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 am 29. Oktober eine verbesserte finale Version samt Open Weights nachgeliefert. Es liest Text und Bilder, antwortet in Text und kostet jetzt $0.70 pro Million Input-Tokens.
Mistral nennt es das beste Open-Weight-Modell fürs Programmieren und eines der fähigsten offenen Modelle überhaupt. Die unabhängigen Zahlen stützen die erste Hälfte der Aussage über die USA und Europa und machen die globale komplizierter. Dieser Artikel stellt Mistrals Benchmarks neben die Werte von Artificial Analysis und erklärt Specs, neuen Preis, Lizenz und wie du die Gewichte selbst betreibst. Wir haben ihn am Launch-Tag geschrieben und am 7. November 2026 aktualisiert, nachdem die Gewichte erschienen sind.
Das Wichtigste in Kürze
- Größe: 1,05 Billionen Parameter insgesamt, 49 Milliarden aktiv pro Token (52 Milliarden inklusive Embedding- und Output-Layer), dazu ein Vision-Encoder mit 1,6 Milliarden Parametern. Text und Bild rein, Text raus, mit einem Kontextfenster von 1M Tokens.
- Gewichte: seit dem 29. Oktober auf Hugging Face, zwei Tage nach dem 27. Oktober, den Mistral Journalisten genannt hatte, unter der Mistral Ecosystem Open-Weight License, einer modifizierten MIT-Lizenz.
- Preis: $0.70 Input / $2.10 Output pro Million Tokens, etwa die Hälfte des Preview-Listenpreises von $1.36 / $4.18.
- Unabhängiger Score: 26,1 im Artificial Analysis Intelligence Index v5.0.1, der höchste Wert aller offenen Modelle aus den USA oder Europa, aber hinter GLM-5.3 (31,7) und Kimi K3.1 Pro (46,5).
- Das eigentliche Argument: Programmieren und Cyberabwehr. Mistral meldet 48 % im Coding Agent Index von AA, gleichauf mit GLM-5.3, und 51 % im AA Cyber Index, während das Modell 96,6 % der bösartigen Cyber-Anfragen ablehnt.
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“, also ein Modell für schnelle Antworten, schrittweises Reasoning und agentische Tool-Nutzung. Die finale Version bringt drei Reasoning-Modi mit, low, medium und high (Standard), damit du bei jeder Anfrage Tiefe gegen Tempo und Kosten abwägen kannst.
Mistral hat die Preview am 6. Oktober um 13:06 UTC auf X angekündigt. Der Post enthält die vier Aussagen, an denen der Launch hängt: Größe, das Open-Weight-Ranking, die Zielbranchen und die europäische Infrastruktur.
Meet Mistral Large 4, aka Le Chonk.
— Mistral AI (@MistralAI) October 6, 2026
• 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.
Die Specs unten stammen aus Mistrals Modellkarte in der Dokumentation und aus der Modellkarte auf Hugging Face.
| Spec | Mistral Large 4 | Mistral Large 3 (zum Vergleich) |
|---|---|---|
| Veröffentlicht | 6. Oktober 2026 (Preview); 29. Oktober 2026 (finales Modell und Gewichte, v26.10) | 2. Dezember 2025 |
| Parameter gesamt | 1,05 Billionen | 675 Milliarden |
| Aktive Parameter | 49 Milliarden pro Token; 52 Milliarden inklusive Embedding- und Output-Layer | 41 Milliarden |
| Input / Output | Text und Bild rein, Text raus | Text und Bild rein, Text raus |
| Kontextfenster | 1M Tokens | 256K |
| Sprachen | 160+, alle offiziellen EU-Sprachen | k. A. |
| API-Preis (pro 1M Tokens) | $0.70 Input / $2.10 Output | Seit der Abkündigung nicht mehr in der Preisliste |
| Lizenz | Mistral Ecosystem Open-Weight License (modifizierte MIT) | Apache 2.0 |
| Status | Allgemein verfügbar, Gewichte auf Hugging Face | Abgekündigt am 31. Oktober 2026; Abschaltung am 30. April 2027 |
Beide Spec-Streitpunkte vom Launch-Tag sind geklärt. Die Preview-Unterlagen nannten 49 Milliarden aktive Parameter, während die Modellkarte innerhalb einer Stunde ohne Hinweis auf 52 Milliarden wechselte. Die Karte auf Hugging Face erklärt es: Pro Token sind 49 Milliarden Parameter aktiv, mit Embedding- und Output-Layer sind es 52 Milliarden. Auch die Lücke beim Kontextfenster ist zu. Am Launch-Tag nannte Artificial Analysis 524.288 Tokens und Vals 512K gegenüber Mistrals 1M; Mistral, Hugging Face und Artificial Analysis nennen jetzt alle 1M.
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, Mistral habe das Meme gefallen und ML4 lasse sich als erste Version der Idee lesen, größere Modelle sollen folgen.
Das Training war kein Witz. Laut Mistral wurde ML4 von Grund auf auf 3.800 NVIDIA-Grace-Blackwell-GPUs in eigenen europäischen Rechenzentren trainiert und läuft auf denselben Maschinen. VentureBeat, CNBC und Euronews berichteten von 4.000 GPUs über etwa zwei Monate, was offenbar aus dem Pressebriefing stammt. Mistrals schriftliche Ankündigung und die Karte auf Hugging Face nennen 3.800.
Unser Erklärartikel zu Le Chaton Fat endete mit einem einfachen Test für jedes Trend-Modell: keine Gewichte, keine API und keine Doku heißt wahrscheinlich Kätzchen. Am Launch-Tag bestand Le Chonk zwei von drei Punkten. Seit dem 29. Oktober besteht es alle drei.
Mistral Large 4 Benchmarks: Mistrals Zahlen gegen unabhängige
Mistral Large 4 übertrifft nach den bisher veröffentlichten unabhängigen Daten jedes offene Modell aus den USA und Europa, liegt aber nicht gleichauf mit den besten chinesischen offenen Modellen. Mistrals eigene Charts und die Werte Dritter erzählen zwei leicht unterschiedliche Geschichten, deshalb stehen sie hier getrennt.
Was Mistral meldet
Für das finale Modell meldet Mistral 48 % im Coding Agent Index von Artificial Analysis und nennt das „effectively tied“ mit GLM-5.3 bei 47 % weniger Tokens pro Aufgabe. Dazu kommen 41 % in Terminal-Bench 4.0, 13 Punkte mehr als die Preview, und führende 19,7 % im nicht öffentlichen FrontierCode 2.0 von Cognition. In Surges blinden Code-Vergleichen bevorzugten Bewerter es gegenüber GLM-5.3, Kimi K3 und DeepSeek V4.1 Flash und setzten es nur hinter Claude Opus 5.5, so die Ankündigung der Gewichte.
Die Preview-Zahlen kamen zuerst. Zum Launch meldete Mistral 61,7 % in DeepSWE v1.1, 59,4 % in SWE-Atlas-QnA und 28,3 % in Terminal-Bench 4.0, zusammen 49,8 % im Coding Agent Index, in seiner Launch-Ankündigung. VentureBeat hat diesen Coding-Chart mit dem Live-Leaderboard von DeepSWE abgeglichen, das damals GLM-5.3 und Kimi K3 bei etwa 69 % sah und GPT-6 Astra, Gemini 3.8 Flash und Claude Opus 5 bei rund 74 %.
61,7 % waren also konkurrenzfähig, aber keine Führung.
Die übrigen Launch-Aussagen stammen alle von Mistral. Die Preview erreichte 59,9 % in AutomationBench, einem Set aus 657 Geschäftsabläufen in Gmail, Google Sheets, Slack und Salesforce, und 1.393 Elo in AA-Briefcase für lange Wissensarbeit. Im Visual-Grounding-Test Dense 200 kam sie auf 42 % gegenüber 41 % bei GPT-6 Astra, die Grundlage für den Satz, sie „surpasses closed frontier models on visual grounding“. In einem blinden Code-Qualitätstest mit Surge AI gaben Bewerter ihr 3,74 von 5 Punkten, Platz zwei von fünf Modellen, nur hinter Claude Opus 5 mit 4,22. Für das finale Modell nennt Mistral zusätzlich 84,5 % in BrowseComp und 73,3 % im Finanz-Benchmark Finch, unter offenen Modellen Platz zwei hinter Kimi K3.
Was unabhängige Tester gemessen haben
Artificial Analysis gibt dem finalen Mistral Large 4 (high) 26,1 Punkte im Intelligence Index v5.0.1, einem Mix aus neun Tests. Version 5 nutzt härtere Tests als der Index v4.3.2, in dem die Preview am Launch-Tag auf 38 kam, die beiden Zahlen sind also nicht vergleichbar. Auch in v5.0.1 ist es das beste offene Modell aus den USA oder Europa, vor Metas Muse Spark Open, und weiterhin hinter den besten chinesischen offenen Modellen.
| Modell | Entwickler | AA Intelligence Index v5.0.1 | Open Weights? |
|---|---|---|---|
| Kimi K3.1 Pro | Moonshot AI (China) | 46,5 | Ja |
| DeepSeek V4.1 Flash 1017 | DeepSeek (China) | 32,6 | Ja |
| GLM-5.3 | Z.ai (China) | 31,7 | Ja |
| MiMo-V2.6-Pro | Xiaomi (China) | 29,9 | Ja |
| Mistral Large 4 | Mistral AI (Frankreich) | 26,1 | Ja, seit 29. Oktober |
| Muse Spark Open | Meta (USA) | 24,9 | Ja |
| DeepSeek V4 Pro 0813 | DeepSeek (China) | 23,1 | Ja |
| Nemotron 3 Ultra | NVIDIA (USA) | 11,8 | Ja |
Die Preview hatte auf der AA-Seite eine klare Schwäche: Sie war sehr wortreich und erzeugte für den Index v4.3.2 200 Millionen Tokens bei einem Median von 81 Millionen, was die Kosten pro Index-Aufgabe trotz moderatem Listenpreis auf $1.13 trieb. Laut Mistral behebt das finale Modell vieles davon und braucht in Terminal-Bench 4.0 30 % weniger Output-Tokens. Unser Leitfaden zu KI-Benchmarks erklärt, was der Index misst und warum eine einzelne Zahl nie einen Vergleich entscheidet.
Vals.ai, der zweite unabhängige Tester, gab der Preview 48,05 % im Vals Index, Platz 32 von 44 Modellen insgesamt und Platz neun unter den Open-Weight-Modellen. Ihr stärkstes Ergebnis war Harvey's Legal Agent Benchmark mit 15,83 %, Platz sechs von 75 und Platz eins unter offenen Modellen. Vals veröffentlichte dieses Ranking wenige Minuten nach dem Launch.
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
Das ehrliche Fazit: Die Aussage, ML4 sei das beste offene Modell aus den USA oder Europa, hält auf Artificial Analysis weiterhin. Die Aussage, es spiele mit den stärksten offenen Modellen weltweit mit, ist bei der allgemeinen Intelligenz übertrieben: GLM 5.3 liegt etwa sechs Punkte vorn und Kimi K3.1 zwanzig. Beim Programmieren hat das finale Modell aufgeholt, sofern Mistrals 48 % im Coding Agent Index von AA Bestand haben.
Cybersecurity ist der echte Unterschied
Das stärkste Argument für Mistral Large 4 ist Cybersecurity, nicht allgemeine Intelligenz. Für das finale Modell meldet Mistral 51 % im Artificial Analysis Cyber Index, der prüft, ob ein Modell Schwachstellen in einer Codebasis findet, sie reproduziert und behebt, ohne etwas kaputtzumachen. Zum Preview-Launch sagte Mistral, ML4 erreiche in einem Test des Index, dem Reproduzieren und anschließenden Patchen einer echten Schwachstelle, 82 %, den Höchstwert aller Modelle, und löse 93 % der 40 Aufgaben in Cybench.
Spannend ist, warum es diesen Test gewinnt.
Laut Mistral kamen Claude Opus 5.5 und GPT-6 Astra bei derselben Aufgabe zum Launch auf fast null, weil sie sie verweigern. Mistral argumentiert, dass Verteidiger oft erst beweisen müssen, dass eine Lücke echt ist, bevor sie sie schließen. Der Sicherheitsfilter eines Anbieters kann genau diese Arbeit mitten in einem Vorfall blockieren. Ein Open-Weight-Modell auf deinen eigenen Servern kann keine Richtlinienänderung abschalten.
Wie Mistral die Wette absichert
Mistral sichert diese Wette zugleich ab. Das finale Modell lehnt laut Mistral 96,6 % der bösartigen Cyber-Anfragen ab, die höchste Quote unter den offenen Modellen, die Mistral gemessen hat. Mistral räumt aber auch ein Risiko ein: Die Beobachtung des Live-Traffics seit der Preview zeigte „a potential for uplift to conduct real attacks“, und Mistral verschärft seine Schutzmechanismen in den kommenden Monaten. Eine spezialisierte Variante für Penetrationstests und Red-Teaming gibt es als Preview nur für geprüfte Partner wie Orange Cyberdefense, vertraglich abgesichert und beschränkt auf Systeme, die ihnen gehören oder die sie testen dürfen. 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 zitierte.
Z.ai stand im August vor demselben Zwiespalt. Es brachte GLM 5.3 ohne Gewichte heraus und schrieb auf X, diese würden „in stages following rigorous safety evaluations“ veröffentlicht. Mistral hat ein festeres Versprechen gegeben und es gehalten, zwei Tage nach dem 27. Oktober, den es Journalisten genannt hatte.
Ist Mistral Large 4 Open Source?
Mistral Large 4 ist Open Weight, nicht Open Source im strengen Sinn. Mistral hat die Gewichte am 29. Oktober auf Hugging Face veröffentlicht, zusammen mit einem quantisierten NVFP4-Checkpoint für NVIDIA-Blackwell-GPUs, einem technischen Bericht und Serving-Rezepten für vLLM und SGLang. Die Gewichte gehören zum verbesserten finalen Modell, nicht zur Preview.
Lamples Launch-Thread erklärte, warum die Gewichte drei Wochen nach der Preview kamen. Der Reinforcement-Learning-Lauf hinter der Preview lief noch, und Mistral wollte zusammen mit den Gewichten eine finale Version liefern.
Today, we are launching a preview of our new model, Mistral Large 4 (ML4), aka le Chonk 🐈.
— Guillaume Lample (@GuillaumeLample) October 6, 2026
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
Die Lizenz ist die Mistral Ecosystem Open-Weight License, eine modifizierte MIT-Lizenz. Laut Mistral darfst du das Modell kostenlos nutzen, verändern, feintunen und kommerziell verwerten, mit einer Bedingung: Ein Unternehmen, das ein Model-as-a-Service-Angebot betreibt, braucht vor der kommerziellen Nutzung eine separate kommerzielle Lizenz. Damit ist sie weniger frei als Large 3 unter Apache 2.0, und Mistrals Portfolio ist nicht einheitlich: Mistral Medium 3.5 hat eine eigene modifizierte MIT-Lizenz. Lies die Bedingungen, bevor du ein gehostetes Produkt darauf aufbaust.
Artificial Analysis führt Mistral Large 4 jetzt als Open Weights unter kommerzieller Lizenz. Wenn du es mit anderen Modellen vergleichst, die du heute herunterladen kannst, deckt unsere Liste der besten Open-Source-KI-Modelle das Feld ab.
Mistral Large 4 Preis
Mistral Large 4 kostet $0.70 pro Million Input-Tokens und $2.10 pro Million Output-Tokens, gecachter Input $0.07. Diesen Preis hat Mistral am 29. Oktober mit dem finalen Modell festgelegt, und er steht in Mistrals API-Preisliste und auf der Modellkarte in der Dokumentation.
Die Preview war anders bepreist. Ihr Listenpreis lag bei $1.36 Input, $0.14 gecachtem Input und $4.18 Output, und in den ersten zwei Wochen der Preview zeigte Mistrals Modellkarte diese Preise durchgestrichen und halbiert auf $0.68, $0.07 und $2.09, ohne Begründung. Der finale Preis landet fast genau auf diesem frühen halben Preis.
| Pro 1M Tokens | Input | Gecachter Input | Output |
|---|---|---|---|
| Mistral Large 4, seit 29. Oktober | $0.70 | $0.07 | $2.10 |
| Mistral Large 4 Preview, Listenpreis | $1.36 | $0.14 | $4.18 |
| Mistral Large 3 (abgekündigt) | Nicht mehr in der Preisliste | Nicht mehr in der Preisliste | Nicht mehr in der Preisliste |
Mistral Large 4 ersetzt zwei ältere Modelle. Mistral hat Large 3 und Medium 3.5 am 31. Oktober abgekündigt, nennt für beide Large 4 als Ersatz und schaltet sie am 30. April 2027 ab. Unser Überblick über die Preise von Mistral AI behandelt die Vibe-Abos und den Rest des API-Angebots. Mistral vergleicht sich mit DeepSeek häufiger als mit jedem anderen Labor, und unsere Analyse zu DeepSeek V4 stellt diesen Rivalen vor.
So testest du Mistral Large 4
Mistral Large 4 ist an mehr Stellen verfügbar als die Preview. Entwickler können es über die Mistral API in Mistral Studio, auf OpenRouter, über NVIDIAs gehostete Endpunkte oder in Microsoft Foundry aufrufen, laut Mistral der erste Cloud-Anbieter mit dem Modell. Die Modellkarte nennt Structured Outputs, Function Calling, Fragen zu Dokumenten, Batching und Mistrals eingebaute Agenten-Tools als unterstützt.
Zum Programmieren verweist Mistral auf Vibe Code, den Coding-Modus von Vibe, dem Assistenten, der früher Le Chat hieß. Dort wählst du Large 4 aus und gibst ihm ein Feature zum Bauen oder einen Bug zum Beheben. Wenn du es selbst betreiben willst, lädst du die Gewichte von Hugging Face und servierst sie mit vLLM oder SGLang. Wenn du vor allem Antworten mehrerer Spitzenmodelle vergleichen willst, ohne API-Schlüssel oder GPUs zu verwalten, bietet Fello AI Mistral neben Claude, GPT und Gemini in einer Mac-App.
Lohnt sich der Wechsel zu Mistral Large 4?
Wechsle, wenn europäisches Hosting, Cyber-Arbeit oder Self-Hosting 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 auf eigener europäischer Infrastruktur betreibt, und mit den Gewichten kannst du es stattdessen auf eigenen Servern laufen lassen. Für Security-Teams, die genug von Ablehnungen bei legitimer Schwachstellenarbeit haben, ist es die klarste offene Option zum Testen. Und wenn du Large 3 oder Medium 3.5 nutzt, hast du bis zum 30. April 2027 Zeit für den Umstieg.
Alle anderen sollten erst testen.
Auf Artificial Analysis liegen GLM-5.3 und Kimi K3.1 Pro bei der allgemeinen Intelligenz weiter vorn, und beide kannst du ebenfalls herunterladen. Die Model-as-a-Service-Klausel ist wichtig, wenn du den Zugang weiterverkaufen willst. Schwer zu schlagen ist Mistral Large 4 beim Preis für ein Modell dieser Größe: $0.70 pro Million Input-Tokens für ein Modell mit einer Billion Parametern, das du auch komplett selbst besitzen kannst.
FAQ
Was ist Mistral Large 4?
Mistral Large 4 ist ein Mixture-of-Experts-Modell mit 1 Billion Parametern vom französischen Labor Mistral AI, davon 49 Milliarden aktiv pro Token. Es liest Text und Bilder und antwortet in Text. Mistral hat es am 6. Oktober 2026 als Preview mit dem Spitznamen Le Chonk veröffentlicht und am 29. Oktober das finale Modell mit Open Weights nachgeliefert.
Sind die Gewichte von Mistral Large 4 verfügbar?
Ja. Mistral hat die Gewichte am 29. Oktober 2026 auf Hugging Face veröffentlicht, zwei Tage nach dem Datum, das es Journalisten genannt hatte. Sie gehören zum verbesserten finalen Modell und kommen mit einem NVFP4-Checkpoint für NVIDIA-Blackwell-GPUs. Die Lizenz ist die Mistral Ecosystem Open-Weight License, eine modifizierte MIT-Lizenz.
Was kostet Mistral Large 4?
Seit dem 29. Oktober 2026 $0.70 pro Million Input-Tokens und $2.10 pro Million Output-Tokens, gecachter Input $0.07. Die Preview kostete laut Liste $1.36 und $4.18.
Ist Mistral Large 4 besser als DeepSeek, GLM oder Kimi?
Im Artificial Analysis Intelligence Index v5.0.1 kommt es auf 26,1, vor DeepSeek V4 Pro 0813 (23,1), aber hinter GLM-5.3 (31,7), DeepSeek V4.1 Flash 1017 (32,6) und Kimi K3.1 Pro (46,5). Mistrals eigene Charts zeigen es beim agentischen Programmieren gleichauf mit GLM-5.3 und stark bei Cybersecurity, mit 51 % im Cyber Index von AA.
Kann ich Mistral Large 4 in Vibe oder Le Chat nutzen?
Ja, in Vibe Code, dem Coding-Modus von Vibe. Vibe ist der neue Name von Le Chat. Mistrals Ankündigung der Gewichte verlinkt direkt auf Vibe Code mit ausgewähltem Large 4, sagt aber nicht, ob Large 4 auch den normalen Chat in Vibe antreibt.
Das Titelbild dieses Artikels wurde mithilfe von KI erstellt.