Eine Billion Parameter, offene Gewichte, starke Cyberwerte – und ein ehrlicher Abstand zur Spitze

Mistral nennt sein neues Flaggschiff selbst «le Chonk». So bezeichnet das Internet sonst gern besonders wohlgenährte Katzen, und der Name spielt auf ein Meme vom Sommer an, das sich über ein fiktives XXL-Modell von Mistral lustig machte. Jetzt gibt es das XXL-Modell wirklich: Mistral Large 4 ist das grösste Modell mit offenen Gewichten, das je ein europäisches – und überhaupt ein westliches – KI-Labor veröffentlicht hat. Am 6. Oktober kam es als Vorschau über die API, seit dem 29. Oktober liegen die Gewichte auf Hugging Face.

Im September habe ich in diesem Blog gefragt, wie viel europäische Unabhängigkeit nach dem Microsoft-Deal noch in Mistral steckt. Meine These damals: «Souveränität ist kein Firmensitz, sondern ein Vertragswerk.» Large 4 ist der erste grosse Praxistest für diese These. Wie gut ist das Modell wirklich? Und was bringt es für die digitale Souveränität?

Auf einen Blick

Was drinsteckt – und warum die Parameterzahlen nicht zusammenpassen

Large 4 ist kein riesiges Einzelnetz, sondern ein Mixture-of-Experts-Modell. Es besteht aus vielen spezialisierten Teilnetzen; für jedes Token rechnet nur ein kleiner Teil davon. Das Modell bringt also das Wissen von gut einer Billion Parametern mit, braucht pro Token aber nur ungefähr so viel Rechenleistung wie ein Modell mit 50 Milliarden.

Bei den Eckdaten kursieren widersprüchliche Angaben. Die Ankündigung nennt 1 Billion Parameter, davon 49 Milliarden aktiv. Die Modellkarte nennt 1,05 Billionen und 52 Milliarden. Die Gesamtzahl ist in der Ankündigung schlicht gerundet. Bei den aktiven Parametern hängt der Wert offenbar davon ab, ob Eingabe- und Ausgabeschichten mitgezählt werden. Mistral hat die Angabe kurz nach dem Start ohne weitere Erklärung angepasst. Für die Praxis spielt das kaum eine Rolle. Wichtig ist etwas anderes: Den Speicherbedarf bestimmt die Gesamtgrösse, nicht der aktive Teil. Dazu weiter unten mehr.

Zwischen Vorschau und Gewichten liegen drei Wochen zusätzliches Training (Reinforcement Learning auf Basis von Kundenrückmeldungen). Laut Mistral stieg der Wert im Coding-Benchmark Terminal-Bench 4.0 dadurch von 28 auf 41 Prozent. Neu gibt es zudem drei Denkstufen (low, medium, high). Artificial Analysis bestätigt einen spürbaren Effizienzgewinn: Die veröffentlichte Version braucht 39 Prozent weniger Ausgabe-Tokens als die Vorschau. Die Kosten pro Testaufgabe sanken von 5.54 auf 2.06 USD.

Die Leistung: Was Mistral sagt – und was unabhängige Tests zeigen

Mistral positioniert Large 4 als bestes offenes Modell aus den USA oder Europa, mit Stärken beim agentischen Programmieren und in der Cyberabwehr. In einer Blindbewertung durch menschliche Prüfer schnitt laut Mistral nur Claude Opus 5.5 besser ab. Solche Zahlen stammen jedoch vom Hersteller selbst. Aussagekräftiger ist der Blick auf unabhängige Ranglisten.

Hier lohnt ein genauer Blick, denn auch bei den Indexwerten kursieren zwei Zahlen: 38 und 26 Punkte. Beide stimmen. Die Vorschau erreichte im Intelligence Index von Artificial Analysis (Version 4.3.2) 38 Punkte. Am 27. Oktober stellte Artificial Analysis auf Version 5 um, die zu 60 Prozent auf geheimen Testfragen beruht. Damit soll verhindert werden, dass Modelle die Tests aus ihren Trainingsdaten kennen. Alle offenen Modelle verloren dabei 12 bis 16 Punkte. Die Vorschau käme auf der neuen Skala auf 25 Punkte; die veröffentlichte Version von Large 4 liegt mit 26 Punkten knapp darüber.

Auswahl, keine vollständige Rangliste. Quellen: Artificial Analysis und ActuIA, Stand 28./29.10.2026. Gemini 4 Carbon ist bisher nur für ausgewählte Nutzer zugänglich. Die Indexwerte verändern sich laufend.

Das Bild ist also gemischt. Large 4 ist – knapp – das stärkste offene Modell, das ausserhalb Chinas entwickelt wurde. Gegenüber dem Vorgänger Large 3 ist das ein gewaltiger Sprung. Mit den führenden chinesischen Open-Weight-Modellen spielt es jedoch nicht in derselben Liga. Und der Abstand zu den besten geschlossenen US-Modellen ist gross: Selbst das kleine Modell Haiku von Anthropic liegt vor Large 4. Beim Benchmark-Anbieter Vals AI landet Large 4 im Gesamtindex im hinteren Mittelfeld. Beim juristischen Agenten-Benchmark von Harvey schafft es das Modell hingegen in die Top Ten. Large 4 ist ein Spezialist mit klaren Stärken, kein Allrounder an der Weltspitze.

Die Cyber-Frage: Stärke mit Nebenwirkungen

Mistrals Schlagzeilen-Zahl stammt aus der Cybersicherheit. In einem Test, bei dem ein Modell eine reale Schwachstelle in Open-Source-Software nachstellen und anschliessend schliessen muss, erreicht Large 4 rund 82 Prozent. Artificial Analysis bestätigt den Wert. Die führenden geschlossenen Modelle liegen bei fast null – allerdings nicht, weil sie es nicht könnten, sondern weil sie die Aufgaben nahezu vollständig verweigern. Eine Ablehnung ist eine Richtlinienentscheidung, keine Fähigkeitsgrenze. Im breiteren Cyber Index von Artificial Analysis erreicht Large 4 51 Punkte und liegt damit unter den offenen Modellen auf Platz drei, hinter DeepSeek V4.1 Flash und MiMo-V2.6-Pro.

Für Verteidiger ist das ein echtes Argument. Ein Sicherheitsteam, das mitten in einem Vorfall steckt, will nicht vom Filter eines fremden Anbieters abhängen. Es will seinen Code und seine Logdaten auch nicht an eine externe API schicken. Unter den Partnern, die Mistral zitiert, ist die EU-Cybersicherheitsagentur ENISA. Sie testet das Modell derzeit für Schwachstellensuche, Code-Audits und Log-Analyse. Eine spezialisierte Cyber-Variante stellt Mistral vorerst nur ausgewählten Unternehmenspartnern wie Orange Cyberdefense als Vorschau bereit – nach sorgfältiger Prüfung und mit vertraglichen Schutzklauseln.

Die Kehrseite gehört zur ehrlichen Einordnung dazu. Bei der Evaluation versuchte das Modell, aus seiner Testumgebung auszubrechen. Pierre Stock, bei Mistral als VP of Science für die Forschung verantwortlich, nannte das gegenüber Reuters «erwartet»; das Verhalten wurde technisch eingedämmt. Nach der Vorschau hat Mistral im Live-Verkehr zudem nach eigenen Angaben ein Potenzial zur Unterstützung echter Angriffe festgestellt und passt seine Schutzmechanismen an. Bösartige Cyber-Anfragen lehnt das Modell laut Mistral in 96,6 Prozent der Fälle ab. Doch offene Gewichte lassen sich nicht zurückrufen, und eingebaute Schutzmechanismen lassen sich durch Nachtraining entfernen. Souveränität heisst hier auch: Wer das Modell selbst betreibt, verantwortet auch die Leitplanken selbst.

Die Souveränitäts-Lesart: fünf Ebenen, neu geprüft

Im Beitrag zu Mistral und Microsoft habe ich digitale Souveränität auf fünf Ebenen aufgeteilt: Modell, Plattform, Infrastruktur, Hardware und Vertrag. Wie schneidet Large 4 ab?

1. Modell – deutlicher Fortschritt. Die Gewichte lassen sich ohne Freigabe herunterladen. Das Modell wurde in Europa von Grund auf trainiert, mit nachvollziehbarer Herkunft. Wer Large 4 selbst betreibt, dem kann es niemand mehr abschalten oder nachträglich verändern. Genau das unterscheidet ein offenes Modell von jeder noch so guten API.

2. Plattform – liegt beim Kunden. Hier wird es fast ironisch: Microsoft hat Large 4 am Tag der Gewichtsfreigabe für Microsoft Foundry angekündigt – nach eigenen Angaben als erster Cloud-Anbieter. Wer das Modell auf diesem Weg bezieht, hat seinen Vertrag mit Microsoft und nicht mit Mistral – genau die Konstellation, die ich im September beschrieben habe. Daneben gibt es Mistrals eigene API, Nvidia-Container und den Eigenbetrieb. Das Modell lässt Souveränität zu. Ob sie auch eintritt, entscheidet der Bezugsweg.

3. Infrastruktur – Schritt nach vorn. Mistral hat Large 4 in eigenen europäischen Rechenzentren trainiert und betreibt es auch dort. Für das Training selbst ist Mistral damit nicht auf einen US-Hyperscaler angewiesen – ein klarer Schritt in Richtung Unabhängigkeit.

4. Hardware – unverändert. Europäisches Modell, amerikanisches Silizium: Trainiert wurde auf Nvidia Grace Blackwell, und die kompakte Variante (NVFP4) ist ausdrücklich für Nvidias Blackwell-GPUs optimiert. An der Abhängigkeit von einem einzigen Chiphersteller ändert Large 4 nichts. Exportkontrollen bleiben damit ein reales Restrisiko.

5. Vertrag – leichter Rückschritt. Large 3 stand noch unter der Apache-2.0-Lizenz. Large 4 erscheint unter einer eigenen «Mistral Ecosystem Open-Weight License», einer modifizierten MIT-Lizenz. Nutzung, Anpassung, Nachtraining und kommerzielle Produkte sind frei. Wer das Modell aber als Dienst für Dritte anbietet (Model-as-a-Service), braucht eine separate kommerzielle Lizenz von Mistral. Das trifft genau jene Hoster und IT-Dienstleister, die «souveräne KI aus der Schweiz» als Service anbieten möchten. Was «offen» bei den verschiedenen Modelllizenzen konkret bedeutet, nehme ich mir im Frühjahr in einem eigenen Beitrag vor.

Die Bilanz: Large 4 stärkt die Ebenen Modell und Infrastruktur deutlich. Bei der Hardware ändert sich nichts, beim Vertrag geht es leicht zurück. Und die Plattform-Ebene liegt in der Hand derer, die das Modell einsetzen.

Selbst betreiben? Eine nüchterne Rechnung

Offene Gewichte sind die eine Sache, sie auch betreiben zu können eine andere. In der 8-Bit-Variante (FP8) belegen allein die Gewichte rund 1,06 Terabyte, in der kompakten NVFP4-Variante etwa 610 Gigabyte. Die Beispielkonfigurationen auf Hugging Face rechnen mit acht Rechenzentrums-GPUs (FP8, etwa 8 × H200) bzw. vier bis acht Blackwell-GPUs (NVFP4). Daneben gibt es stark komprimierte Fassungen aus der Community im GGUF-Format für llama.cpp. Selbst die 2-Bit-Fassung braucht aber Hardware jenseits normaler Workstations: Laut Hugging Face läuft sie auf einem einzelnen Apple-Silicon-Ultra-Rechner mit 512 GB gemeinsamem Arbeitsspeicher – eine exotische Maschine, und so starke Komprimierung kostet erfahrungsgemäss Qualität. Für den praktischen Betrieb bleibt Large 4 ein Rechenzentrumsmodell.

Für die meisten KMU und Verwaltungen ist Large 4 deshalb ein Modell für das eigene Rechenzentrum, das eines Partners oder eines vertrauenswürdigen europäischen Anbieters. Für viele Alltagsaufgaben sind kleinere Modelle der pragmatischere Weg – Mistral selbst hat mit Small 4 (119 Milliarden Parameter, Apache 2.0) eines im Angebot. Wann sich der Eigenbetrieb lohnt, was er kostet und wo die Grenzen liegen, ist Thema meines nächsten KI-Beitrags in zwei Wochen: «Souveräne KI: lokal betreiben statt mieten».

Was das für Organisationen in der Schweiz und der EU heisst

Zum ersten Mal steht ein Modell, das nahe an die Spitze reicht, zum Download bereit, ohne dass jemand zustimmen muss. Es lässt sich im eigenen Schweizer Rechenzentrum betreiben, ohne dass Daten das Haus verlassen. Gerade für die öffentliche Hand mit strengen Vorgaben zum Datenstandort ist das neu. Konkret heisst das:

1. Auf eigenen Aufgaben testen. Die meisten Benchmark-Werte stammen von Mistral selbst. Massgeblich ist, wie das Modell mit Ihren Dokumenten, Ihrem Code und Ihren Sprachen zurechtkommt.
2. Den Bezugsweg bewusst wählen. Mistral-API, Foundry oder Eigenbetrieb sind drei verschiedene Vertragspartner mit drei verschiedenen Rechtsordnungen. Wer über eine API geht, sollte zudem auf einen regionalen EU-Endpunkt achten.
3. Die Lizenz prüfen, sobald Dritte im Spiel sind. Interner Einsatz ist frei. Wer das Modell als Dienst weiterverkauft, braucht eine kommerzielle Lizenz.
4. Cyber-Einsatz mit Augenmass. Code-Audits, Log-Analyse und Schwachstellenmanagement im eigenen Security Operations Center sind ein starker Anwendungsfall. Die Leitplanken und die Protokollierung verantworten Sie aber selbst.
5. Kleine Modelle ernst nehmen. Nicht jede Aufgabe braucht eine Billion Parameter. Oft ist ein kleineres Modell auf eigener Hardware der souveränere Weg.

Fazit

Mistral Large 4 ist kein Konkurrent für die besten US-Modelle und auch kein Gleichstand mit Chinas offenen Spitzenmodellen. Wer das behauptet, liest Herstellerfolien statt unabhängiger Tests. Aber es ist das stärkste offene Modell, das der Westen derzeit hat: in Europa trainiert, mit Gewichten, die man herunterladen und behalten kann, und mit echten Stärken in Cybersicherheit und Fachaufgaben. Für die Souveränität zählt das mehr als ein paar Indexpunkte, denn ein Modell, das man besitzt, kann einem niemand abschalten.

Ob Large 4 aber tatsächlich souveräner macht, entscheidet sich – wie schon im September – nicht am Firmensitz in Paris. Es entscheidet sich am Vertragswerk und am Bezugsweg. Wer Le Chonk über Microsoft bezieht, hat ein europäisches Modell in einem amerikanischen Vertrag. Wer es selbst betreibt, hat Souveränität – und die Verantwortung, die dazugehört.

Quellen

• Mistral AI, «Mistral Large 4 (Le Chonk) is now open weight» (29.10.2026): https://mistral.ai/news/mistral-large-4-oss/
• Mistral AI, Ankündigung der Vorschau (06.10.2026): https://mistral.ai/news/mistral-large-4/
• Hugging Face, «Welcome Le Chonk: Mistral Large 4 on Hugging Face» (Architektur, Inferenz): https://huggingface.co/blog/mistral-large4
• Hugging Face, Modellkarte und Lizenz mistralai/Mistral-Large-4-1T-A52B: https://huggingface.co/mistralai/Mistral-Large-4-1T-A52B
• Artificial Analysis, Mistral Large 4 (high) – Intelligence, Performance & Price Analysis: https://artificialanalysis.ai/models/mistral-large-4
• Artificial Analysis, «Gemini 4 Carbon is the new #1 on the Artificial Analysis Intelligence Index v5» (28.10.2026; inkl. Hinweis auf die Einführung von Index v5 am 27.10.2026): https://artificialanalysis.ai/articles/gemini-4-carbon-new-number-1
• ActuIA, «Mistral Large 4 drops from 38 to 25 on new Artificial Analysis index» (Vorschau-Wert auf Index v5, 28.10.2026): https://www.actuia.com/en/news/mistral-large-4-drops-from-38-to-25-on-new-artificial-analysis-index/
• Techstrong.ai, Open-Weight-Release und Index v5 (29.10.2026): https://techstrong.ai/articles/mistral-ai-releases-flagship-large-4-open-weights-to-bolster-enterprise-cybersecurity-model-sovereignty/
• Tom’s Hardware, Einordnung der Vorschau-Werte (Index v4.3.2): https://www.tomshardware.com/tech-industry/artificial-intelligence/independent-tests-rank-mistrals-new-trillion-parameter-large-4-the-best-ai-model-outside-the-u-s-and-china-but-chinese-open-weights-still-overcome-europes-best-efforts
• The New Stack, Evaluation, Lizenzwechsel, Cyber-Fähigkeiten: https://thenewstack.io/mistral-large-4-weights/
• The Next Web, Zusatztraining und Denkstufen (29.10.2026): https://thenextweb.com/news/mistral-large-4-open-weights-release
• MarkTechPost, Eckdaten und Trainingsinfrastruktur (06.10.2026): https://www.marktechpost.com/2026/10/06/mistral-ai-releases-mistral-large-4-le-chonk-a-1-05t-parameter-open-weight-multimodal-moe/
• Vals AI, Mistral Large 4: https://vals.ai/models/mistralai_mistral-large-4
• Mistral AI, Mistral Small 4 119B (Modellkarte): https://huggingface.co/mistralai/Mistral-Small-4-119B-2603

Stand der Fakten: 4. November 2026. Benchmark-Ranglisten ändern sich laufend; massgeblich sind die jeweils aktuellen Werte der genannten Anbieter. Interne Verweise: «Mistral und Microsoft: Europäische Unabhängigkeit in Frage» (09.09.2026), «Souveräne KI: lokal betreiben statt mieten» (erscheint 19.11.2026), Beitrag zu Open-Weight-Lizenzen (Frühjahr 2027).