Mistral legt ein Billionen-Parameter-Modell offen — und spricht von 10 Megawatt

Mistral hat am Donnerstag die Gewichte von Mistral Large 4 veröffentlicht und damit aus der eigenen Flaggschiff-Preview ein Modell gemacht, das jeder mit passender Hardware herunterladen, prüfen und betreiben kann. Das Modell mit dem Spitznamen „Le Chonk“ ist nativ multimodal und hat insgesamt rund eine Billion Parameter, von denen pro Token etwa 52 Milliarden aktiv werden. Es liegt auf Hugging Face in voller und in quantisierter Fassung, letztere für vier Nvidia B200 oder B300 ausgelegt.

Interessant ist nicht die Parameterzahl — offene Gewichte erscheinen inzwischen im Monatsrhythmus —, sondern das Delta seit der Preview vor drei Wochen. Laut Mistral hat weiteres Reinforcement Learning, gesteuert durch Feedback früher Kunden, Terminal-Bench 4.0 von 28 auf 41 Prozent gehoben: knapp vor GLM-5.3 mit 40 Prozent und vor allen anderen offenen Modellen in diesem Test. Im Coding Agent Index von Artificial Analysis steht es bei 48 Prozent, praktisch gleichauf mit dem führenden offenen Modell, verbraucht aber pro Aufgabe 47 Prozent weniger Token. Bei Terminal-Aufgaben sank die Zahl der Ausgabe-Token um 30 Prozent. Auf Cognition's privatem FrontierCode-2.0-Benchmark, der fragt, ob ein Maintainer den Patch des Agenten tatsächlich mergen würde, führt es mit 19,7 Prozent.

Diese letzte Zahl ist die, bei der man innehalten sollte. 19,7 Prozent mergefähige Patches sind eine Frontier-Behauptung, die zugleich bedeutet, dass vier von fünf Agenten-Patches nicht auslieferbar sind — genau die Art Ehrlichkeit, die Benchmark-Tabellen sonst wegschleifen.

Auch auf defensive Sicherheit hat Mistral stark gesetzt. Mistral Large 4 erreicht 79 Prozent auf CyberGym-E2E, einem Test dafür, ob ein Modell echte Memory-Safety-Fehler in Open-Source-Projekten in C und C++ findet, reproduziert und patcht — gleichauf mit MiMo-V2.6-Pro und vor den chinesischen Konkurrenten mit offenen Gewichten. Gleichzeitig lehnt es 96,6 Prozent der bösartigen Cyber-Prompts in JailbreakBench, StrongREJECT und AgentHarm ab; laut Mistral die höchste Ablehnungsrate, die es unter offenen Modellen messe. Das Unternehmen räumt ein, dass der Zielkonflikt real und nicht theoretisch ist: Nach Auswertung des Verkehrs seit der Preview sehe man „Potenzial für Uplift bei echten Angriffen“ und passe die Guardrails entsprechend an. Eine härtere Variante für Penetrationstests geht nur an geprüfte Design-Partner wie Orange Cyberdefense, vertraglich beschränkt auf Systeme, die der Kunde besitzt.

Das Knappheitsargument ist der Punkt, an den Mistral das Gespräch führen will. Trainiert wurde von Grund auf auf europäischer Infrastruktur mit 3.800 Nvidia Grace Blackwell GPUs; das Reinforcement Learning lief auf eigener Rechenleistung in Frankreich und zog rund 10 Megawatt. „Andere Labore haben Hunderte Milliarden eingesammelt, um gleichwertige Fähigkeiten zu entwickeln; Mistral hat in drei Jahren rund 6 Milliarden Dollar eingesammelt“, sagte CEO Arthur Mensch. Pierre Stock, VP of Science, rahmte offene Gewichte als Versicherungspolice: KI werde wie Strom sein, und kein Unternehmen solle von jemandem abhängen, der den Zugang „von einem Tag auf den anderen“ kappen kann.

An der Lizenz trifft diese Rhetorik auf den Anwalt. Mistral Large 4 erscheint unter der Mistral Ecosystem Open-Weight License, einem modifizierten MIT, das Nutzung, Veränderung, Fine-Tuning und Kommerzialisierung erlaubt — mit einer Ausnahme: Wer das Modell als Model-as-a-Service anbietet, braucht eine separate kommerzielle Lizenz von Mistral. Das sind offene Gewichte, nicht Open Source, und es hält das Geschäft mit gehosteter Inferenz auf Mistrals Seite des Zauns. Die API kostet 0,70 Dollar pro Million Eingabe-Token, 0,07 Dollar für gecachte Eingabe, 2,10 Dollar für Ausgabe. Eine quantisierte Fassung läuft auf vier B200/B300; kleinere destillierte Versionen sind versprochen, eine davon für Laptops, ohne Termin.

Skepsis ist an zwei Stellen angebracht. Jeder genannte Benchmark ist entweder vom Anbieter selbst gefahren oder stammt aus einem Index, den der Anbieter ausgewählt hat zu veröffentlichen; FrontierCode 2.0 ist ein privater Testsatz — ein starkes Signal, kein geprüfter Befund. „Bestes offenes Modell fürs Coden“ ist eine Behauptung, die unabhängige Auswerter binnen Tagen neu testen werden, und der Abstand zu geschlossenen Frontier-Modellen bei menschlicher Präferenz bleibt: Im blinden Paarvergleich von Surge Code lag es nur hinter einem geschlossenen Modell — aber eben dahinter.

Der größere Punkt bleibt davon unberührt. Ein Billionen-Parameter-Modell mit frontier-nahen Coding- und Security-Werten ist jetzt etwas, das ein Unternehmen auf eigener Hardware, in eigener Jurisdiktion betreiben kann, ohne API-Abhängigkeit und ohne dass jemand es widerrufen kann. Drei Wochen Reinforcement Learning haben es im wichtigsten Benchmark für Agentenbauer von 28 auf 41 Prozent gebracht. Diese Taktung ist das, was man beobachten sollte — nicht die Gewichte.

Warum es zählt: Die Ebene der offenen Gewichte wurde ein Jahr lang von chinesischen Laboren angeführt. Mistral argumentiert nun, dass ein europäisches Labor mit rund einem Zwanzigstel des Kapitals dieselbe Linie halten kann — und dass das eigentliche Produkt nicht Intelligenz ist, sondern die Fähigkeit, sie weiterlaufen zu lassen, wenn anderswo die Politik wechselt.