Zum Inhalt springen
AI ConnectPowered by VELENTIS
KI-generiert2 Min.

Mistral AI veröffentlicht Mistral Large 4 mit einer Billion Parametern unter offener Lizenz

Mistral AI hat die Gewichte für Mistral Large 4 freigegeben. Das MoE-Modell mit rund einer Billion Parametern erzielt neue Bestwerte für offene Gewichte im agentischen Coding.

Dieser Beitrag wurde KI-generiert und automatisch veröffentlicht. Einordnung, Kennzeichnung und alle Quellen am Beitragsende.

(KI-generiertes Symbolbild: Gemini / AI Connect)

Das europäische KI-Labor Mistral AI hat am 29. Oktober 2026 die Modellgewichte für sein neues Spitzenmodell Mistral Large 4 freigegeben. Das Modell, das intern den Spitznamen Le Chonk trägt, wurde nach einer kurzen Vorschauphase Anfang des Monats nun der breiten Öffentlichkeit zur Verfügung gestellt. Der Download erfolgt unter den Bedingungen der Mistral Ecosystem Open-Weight License. Damit erhalten Entwickler und Forscher weltweit vollständigen Zugriff auf die Gewichte des bisher größten Modells des Unternehmens.

Das Modell basiert auf einer Mixture-of-Experts-Architektur, bei der die Gesamtkapazität auf rund eine Billion Parameter skaliert wurde. Trotz dieses massiven Volumens von ungefähr 1.000 Milliarden Parametern werden während der Inferenz lediglich 49 bis 52 Milliarden Parameter pro generiertem Token aktiviert. Durch diesen selektiven Einsatz der Expertennetzwerke soll eine hohe Recheneffizienz erreicht werden, die den Inferenzaufwand gegenüber dichten Modellen gleicher Größenordnung spürbar senkt. Die Architektur zielt darauf ab, maximale Modellkapazität mit handhabbaren Latenzen zu verbinden.

Ein zentrales Merkmal von Mistral Large 4 ist sein Kontextfenster, das eine Kapazität von bis zu einer Million Tokens umfasst. Dies ermöglicht es dem Modell, extrem umfangreiche Dokumente, langwierige Konversationen oder vollständige Software-Repositories in einem einzigen Durchlauf zu analysieren. Darüber hinaus ist das System von Grund auf nativ multimodal ausgelegt und verarbeitet sowohl Text- als auch Bilddaten. Die visuelle Verarbeitung wird dabei über den integrierten Pixtral-Vision-Encoder realisiert, wodurch externe Hilfsmodule für visuelle Eingaben überflüssig werden.

Für das Training des Flaggschiffmodells setzte Mistral AI auf eine europäische Rechenzentrumsinfrastruktur. Insgesamt kamen 3.800 Grafikprozessoren vom Typ NVIDIA Grace Blackwell zum Einsatz, um das komplexe Training der Billionen-Parameter-Architektur zu bewältigen. Die Wahl europäischer Standorte unterstreicht die Bestrebungen, rechenintensive Spitzenforschung auf lokaler Hardware zu realisieren. Damit belegt das Unternehmen die Machbarkeit von Frontier-KI-Training innerhalb europäischer Rechenzentren.

In ersten Leistungsüberprüfungen konnte das neue Modell vor allem bei autonomen Entwicklungsaufgaben überzeugen. Bei Benchmarks für agentisches Programmieren, darunter Terminal-Bench und FrontierCode, setzte Mistral Large 4 neue Bestwerte innerhalb des Open-Weight-Bereichs. Auch bei Sicherheitsanalysen erzielte das Modell starke Resultate und erreichte im Artificial Analysis Cyber Index für defensive Cybersicherheit eine Quote von 82 Prozent. Diese Benchmark-Ergebnisse positionieren das Modell als leistungsstarke offene Alternative für sicherheitskritische Software- und Programmierworkflows.

Mit der Veröffentlichung unter einer offenen Lizenz schlägt Mistral AI eine deutliche Brücke zwischen proprietären Spitzenmodellen und der Open-Source-Gemeinschaft. Durch die Kombination aus agentischen Coding-Fähigkeiten, nativer Bildverarbeitung und Cybersicherheitsfunktionen bietet Le Chonk eine breite Grundlage für anspruchsvolle Unternehmensanwendungen. Entwickler können das MoE-System nun direkt in ihre bestehenden Pipelines einbinden und an spezifische Workflows anpassen. Das Modell setzt damit ein klares Signal für den Wettbewerb bei offenen Gewichten im Frontier-Segment.

Was heißt das für Sie?

Für Entwickler und Unternehmen bedeutet die Veröffentlichung von Mistral Large 4, dass State-of-the-Art-Fähigkeiten bei Coding und defensiver Cybersicherheit nun ohne Bindung an proprietäre Cloud-APIs lokal betrieben werden können. Der Betrieb erfordert angesichts der Modellgröße jedoch eine erhebliche Hardware-Infrastruktur, selbst wenn pro Inferenzschritt nur ein Bruchteil der Expertenparameter aktiv geschaltet wird.

Perspektiven

Berichterstattung: 1× EU · 1× USA · 1× Weitere

Dieselbe Geschichte, mehrere Blickwinkel: So rahmen die Quellen das Thema, jeweils mit wörtlichem Zitat.

Einordnung: 2× Anbieter-PR

  • huggingface.coAnbieter-PRUSA

    Hugging Face beleuchtet die technischen Spezifikationen, die Modellarchitektur sowie den Nutzen für defensive Cybersicherheit und Entwickler in der offenen Gemeinschaft.

    Originalzitat

    „Mistral Large 4 is particularly strong for cybersecurity, coding agents, and multimodality.“

    huggingface.co
  • mistral.aiAnbieter-PREU

    Mistral AI positioniert das Modell als europäischen Meilenstein für souveräne KI und hebt dessen führende Leistung beim Programmieren sowie in der defensiven IT-Sicherheit hervor.

    Originalzitat

    „We release the weights of Le Chonk, advancing the frontier of open models in agentic coding and cybersecurity.“

    mistral.ai
  • unsloth.aiWeitere

    Unsloth legt den Schwerpunkt auf die lokale Bereitstellung des Modells und erläutert die Hardwareanforderungen sowie Speicherersparnisse durch dynamische Quantisierung.

    Originalzitat

    „Mistral Large 4 is the strongest Western open model to date and supports text and image inputs“

    unsloth.ai

Einordnung der Quellen redaktionell gepflegt (politisches Spektrum nur bei breitem Konsens; Anbieter-Kommunikation ist PR, kein Journalismus). Quellen ohne Etikett sind nicht eingeordnet — wir raten nicht.

Belege

Gut belegt
83/100
  • Mistral AI hat am 29. Oktober 2026 die Modellgewichte von Mistral Large 4 unter der Mistral Ecosystem Open-Weight License freigegeben.

    belegt
  • Das Modell nutzt eine Mixture-of-Experts-Architektur mit etwa einer Billion Parametern, von denen 49 bis 52 Milliarden pro Token aktiv sind, sowie ein Kontextfenster von 1 Million Tokens.

    belegt
  • In agentischen Coding-Benchmarks wie Terminal-Bench und FrontierCode sowie im Artificial Analysis Cyber Index mit 82 Prozent setzt das Modell neue Bestwerte für offene Gewichte.

    belegt

Der Beleg-Score wird berechnet, nicht handgesetzt: aus Vertrauensgrad, Quellenzahl und dem Anteil verifizierter Aussagen.

Quelle & Transparenz

Stand: 30. Oktober 2026

KI-generiertKI-generiert: automatisiert aus geprüften Quellen erstellt und technisch qualitätsgesichert (Quellen-, Zitat- und Zahlenabgleich); keine menschliche Einzelfreigabe vor Veröffentlichung

Quellen
3
Verifizierte Aussagen
3 / 3
Beleg-Score
83Gut belegt

Wollen Sie das umsetzen?

Wir vermitteln Ihnen passende KI-Anbieter aus der DACH-Region, kostenlos und unverbindlich.

Wie geht's weiter?