Mistral AI veröffentlicht die Gewichte von Mistral Large 4 mit einer Billion Parametern

Sicherheitsteams und regulierte Unternehmen können jetzt ein Modell in der Größenordnung eines Frontier-Modells herunterladen und sensiblen Code, Protokolle und Vorfallsdaten in der eigenen Infrastruktur halten. Das ist eine Alternative zu gehosteten Modellen von OpenAI und Anthropic, deren Zugang der Anbieter jederzeit ändern kann. Unabhängige Benchmark-Ergebnisse fehlen noch. Offen sind auch die Genauigkeit bei langem Kontext und die tatsächlichen Kosten für den Betrieb eines Modells mit einer Billion Parametern.

Mistral AI gibt die Gewichte frei

Mistral AI hat die Gewichte auf Hugging Face bereitgestellt und bietet dasselbe Modell über die eigene API an.

Mistral AI nennt es Le Chonk. Das Modell ist nativ multimodal und verarbeitet Text und Bilder als Eingabe. Mistral Large 4 hat insgesamt etwa 1 Billion Parameter. Pro Anfrage läuft nur ein Teil davon: rund 52 Milliarden aktive Parameter in einem Mixture-of-Experts-Aufbau, berichten zwei Quellen. Eine dritte Quelle nennt etwa 49 Milliarden aktive Parameter und insgesamt etwa 1,05 Billionen. Dieser sparse Aufbau macht ein Modell dieser Größe überhaupt bedienbar, weil nicht für jedes Token das gesamte Netz rechnet.

Warum Sicherheitsteams das interessiert

Mistral AI hat die Veröffentlichung auf Sicherheitsarbeit ausgerichtet. Dazu gehören das Finden von Schwachstellen, ihre Reproduktion in einer Sandbox und das Patchen des Codes, ohne Funktionen zu beschädigen.

Pierre Stock, Vizepräsident für Wissenschaft bei Mistral AI, argumentierte, herunterladbare Gewichte schützten davor, dass ein Anbieter den Zugang abschaltet. "Sobald man die Gewichte quelloffen macht, sind sie im ganzen Internet verbreitet. Es ist unmöglich, den Zugang zu kappen", sagte er vor Journalisten. Er fügte hinzu: "Man möchte nicht in einer Welt leben, in der der Nachbar von einem Tag auf den anderen den Strom abstellen kann." Das Unternehmen meldet 51% im Artificial Analysis Cyber Index und eine Ablehnungsquote von 96,6% bei getesteten bösartigen Cybersecurity-Anfragen.

Die Doppelnutzung ist der naheliegende Einwand. Rafe Pilling, Senior Director of Threat Intelligence bei Sophos, nannte es "eindeutig eine Dual-Use-Technologie". Alles, was herunterladbar und unbeschränkt sei, könne ebenso missbraucht wie produktiv genutzt werden.

Die Benchmark-Angaben

Die meisten Leistungszahlen stammen von Mistral AI selbst.

Das Unternehmen meldet 48% im Artificial Analysis Coding Agent Index. Es gibt an, das Modell verbrauche pro Aufgabe im Schnitt 47% weniger Token als GLM-5.3. TechRepublic berichtete, die 48% lägen gleichauf mit GLM-5.3; lavx.hu setzte GLM-5.3 einen Punkt davor, auf 49. Auf Terminal-Bench 4.0 meldet Mistral AI 41%, nach 28% in der Vorschau, ein Zuwachs von 13 Prozentpunkten. Außerdem meldet das Unternehmen 73,3% bei Finch-Finanzworkflows und 84,5% bei BrowseComp.

Die Widerstandsfähigkeit gegen Angriffe im B3 Agent Security Benchmark stieg auf 97,1% von 93,3% in der Vorschau. Die Zahlen stammen vom Unternehmen selbst.

Was der Betrieb kostet

Allein der quantisierte Checkpoint umfasst 606GB. Wer in voller Präzision hostet, braucht daher erhebliche GPU-Kapazität. Die Lizenz ist eine abgewandelte MIT-Lizenz. Sie erlaubt freie Nutzung, Veränderung, Fine-Tuning und Kommerzialisierung. Wer das Modell als Dienst anbietet, braucht eine separate kommerzielle Lizenz. Die API-Preise für Teams, die lieber mieten, liegen bei $0,70 pro Million Input-Token, $0,07 für gecachten Input und $2,10 für Output.

Mistral AI hat das Modell auf Nvidia GB200 GPUs trainiert, in den eigenen europäischen Rechenzentren. Eine Quelle nennt 3.840 GPUs über 45 Tage, etwa 4,15 Millionen GPU-Stunden; lavx.hu berichtet von rund 4.000 GPUs über zwei Monate. Wer das Modell selbst hostet, braucht weiterhin technisches Know-how. Dazu kommen Sicherheitsprozesse, um es selbst zu betreiben und zu überwachen. Für das Kontextfenster von 1 Million Token hat Mistral AI außerdem keine Genauigkeitskurve für langen Kontext veröffentlicht, merkte shattered.io an.

Der Wettbewerb um offene Gewichte

Der nähere Kampf gilt chinesischen Modellen mit offenen Gewichten.

CEO Arthur Mensch beschrieb KI als "ein Werkzeug zur Befähigung, nicht zur Beherrschung".

Das Unternehmen sagt, Unternehmen und Regierungen erhielten "Frontier-KI-Fähigkeiten zur Cyberabwehr, die sie vollständig besitzen und kontrollieren können". Offen bleibt, ob der Vorsprung in den Benchmarks außerhalb der Tests hält. Unklar ist auch, was ein Betrieb in voller Präzision an Hardware kostet.