kleine Zielgruppe.

Die Veröffentlichung beendet eine Preview-Phase, an der Mitglieder eines Early-Access-Kundenprogramms und spezialisierte Cybersecurity-Partner teilgenommen haben. Zu diesen Partnern zählen ASML, Cisco, CrowdStrike, Microsoft und die European Space Agency. Laut t3n verbesserte sich die Qualität des Sprachmodells während dieser Phase durch Reinforcement Learning: Das Modell erhielt Rückmeldung für erwünschte Ergebnisse, daraus folgte ein zusätzliches Fine-Tuning.

Large 4 soll Mistral bei Coding und Cyber-Sicherheit zurückbringen

Der Leistungsanspruch

Large 4 richtet sich gezielt gegen chinesische Open-Weight-Modelle. Bei zwei Benchmarks nennt Mistral nach eigener Angabe konkrete Ergebnisse: Im Cybersicherheits-Benchmark CyberGym-E2E liegt das Modell vor GLM-5.3 und Kimi K3. Beim agentischen Coding-Benchmark Terminal Bench 4.0 erreicht es mit GLM-5.3 denselben Stand. Gegenüber Kimi K3 und Metas offenem Muse Spark Open schneidet Large 4 nach Einschätzung von t3n mutmaßlich deutlich besser ab.

Damit liefert der Hersteller erstmals konkrete Vergleichspunkte. Die Einschränkung ist wichtig: Eine unabhängige Evaluierung von Large 4 liegt bislang nicht vor. Die Benchmark-Platzierung ist deshalb ein Anspruch von Mistral, kein bereits unabhängig bestätigtes Gesamtergebnis.

Warum der Vergleich für Mistral zählt

Vor Large 4 hatte Mistral das mittelgroße Mistral Medium 3.5 als Flaggschiff vermarktet. Laut der Analyseplattform Artificial Analysis lag das Modell in Benchmarks jedoch teilweise deutlich hinter der chinesischen Konkurrenz zurück. Dazu kam, dass Mistral seine eigene Compute-Infrastruktur für Konkurrenten öffnete. Das deutete laut t3n darauf hin, dass die Nutzung der eigenen Modelle hinter den Erwartungen geblieben war.

Large 4 soll diese Schwäche nicht nur mit mehr Parametern beheben. Der Fokus liegt auf Aufgaben, bei denen ein Modell Code schreiben, Werkzeuge bedienen oder Sicherheitsprobleme bearbeiten soll. Dass das Modell multimodal ist, erweitert diesen Ansatz um die Verarbeitung verschiedener Eingabeformate.

Offene Gewichte, hohe Hürde für den eigenen Betrieb

Der Preis vor der Veröffentlichung

Die Preview-Version kostete vor Veröffentlichung der Gewichte 1,4 US-Dollar pro Million Input-Token und 4,2 US-Dollar pro Million Output-Token. Zum Vergleich: Kimi K3.1 Pro verlangte laut t3n zwei beziehungsweise zehn Dollar. Die API von Z.ai für GLM-5.3 lag ungefähr auf demselben Niveau wie Large 4.

Die Preise machen Large 4 im Vergleich zu den chinesischen Modellen attraktiv, setzen aber einen praktischen Haken: Für den eigenen Betrieb ist das Modell mit 3.800 Nvidia-Beschleunigern und einer Billion Parametern zu aufwendig. Mistral will deshalb in den kommenden Wochen quantifizierte Versionen veröffentlichen. Dazu sollen auch Modelle gehören, die auf Laptops oder Gaming-PCs nutzbar sind.

Die Rolle von Open Weight

Large 4 ist als Open-Weight-Modell verfügbar. Das macht die Gewichte für die Weiterentwicklung zugänglich, sagt aber wenig über den Grad der Offenheit des gesamten Trainings- und Veröffentlichungsprozesses aus. t3n fragte Mistral deshalb im Pressebriefing, ob das Unternehmen statt Open Weight eine vollständig transparente Open-Source-Veröffentlichung wie bei Soofi oder Apertus erwägen würde.

Wissenschaftsvize Pierre Stock wich dieser Frage aus: „Ich denke nicht, dass KI eine derartige Blackbox ist, wie die Leute glauben. Seit es Reasoning-Modelle gibt, wird sichtbar, was die Modelle denken.“ Mistral setzt dafür auf Überwachungs- und Entscheidungsmodelle, um die Interpretierbarkeit und Transparenz der größeren Modelle zu erhöhen.

Stock räumt damit zugleich eine Grenze der Darstellung ein: Reasoning-Schritte sind sichtbar, aber die Überprüfbarkeit könnte mit komplexeren Modellen schwieriger werden. Offene Gewichte und nachvollziehbare Entscheidungen sind also zwei unterschiedliche Fragen.

Europäische KI mit 3 Milliarden Euro Rückenwind

Die finanzielle Grundlage

Mistral hat im September 2026 drei Milliarden Euro frisches Kapital eingesammelt. Das Kapital soll sowohl die Weiterentwicklung der Modelle als auch den Ausbau der Rechenkapazität finanzieren. Für Large 4 ist dieser Zeitpunkt entscheidend, weil die offenen Gewichte zunächst durch den hohen Trainings- und Inferenzaufwand geprägt sind.

Was bleibt unabhängig zu prüfen

Die Meldung liefert inzwischen mehr als einen Produktnamen: 3.800 Nvidia-Beschleunigere, eine Billion Parameter, zwei Benchmarks, konkrete API-Preise und eine geplante Reihe quantifizierter Versionen. Sie bestätigt aber noch nicht, ob Large 4 im Alltag zuverlässiger arbeitet als die führenden Alternativen.

Für die europäische KI-Landschaft ist der Anspruch dennoch relevant. Laut t3n gilt Mistral als das einzige global konkurrenzfähige EU-KI-Labor. Ob Large 4 diesen Anspruch mit unabhängigen Tests, nachvollziehbaren Fehlern und realistischem Praxiseinsatz bestätigt, bleibt offen. Bis dahin lautet die Bilanz: Die Benchmarks sind konkret, die unabhängige Prüfung fehlt.