Mistral Large 4: Offene Gewichte, besser beim Programmieren
Von Jörg SchockGründer · testet Smart Home seit den ersten Funksteckdosen im eigenen Haus · davor 35 Jahre in verschiedenen Funktionen der Polizei
Kurz gesagt: Mistral veröffentlicht die Modellgewichte seines Flaggschiffs Large 4 zum Download. Laut Hersteller steigt die Erfolgsquote im Terminal-Bench von 28 auf 41 Prozent. Unabhängige Messungen sehen das Modell eher im Mittelfeld.
Symbolbild: KI-generiert
Der französische KI-Anbieter Mistral gibt die Gewichte seines Flaggschiffs Large 4 zum Download frei. Wie heise KI berichtet, stehen sie am Veröffentlichungstag ab 19 Uhr auf Hugging Face bereit. Das Modell lief seit Anfang Oktober als Vorabversion über die Mistral-API, danach folgten drei Wochen Tests mit Kunden und Cybersicherheitspartnern sowie ein Reinforcement-Learning-Nachtraining.
Was ist neu?
Der Schwerpunkt liegt auf dem Programmieren. Im Terminal-Bench 4.0 steigt die Erfolgsquote laut Mistral von 28 auf 41 Prozent. Neu sind zudem die Denkstufen „Low“ und „Medium“ neben „High“. Gegenüber der Vorabversion soll das Modell bei gleicher Leistung rund die Hälfte der Tokens verbrauchen. Gegenüber GLM-5.3 nennt Mistral 47 Prozent weniger Tokens pro Aufgabe, die zugehörigen Ergebnisse des Coding Agent Index von Artificial Analysis waren nach Angaben von heise noch nicht öffentlich einsehbar.
Benchmarks: Herstellerzahlen und Gegenstimmen
Mistral nennt Large 4 das beste offene Modell für agentisches Programmieren. Die Messlatte der Konkurrenz liegt allerdings höher: Artificial Analysis führt im Terminal-Bench GLM-5.3 bei 42 Prozent, Gemini 4 Carbon bei 65 Prozent und Kimi K3.1 Pro bei 67 Prozent. In der Cyberabwehr (CyberGym-E2E) kommt Large 4 laut Mistral auf 79 Prozent, gleichauf mit Xiaomis MiMo-V2.6-Pro, Kimi K3.1 Pro liegt dort bei 95 Prozent. Das Mistral-Ergebnis ließ sich nicht unabhängig prüfen. Auch zur Vorabversion fielen unabhängige Ranglisten zurückhaltender aus: Auf dem Vals Index lag sie auf Platz 32 von 44. Die Herstellerzahlen sind also eine Auswahl, kein Gesamturteil. Für die finale Version mit den neuen Gewichten gibt es noch keine unabhängigen Vergleichszahlen.
Größe, Lizenz, Preis
Der Hugging-Face-Name „Mistral-Large-4-1T-A52B“ deutet auf rund eine Billion Parameter insgesamt und 52 Milliarden aktive hin. Berichte zur Vorabversion nennen ähnliche Größen. Zur Lizenz macht heise keine Angabe, zu API-Preisen ebenfalls nicht. Bei der Lizenz gehen die Berichte auseinander: Large 3 erschien unter Apache 2.0, für Large 4 war zuletzt auch eine eigene Lizenz im Gespräch. Wer das Modell kommerziell nutzen will, sollte die Bedingungen auf Hugging Face genau lesen.
Was bedeutet das in Deutschland?
Für Privatnutzer ändert sich zunächst wenig: Ein Modell dieser Größe läuft nur auf Serverhardware. Interessant ist es für Unternehmen und Entwickler, die Daten im eigenen Haus oder bei einem europäischen Anbieter halten wollen und einen offenen Gegenpol zu US- und chinesischen Spitzenmodellen suchen. Mistral will künftig in kürzeren Abständen Spitzenmodelle veröffentlichen, zwischen den letzten beiden lagen zehn Monate. Die jüngste Finanzierungsrunde umfasst laut heise drei Milliarden Euro. Forschungschef Pierre Stock sagt: „Wir sind ein Frontier-Lab und wollen Spitzenmodelle trainieren.“
Quellen: heise KI, Vals AI. Die Zahlen stammen überwiegend vom Hersteller; eine eigene Messung haben wir nicht durchgeführt.