Mistral Large 4: Was die veröffentlichten Gewichte, die Lizenz und neue Benchmarks zeigen

Was sich mit der Veröffentlichung der Gewichte ändert

Mistral Large 4, auch „Le Chonk“ genannt, war zunächst nur über eine API-Vorschau nutzbar. Ein Update vom 29. Oktober berichtet, dass die Gewichte inzwischen veröffentlicht wurden. Das ist relevant, weil sich das Modell mit herunterladbaren Gewichten außerhalb des API-Dienstes betreiben lässt – vorausgesetzt, die Hardware reicht aus und die Lizenz erlaubt den gewünschten Einsatz. Die Angaben zur Verfügbarkeit und Lizenz stammen aus diesem späteren Update. Die hier vorliegenden Primärinformationen zum ursprünglichen Launch bestätigen für sich genommen nicht, dass beides tatsächlich umgesetzt wurde.

Laut dem Update stehen die Gewichte unter einer modifizierten MIT-Lizenz. Das ist nicht zwangsläufig gleichbedeutend mit einer unveränderten MIT-Lizenz. Entscheidend sind der genaue Rechtstext und mögliche Einschränkungen für bestimmte Anwendungen. Auch herunterladbare Gewichte allein machen ein Modell nicht automatisch in jeder Hinsicht zu Open-Source-Software und belegen nicht, dass die kommerzielle Nutzung uneingeschränkt zulässig ist.

Größe und Architektur: Was eine Billion Parameter bedeutet

Mistral stellte Large 4 als multimodales Mixture-of-Experts-Modell (MoE) mit insgesamt einer Billion Parametern und 52 Milliarden aktiven Parametern vor. Bei einem MoE aktiviert das System zur Verarbeitung einer Eingabe nur einen Teil seiner Komponenten, statt bei jedem Schritt alle Parameter zu verwenden. Gesamtzahl und aktive Parameter beschreiben daher unterschiedliche Aspekte: Die Gesamtzahl gibt die angegebene Modellgröße wieder, die aktive Zahl den Teil, der an einem konkreten Inferenzschritt beteiligt ist. Keine der beiden Angaben allein bestimmt den tatsächlichen Speicherbedarf für den Betrieb.

Mistral zufolge wurde das Modell von Grund auf mit 3.800 NVIDIA-GPU des Typs Grace Blackwell in eigenen Rechenzentren in Europa trainiert. Das Unternehmen gibt außerdem an, dass die Trainingsdaten mehr als 160 Sprachen umfassten. Diese Angaben beschreiben das Training aus Sicht des Herstellers. Sie belegen weder eine gleichbleibende Qualität in allen Sprachen noch, dass jeder spätere Betrieb auf derselben Infrastruktur stattfinden wird.

Benchmarks: Ergebnisse nicht unbesehen zusammenführen

Ein Update vom 29. Oktober berichtet für Large 4 über 26 Punkte in Version 5 des Intelligence Index von Artificial Analysis. Zum Vergleich nennt es 32 Punkte für DeepSeek V4.1 Flash und GLM-5.3 sowie 30 für MiMo-V2.6-Pro. Diese Ergebnisse werden Artificial Analysis zugeschrieben und beziehen sich auf eine spätere Version des Index. Sie sind nicht mit dem Wert 38 gleichzusetzen, den sekundäre Quellen während der Vorschau für das Modell unter einer älteren Indexversion nannten. Ändern sich Version, Aufgaben oder Skala, sind die Ergebnisse nicht ohne Weiteres vergleichbar; dafür muss auch die jeweilige Methodik berücksichtigt werden.

Das Update berichtet außerdem, der Wert von Large 4 bei Terminal-Bench 4.0 sei nach zusätzlichen Trainingswochen von etwa 28 Prozent in der Vorschau auf 41 Prozent gestiegen. Diese spätere Zahl wird Mistral zugeschrieben und ist hier nicht durch eine unabhängige Messung geprüft. Für die spätere Version nennt der Text außerdem einen Wert von 51 im Cyber Index von Artificial Analysis. Unterschiede zwischen den Launch-Werten und den späteren Angaben können auf zusätzliches Training, andere Konfigurationen oder veränderte Benchmark-Versionen zurückgehen. Das verfügbare Material erlaubt nicht, jede Veränderung eindeutig einer einzelnen Ursache zuzuordnen.

Cybersicherheit: nützliche Fähigkeiten, aber kein garantierter Schutz

Cybersicherheit ist eine der Anwendungen, die Mistral besonders hervorhebt. In der ursprünglichen Ankündigung schrieb das Unternehmen Large 4 einen Wert von 82 Prozent in einem Test zum Nachstellen und Beheben einer Sicherheitslücke sowie 93 Prozent bei den Cybench-Aufgaben zu. Außerdem erklärte Mistral, das Modell wehre 93,3 Prozent der Angriffe im B3-Benchmark von Lakera ab. Diese Ergebnisse wurden im Rahmen der Ankündigung mitgeteilt. Obwohl Mistral einige Evaluierungen als unabhängig bezeichnet, lagen hier weder die vollständigen Testprotokolle und Datensätze noch die Originaldurchläufe vor, die eine Reproduktion ermöglichen würden.

Ein hoher Wert in einem Test zu Sicherheitslücken belegt nicht, dass ein System ein reales Netzwerk schützen kann oder dass jede vorgeschlagene Lösung sicher ist. Das Nachstellen eines Fehlers und das Erstellen eines Patches sind klar umrissene Aufgaben. Im operativen Sicherheitsbetrieb spielen dagegen auch die Umgebung, Berechtigungen, menschliche Prüfung und Validierung der Änderung eine Rolle. Ebenso wichtig ist die Abgrenzung zwischen autorisierter Verteidigungsarbeit und schädlichen Anfragen: Analysen von Schwachstellen können legitime Arbeit ermöglichen, erfordern aber zugleich Maßnahmen zur Begrenzung eines Missbrauchs.

Kosten, Geschwindigkeit und Agenteneinsatz

Ein allgemeiner Intelligenztest reicht nicht aus, um zu entscheiden, ob Large 4 für einen Programmieragenten geeignet ist. In solchen Abläufen muss ein Modell ein Repository verstehen, Werkzeuge auswählen, Befehle ausführen und das Ergebnis überprüfen. Eine überzeugend formulierte Antwort muss nicht bedeuten, dass eine Datei erstellt oder eine Aufgabe abgeschlossen wurde. Für die Vorschau meldete Mistral eigene Ergebnisse von 61,7 Prozent bei DeepSWE v1.1, 59,4 Prozent bei SWE-Atlas-QnA und 28,3 Prozent bei Terminal-Bench 4; der kombinierte Coding Agent Index lag laut Unternehmen bei 49,8 Prozent. Diese Herstellerangaben hängen vom jeweiligen Testprotokoll ab.

Das spätere Update schreibt Artificial Analysis eine Geschwindigkeit von 161 Tokens pro Sekunde und durchschnittliche Kosten von 2,06 US-Dollar pro Aufgabe im Index zu; für die Vorschau seien es 5,54 US-Dollar gewesen. Außerdem habe Large 4 über die Aufgaben des Index hinweg 110 Millionen Ausgabetokens erzeugt, gegenüber 150 Millionen in der Vorschau. Diese Angaben zeigen, warum der Preis pro Million Tokens allein nicht genügt, um die tatsächlichen Kosten einer Aufgabe einzuschätzen: Auch die Ausgabelänge, die Zahl der Schritte und erforderliche Wiederholungen spielen eine Rolle. Daraus folgt nicht, dass das Modell in jeder Anwendung günstiger ist.

Verfügbarkeit und Grenzen der Bestätigung

Das Update vom 29. Oktober behauptet, die Gewichte seien auf Hugging Face veröffentlicht worden, und beschreibt die Lizenz als modifizierte MIT-Lizenz. Die hier verfügbare Primärquelle ist jedoch Mistrals ursprüngliche Ankündigung. Sie versprach lediglich, die Gewichte gegen Ende des Monats zu veröffentlichen; die Repository-Seite und der Lizenztext sind darin nicht enthalten. Daher lassen sich Veröffentlichung und Lizenz mit dem verfügbaren Material als Angaben des späteren Updates wiedergeben, aber nicht als direkt im Repository überprüfte Tatsachen.

Auch das Datum ist für die Einordnung der Ergebnisse wichtig. Die ursprüngliche Ankündigung bezog sich auf eine Vorschau; das spätere Update beschreibt eine Version nach zusätzlichem Training. Scores, Preise und Leistung können sich je nach Modellversion, Reasoning-Modus, Anbieter und Ausführungsumgebung unterscheiden. Wer einen Einsatz plant, sollte deshalb die konkrete Version benennen, die geltende Lizenz prüfen und das Verhalten mit eigenen Aufgaben testen, bevor das Modell in kritischen Abläufen eingesetzt wird.

Weiter entdecken

Korrekturen und Transparenz

Wenn du falsche oder veraltete Angaben findest, sende uns die Seite und die zu prüfende Quelle.