Mistral Large 4 (Le Chonk): Specs, Benchmarks, Preis und wann die Gewichte kommen

Mistral Large 4, Spitzname Le Chonk, ist ein Mixture-of-Experts-Modell mit 1 Billion Parametern und 49 Milliarden aktiven Parametern. Mistral AI hat es am 6. Oktober 2026 als öffentliche Preview-API veröffentlicht und will die Open Weights bis Ende Oktober nachliefern. Es liest Text und Bilder, antwortet in Text und kostet laut Preisliste $1.36 pro Million Input-Tokens.

Mistral nennt es das stärkste Open-Weight-Modell aus den USA oder Europa und konkurrenzfähig mit den besten offenen Modellen weltweit. Die ersten unabhängigen Zahlen stützen die erste Hälfte dieser Aussage und machen die zweite komplizierter. Dieser Artikel stellt die Benchmarks von Mistral neben die Scores, die Artificial Analysis und Vals.ai am Launch-Tag veröffentlicht haben. Außerdem geht es um die Specs, den Preis und darum, was „Open Weights“ bei einem Modell heißt, das du noch nicht herunterladen kannst.

Das Wichtigste in Kürze

• Größe: 1,05 Billionen Parameter insgesamt, 49 Milliarden davon aktiv zum Launch (die Doku-Karte nennt inzwischen 52 Milliarden), dazu ein Vision-Encoder mit 1,6 Milliarden Parametern. Text und Bild rein, Text raus.
• Unabhängiger Score: 38 im Artificial Analysis Intelligence Index v4.3.2, weit vor US-Open-Modellen wie Nemotron 3 Ultra (23), aber 6 bis 8 Punkte hinter GLM-5.3, Kimi K3 und MiMo-V2.6-Pro.
• Preis: $1.36 Input / $4.18 Output pro Million Tokens laut Preisliste. Die Modellseite von Mistral zeigt derzeit die Hälfte, $0.68 / $2.09, ohne zu sagen, warum oder wie lange.
• Gewichte: noch nicht verfügbar. Mistral sagt bis Ende Oktober, Journalisten wurde der 27. Oktober genannt. Eine Lizenz ist noch nicht bekannt.
• Das eigentliche Argument: Cyberabwehr. Mistral meldet 82 % in einem Test, bei dem eine Sicherheitslücke reproduziert und gepatcht werden muss. Claude Opus 5.5 und GPT-6 Astra kommen dort laut Mistral auf fast null, weil sie die Aufgabe verweigern.

Was Mistral Large 4 ist

Mistral Large 4 ist das bisher größte und leistungsfähigste Modell von Mistral AI, ein sparsames Mixture-of-Experts-Netz, das pro Token nur etwa 5 % seiner Gewichte aktiviert. Mistral selbst nennt es ein „open-weight hybrid instruct-and-reasoning MoE with multimodal input“. Ein einziges Modell erledigt also schnelle Antworten, schrittweises Reasoning und agentische Arbeit mit Tools.

Mistral hat es um 13:06 UTC auf X angekündigt. Der Post enthält die vier Aussagen, an denen der ganze Launch hängt: Größe, Platz unter den Open-Weight-Modellen, Zielbranchen und europäische Infrastruktur.

Meet Mistral Large 4, aka Le Chonk.

• 1T parameters, natively multimodal. 49B active.
It is the best open weights model from US or Europe on aggregated benchmarks.
• State-of-the-art on critical workloads, including cyber defense, manufacturing and finance and it surpasses closed frontier models on visual grounding.
• Forged in Europe end-to-end and is deployable from Europe via our own Mistral Cloud infrastructure.
• Available to all via API today. Working with cybersecurity partners privately.

Open weights release end of October.

— Mistral AI (@MistralAI) October 6, 2026

Die Specs unten stammen aus der Modellkarte in der Mistral-Doku und aus der Ankündigung. Wo eine unabhängige Quelle eine andere Zahl nennt, steht das in der Tabelle.

Zwei Specs stimmen zwischen den Quellen nicht überein. Die Ankündigung von Mistral und beide Launch-Posts auf X nennen 49 Milliarden aktive Parameter, und so stand es auch auf der Doku-Karte, als wir sie am Launch-Tag zum ersten Mal gelesen haben. Weniger als eine Stunde später stand dort 52 Milliarden, ohne jede Erklärung. Die größere Lücke betrifft das Kontextfenster. Die Doku-Karte von Mistral nennt 1M Tokens. Artificial Analysis nennt 524.288 Tokens und Vals 512K mit einer Output-Grenze von 256K. Solange Mistral die Lücke nicht erklärt, plane mit 512K.

Warum es Le Chonk heißt

Le Chonk ist Internet-Slang für eine sehr dicke Katze, und der Name ist ein Witz, den die Community angefangen hat. VentureBeat führt ihn auf Le Chaton Fat zurück, ein erfundenes Riesenmodell von Mistral, das im Juni mit gefälschten Benchmark-Charts auf X und Reddit viral ging. Mistral-CEO Arthur Mensch antwortete damals, es sei „actually le gros chaton“. Chefwissenschaftler Guillaume Lample sagte VentureBeat, man habe bei Mistral Spaß an dem Meme gehabt, und ML4 lasse sich als erste Version der Idee lesen. Größere Modelle sollen folgen.

Der Trainingslauf war kein Witz. Laut Mistral wurde ML4 von Grund auf auf 3.800 NVIDIA Grace Blackwell GPUs in eigenen europäischen Rechenzentren trainiert, und die Preview läuft auf denselben Maschinen. VentureBeat, CNBC und Euronews berichten von 4.000 GPUs und etwa zwei Monaten, was offenbar aus dem Pressebriefing stammt. Die schriftliche Ankündigung von Mistral nennt 3.800.

Unser Artikel zu Le Chaton Fat endete mit einem einfachen Test für jedes gehypte Modell: keine Gewichte, keine API und keine Doku heißt, es ist wahrscheinlich ein Kätzchen. Le Chonk besteht heute zwei von drei Punkten. Die Gewichte sind der dritte.

Mistral Large 4 Benchmarks: Mistrals Zahlen gegen unabhängige

Mistral Large 4 schlägt laut den bisher veröffentlichten unabhängigen Daten jedes Open-Modell aus den USA und Europa, kommt aber nicht an die besten chinesischen Open-Modelle heran. Die Charts von Mistral und die ersten Scores von Dritten erzählen zwei leicht unterschiedliche Geschichten, deshalb trennen wir sie hier.

Was Mistral meldet

Mistral meldet 61,7 % in DeepSWE v1.1 fürs Coding, die Hauptzahl seiner Launch-Ankündigung. Dazu kommen 59,4 % in SWE-Atlas-QnA und 28,3 % in Terminal-Bench 4.0, zusammen 49,8 % im Coding Agent Index. Damit liegt es laut Mistral vor DeepSeek V4 Pro 0813 und Qwen3.8 Max.

VentureBeat hat den Coding-Chart überprüft und mit dem Live-Leaderboard von DeepSWE verglichen. Dieses Leaderboard nimmt für jedes Modell das beste veröffentlichte Agent-Setup und sieht GLM-5.3 und Kimi K3 bei etwa 69 %, GPT-6 Astra, Gemini 3.8 Flash und Claude Opus 5 bei rund 74 %.

61,7 % sind also konkurrenzfähig, aber keine Spitze.

Alle weiteren Hauptaussagen stammen von Mistral selbst. Mistral Large 4 erreicht 59,9 % in AutomationBench, einem Set aus 657 Business-Workflows quer durch Gmail, Google Sheets, Slack und Salesforce. In AA-Briefcase für lange Wissensarbeit kommt es auf 1.393 Elo. Im Visual-Grounding-Test Dense 200 erzielt es 42 % gegenüber 41 % bei GPT-6 Astra, die Grundlage für den Satz im Launch-Post, es „surpasses closed frontier models on visual grounding“. In einem Blindtest zur Code-Qualität mit Surge AI gaben Bewerter ihm 3,74 von 5 Punkten, Platz zwei von fünf Modellen, nur hinter Claude Opus 5 mit 4,22.

Was unabhängige Tester gemessen haben

Artificial Analysis gibt Mistral Large 4 Preview 38 Punkte im Intelligence Index v4.3.2, einem Mix aus 10 Tests. Das liegt weit über US-Open-Modellen im AA-Ranking wie Nemotron 3 Ultra von NVIDIA (23), Gemma 4 31B von Google (15) und gpt-oss-120b von OpenAI (12). Gleichzeitig liegt es klar unter den besten chinesischen Open-Modellen, die wir am Launch-Tag jeweils auf ihrer eigenen AA-Seite geprüft haben.

Zwei weitere Details auf der AA-Seite sind wichtig. Mistral Large 4 ist schnell, etwa 116 Output-Tokens pro Sekunde, aber sehr wortreich: Für den Index hat es 200 Millionen Tokens erzeugt, der Median liegt bei 81 Millionen. Deshalb setzt AA die Kosten pro Index-Aufgabe trotz des moderaten Listenpreises bei $1.13 an. Unser Guide zu KI-Benchmarks erklärt, was der Index misst und warum eine einzelne Zahl nie einen Vergleich entscheidet.

Vals.ai, der zweite unabhängige Tester, gibt ihm 48,05 % im Vals Index, Platz 32 von 44 Modellen insgesamt und Platz neun unter den Open-Weight-Modellen. Das stärkste Ergebnis ist Harvey's Legal Agent Benchmark mit 15,83 %, Platz sechs von 75 und Platz eins unter den offenen Modellen. Vals hat dieses Ranking wenige Minuten nach dem Launch gepostet.

Mistral Large 4 is now the #1 open-weight model on HLAB and #9 among open-weight models on the Vals Index.

— Vals AI (@ValsAI) October 6, 2026

Ehrlich zusammengefasst: Die Aussage, ML4 sei das beste Open-Modell aus den USA oder Europa, hält auf Artificial Analysis. Die Aussage, es halte mit den stärksten Open-Modellen weltweit mit, ist übertrieben. Auf Artificial Analysis liegen GLM 5.3 und Kimi K3 sechs bis sieben Punkte vorn. Laut Mistral läuft das Reinforcement Learning noch, der finale Checkpoint könnte also einen Teil der Lücke schließen.

Cybersecurity ist der echte Unterschied

Das stärkste Argument für Mistral Large 4 ist Cybersecurity, nicht allgemeine Intelligenz. Laut Mistral gehört es im Artificial Analysis Cyber Index zu den fünf besten Modellen weltweit und führt unter den Open-Weight-Modellen außerhalb Chinas mit großem Abstand. Einer der Tests im Index verlangt, eine echte Schwachstelle in Open-Source-Software zu reproduzieren und dann zu patchen. Mistral meldet dort 82 %, den höchsten Wert aller Modelle. Außerdem soll ML4 93 % der 40 Aufgaben in Cybench lösen.

Spannend ist, warum es diesen Test gewinnt.

Laut Mistral kommen Claude Opus 5.5 und GPT-6 Astra bei derselben Aufgabe auf fast null, weil sie sie verweigern. Mistral argumentiert, dass Verteidiger oft erst beweisen müssen, dass eine Lücke echt ist, bevor sie sie schließen. Ein Sicherheitsfilter des Anbieters kann genau diese Arbeit mitten in einem Vorfall blockieren. Ein Open-Weight-Modell auf deinen eigenen Servern lässt sich nicht durch eine Richtlinienänderung abschalten.

Gleichzeitig sichert Mistral diese Wette ab. Bis die Gewichte erscheinen, testet Mistral das Modell im Red-Teaming mit Security-Firmen, geprüften Partnern und staatlichen Stellen, die Zugang mit reduzierter Moderation und erweiterten Cyber-Fähigkeiten bekommen. Außerdem meldet Mistral, dass ML4 bösartige Cyber-Prompts häufiger ablehnt als jedes andere getestete Open-Modell. Lample beschrieb das Ziel am Launch-Tag so, dass Unternehmen und Regierungen sich „defend themselves against threat actors that are jailbreaking closed models to perform cyber attacks“ können, wie CNBC zitiert.

Z.ai stand im August vor demselben Dilemma. GLM 5.3 kam ohne Gewichte, und Z.ai schrieb auf X, sie würden „in stages following rigorous safety evaluations“ veröffentlicht. Mistral hat ein festeres Versprechen gegeben, und der 27. Oktober ist jetzt der Test dafür.

Ist Mistral Large 4 schon Open Source?

Nein. Mistral Large 4 ist als Open-Weight-Modell angekündigt, aber am Launch-Tag gibt es nur die Preview-API. Laut Ankündigung erscheinen die Gewichte „by the end of the month“, zusammen mit Details zur Architektur, weiteren Benchmarks und zum Post-Training. VentureBeat und Euronews bekamen ein konkretes Datum, den 27. Oktober.

Lamples Launch-Thread erklärt den Abstand. Das Reinforcement Learning hinter der Preview läuft noch, und Mistral will zusammen mit den Gewichten eine finale Version veröffentlichen.

Today, we are launching a preview of our new model, Mistral Large 4 (ML4), aka le Chonk 🐈.
ML4 is a 1T-parameter model with 49B active parameters, trained natively with multimodal capabilities.

It is at the frontier of open models, and by far the strongest open-weight model from the US or Europe.
The RL run behind this preview is still in flight and shows no sign of saturation -- we will release a final version before the end of the month along with the weights of the model.
🧵
1/n

— Guillaume Lample (@GuillaumeLample) October 6, 2026

Offen ist die Lizenz. Die Doku-Karte von Mistral markiert das Modell als „Open“, nennt aber keine Lizenz, und laut VentureBeat wird eine eigene Mistral-Lizenz erwartet. Das ist wichtig, denn das Mistral-Angebot steht nicht durchgehend unter Apache 2.0. Large 3 erscheint unter Apache 2.0, Mistral Medium 3.5 dagegen unter einer modifizierten MIT-Lizenz, wie Mistrals eigene Doku zeigt. Bis Mistral die Bedingungen für Large 4 veröffentlicht, geh nicht von kostenloser kommerzieller Nutzung aus.

Artificial Analysis führt Mistral Large 4 Preview derzeit als „proprietary“, und herunterladen lässt sich noch nichts. Wenn du Gewichte brauchst, die du heute schon laufen lassen kannst, zeigt unsere Liste der besten Open-Source-KI-Modelle, was tatsächlich verfügbar ist.

Mistral Large 4 Preis

Mistral Large 4 kostet laut Liste $1.36 pro Million Input-Tokens und $4.18 pro Million Output-Tokens, gecachter Input $0.14. Diese Zahlen stehen in der Ankündigung von Mistral und auf den Seiten von Artificial Analysis und Vals.

Die Modellkarte in der Mistral-Doku zeigt etwas anderes. Dort sind alle drei Preise durchgestrichen und durch genau die Hälfte ersetzt: $0.68 Input, $0.07 gecachter Input und $2.09 Output. Weder die Karte noch die Ankündigung sagt, ob das ein Preview-Rabatt ist, wie lange er gilt oder was mit dem finalen Modell passiert. Wenn du budgetierst, rechne mit dem Listenpreis und nimm den halben Preis als Bonus.

Mistral Large 4 kostet mehr als Large 3, das für $0.50 und $1.50 weiter im Angebot bleibt, für Teams, die das ältere Open-Modell wollen. Unser Guide zu den Mistral-AI-Preisen erklärt die Vibe-Abos und den Rest des API-Angebots. Mistral vergleicht sich öfter mit DeepSeek V4 Pro als mit jedem anderen Modell, und unser DeepSeek-V4-Überblick beschreibt diesen Rivalen.

So testest du Mistral Large 4 schon heute

Am Launch-Tag kommst du nur über die Preview-API in Mistral Studio an Mistral Large 4, die Entwicklerplattform von Mistral. Leg ein Studio-Konto an, hinterlege Zahlungsdaten, erzeuge einen API-Key und ruf das Modell über die Endpoints chat completions oder conversations mit seinem Namen auf. Laut Doku-Karte werden strukturierte Ausgaben, Function Calling, Fragen zu Dokumenten, Batch-Verarbeitung und die eingebauten Agent-Tools von Mistral unterstützt.

Die Ankündigung erwähnt Vibe nicht, den Consumer-Assistenten, der früher Le Chat hieß. Erwarte Large 4 also noch nicht im Modellmenü von Vibe. Laut Mistral läuft ML4 in mehreren Regionen, darunter ein europäisches Deployment, das Mistral komplett selbst nach europäischem Recht betreibt. Private Cloud und On-Premise folgen, sobald die Gewichte da sind. Wenn du vor allem Antworten mehrerer Spitzenmodelle vergleichen willst, ohne API-Keys zu verwalten, bietet Fello AI Mistral neben Claude, GPT und Gemini in einer Mac-App.

Lohnt sich der Wechsel zu Mistral Large 4?

Wechsle jetzt nur, wenn europäisches Hosting oder Cybersecurity der Grund für deine Suche ist. Für ein Team, das seine KI in der EU nach europäischem Recht verarbeiten muss, ist Mistral Large 4 das stärkste Modell, das Mistral je auf eigener europäischer Infrastruktur betrieben hat. Kein anderes europäisches Modell kommt auf Artificial Analysis auch nur in die Nähe. Für Security-Teams, die genug von Verweigerungen bei legitimer Arbeit an Schwachstellen haben, ist Mistrals Ergebnis im Reproduce-and-Patch-Test der beste Grund, es diesen Monat zu testen.

Alle anderen warten besser auf den 27. Oktober.

Nach den heutigen unabhängigen Zahlen sind GLM-5.3 und Kimi K3 noch die stärkeren Open-Modelle, und beide kannst du jetzt herunterladen. Die Preview verändert sich laut Mistral selbst noch, die Lizenz ist unbekannt, und der halbe Preis bleibt vielleicht nicht. Das echte Urteil über Le Chonk fällt, wenn die Gewichte da sind und Außenstehende den finalen Checkpoint auf eigener Hardware testen können.

FAQ