Mistral Large 4: Das beste Modell aus Europa

Mistral meldet sich mit einem ungewöhnlich großen KI-Modell an der Spitze der europäischen Entwicklung zurück. Mistral Large 4 alias »Le Chonk« kommt auf 1,05 Billionen Parameter, verarbeitet Text und Bilder und soll Ende Oktober auch als Open-Weights-Modell erscheinen.

Europas Spitze liegt noch hinter China

Im unabhängigen Intelligence Index von Artificial Analysis erreicht Mistral Large 4 einen Wert von 38. Damit ist es das stärkste für Open Weights vorgesehene Modell aus den USA oder Europa. Die globale Spitze erreicht es jedoch nicht. Chinesische Open-Weights-Modelle wie MiMo-V2.6-Pro, GLM-5.3 und Kimi K3 kommen auf 44 bis 46 Punkte. Claude Opus 5.5 führt die gesamte Rangliste mit 58 Punkten an.

Interessanter wird das Bild in einzelnen Disziplinen. Bei AutomationBench kommt ML4 in 657 geschäftlichen Arbeitsabläufen auf einen AA-Score von knapp 60 Prozent. Damit liegt es vor DeepSeek V4 Pro und Qwen3.8, aber knapp hinter Kimi K3 und GLM-5.3.

Im Terminal-Bench 4.0 erreicht das Modell 28 Prozent. Das ist etwa doppelt so viel wie DeepSeek V4 Pro, reicht aber nicht an die 42 Prozent von GLM-5.3 heran. Bei DeepSWE 1.1 steht ML4 mit 62 Prozent zwischen GLM-5.3 und Kimi K3.

Cybersecurity ist die große Stärke

Am deutlichsten setzt sich Mistral Large 4 bei Cybersecurity-Aufgaben ab. Im CyberGym-E2E reproduziert und behebt es 82 Prozent realer Schwachstellen in Open-Source-Software. Kein anderes Modell im Vergleich erreicht diesen Wert. Im breiter angelegten Cyber Index kommt ML4 auf 50 Punkte und teilt sich die Spitze mit GLM-5.3 Flash.

Auch bei Finanzaufgaben hält das Modell mit der geschlossenen Konkurrenz mit. Im Finance Agent V2 erreicht es 55 Prozent, übertrifft damit sogar GPT-6 Astra knapp und liegt nur hinter GLM-5.3. Bei der Arbeit mit Dokumenten, Tabellen und Präsentationen erzielt ML4 im AA-Briefcase 1.393 Elo.

Die Architektur verteilt ihre 1,05 Billionen Parameter auf mehrere Experten. Pro Eingabe sind 49 Milliarden davon aktiv. Das hält den Rechenaufwand niedriger, als die Gesamtgröße zunächst vermuten lässt. Hinzu kommen ein Kontextfenster von einer Million Token und ein Bild-Encoder mit 1,6 Milliarden Parametern.

API ist verfügbar, Open Weights folgen

Mistral hat »ML4« mit 3.800 Nvidia Grace Blackwell GPUs in eigenen europäischen Rechenzentren trainiert. Ein großer Anteil der Trainingsdaten deckt mehr als 160 Sprachen ab, darunter alle Amtssprachen der Europäischen Union. Unternehmen können das Modell künftig in der eigenen Cloud oder auf eigenen Servern betreiben.

Die öffentliche Vorschau ist bereits über Mistral Studio und die API verfügbar. Eine Million Eingabe-Token kostet zum Start 0,68 Dollar, zwischengespeicherte Eingaben kosten 0,07 Dollar und Ausgaben 2,09 Dollar. Die Modellgewichte sollen am 27. Oktober folgen.

Unterm Strich kann man sagen, dass es ein sehr gutes Modell ist, aber beim Preis und der Leistung trotzdem nicht mit den ganz Großen mithalten kann.