Mistral startet Vorschau von Large 4, einem Open-Weight-Modell mit einer Billion Parametern

Was Mistral veröffentlicht

Mistral Large 4, das das Unternehmen intern ML4 und „le Chonk“ nennt, ist ab sofort als Preview-API in Mistral Studio verfügbar. Nach Angaben von Mistral wurde es von Grund auf auf 3.800 NVIDIA-Grace-Blackwell-GPUs in den eigenen Rechenzentren des Unternehmens in Europa trainiert, und die Vorschau läuft auf derselben Infrastruktur.

Mistral zufolge ist das Modell mit den stärksten Open-Source-Modellen weltweit konkurrenzfähig und übertrifft jedes in den USA oder Europa entwickelte Open-Weight-Modell deutlich. Bei Unternehmensanwendungen wie Cybersicherheit, Finanzwesen und Recht sei es unter den offenen Modellen Stand der Technik. Beim Visual Grounding übertreffe das Modell nach Angaben des Unternehmens sogar führende proprietäre Modelle.

Ein erheblicher Teil der Trainingsdaten war mehrsprachig und deckte mehr als 160 Sprachen ab, darunter alle Amtssprachen der Europäischen Union. Mistral gibt außerdem an, das Modell sei mit derselben Trainings-, Anpassungs- und RL-Umgebung trainiert worden, die das Unternehmen Kunden über Mistral Forge anbietet.

Cybersicherheit als zentraler Anwendungsfall

Mistral stellt die Cybersicherheit in den Mittelpunkt des Launchs. Im Artificial Analysis Cyber Index, einer unabhängigen Bewertung, wie gut Modelle Sicherheitslücken in echter Software finden und beheben, gehört ML4 laut Unternehmen zu den fünf besten Modellen weltweit. Bei den außerhalb Chinas entwickelten Open-Weight-Modellen liege es mit deutlichem Abstand vorn.

• In einem Indextest, bei dem ein Modell eine reale Schwachstelle in Open-Source-Software reproduzieren und anschließend patchen soll, erreicht ML4 82 Prozent. Das sei nach Angaben von Mistral der höchste Wert aller Modelle.
• Es löst 93 Prozent der Aufgaben in Cybench, einer Sammlung von 40 Übungen aus Sicherheitswettbewerben.

Mistral argumentiert, dass ein Teil dieses Vorsprungs auf Verweigerungen anderer Modelle beruht. Mehrere führende proprietäre Modelle, darunter Claude Opus 5.5 und GPT-6 Astra, erzielten im selben Test Werte nahe null, weil sie die Aufgabe ablehnten. Verteidiger müssten häufig nachweisen, dass eine Schwachstelle real ist, bevor sie sie beheben, und genau diese Arbeit könnten die Sicherheitsfilter proprietärer Modelle blockieren. Offene Gewichte und der Betrieb in eigener Umgebung ermöglichten es Organisationen dagegen, Sicherheitsarbeit nach eigenen Richtlinien durchzuführen, in der Private Cloud oder On-Premise.

Vor der Veröffentlichung der Gewichte führt Mistral Red-Teaming mit Cybersicherheitsverantwortlichen, geprüften Partnern und staatlichen Stellen durch. Diese Gruppen greifen auf dasselbe Modell zu, jedoch mit reduzierter Moderation und erweiterten Cyberfähigkeiten.

Ergebnisse bei Coding, Agenten und Multimodalität

Für Softwareentwicklung nennt Mistral 61,7 Prozent bei DeepSWE v1.1, 59,4 Prozent bei SWE-Atlas-QnA und 28,3 Prozent bei Terminal-Bench 4. Mit einem kombinierten Wert von 49,8 Prozent im Coding Agent Index liegt das Modell laut Unternehmen vor DeepSeek V4 Pro 0813 und Qwen3.8 Max. In einer blinden menschlichen Bewertung mit Surge AI stuften professionelle Annotatoren ML4 Preview mit 3,74 auf Platz zwei von fünf Modellen ein, vor Kimi K3 (3,59), GLM-5.3 (3,60) und GLM-5.2 (3,40) und nur hinter Claude Opus 5 (4,22).

Bei AutomationBench, das 657 Geschäftsabläufe in Anwendungen wie Gmail, Google Sheets, Slack und Salesforce abdeckt, erzielt ML4 59,9 Prozent und liegt damit vor Kimi K3, MiMo-V2.6-Pro und DeepSeek V4 Pro. Bei AA-Briefcase, das Wissensarbeit über lange Zeiträume bewertet, erreicht es 1.393 Elo und liegt vor DeepSeek V4 Pro.

Das Bildverständnis des Modells beschreibt Mistral als großen Sprung. Das Unternehmen verweist auf Arbeiten mit komplexen Dokumenten, Diagrammen, technischen Zeichnungen und Satellitenbildern im Gigapixel-Bereich. Im Visual-Grounding-Benchmark Dense 200 liege ML4 mit 42 zu 41 Prozent knapp vor GPT-6-Astra.

Wissenschaft und Mathematik

Mistral zufolge ist ML4 unter den Open-Weight-Modellen bei SciCode-Verified Stand der Technik. Das Modell könne zudem eine vollständige Hartree-Fock-Simulation in einem Durchgang erzeugen, und in menschlichen Bewertungen argumentiere es bei Mathematikaufgaben präziser und strukturierter als GLM-5.3.

Wie es weitergeht

Die Vorschau ist der erste Schritt. Mistral kündigt an, im Zuge der Veröffentlichung der Gewichte weitere Details zur Modellarchitektur, zusätzliche Benchmarks und die Methodik des Post-Trainings zu teilen. ML4 solle außerdem die Grundlage für eine neue Generation spezialisierter und optimierter Mistral-Modelle bilden.

Für Organisationen, die starke Leistung ohne Abhängigkeit von einem proprietären Anbieter wollen, lautet das Versprechen: Kontrolle. Mistral zufolge wird das Modell in mehreren Regionen weltweit verfügbar sein, darunter in einer europäischen Bereitstellung, die das Unternehmen durchgängig selbst betreibt, unabhängig von anderen Anbietern digitaler Dienste und nach europäischem Recht. Preise nennt das Unternehmen in der Ankündigung nicht, und die Benchmark-Ergebnisse stammen bislang von Mistral selbst, bis die Gewichte eine unabhängige Überprüfung ermöglichen.