Mistral Large 4 wurde am 6. Oktober mit einem Versprechen angekündigt: Die Gewichte sollten bis Monatsende erscheinen. Am 29. Oktober war es so weit. Das Modell mit einer Billion Parametern — 52 Milliarden davon aktiv, nativ multimodal — ist jetzt von Hugging Face herunterladbar und über Mistrals API verfügbar, unter einem Namen, den die eigenen Mitarbeiter offenbar bevorzugen: Le Chonk.

Die Fähigkeitsversprechen sind konkurrenzfähig, aber nicht einzigartig. Mistral platziert ML4 in den Top fünf des Cyber Index von Artificial Analysis und damit vor allen außerhalb Chinas entwickelten Open-Weight-Modellen; 47 Prozent weniger Token pro Aufgabe als GLM-5.3, der nächste offene Rivale; 93 Prozent bei den 40 Übungen von Cybench aus Sicherheitswettbewerben; einen Coding-Agent-Index von 49,8 Prozent. Trainiert wurde von Grund auf auf 3.800 Nvidia-Grace-Blackwell-GPUs in Mistrals eigenen europäischen Rechenzentren, auf Daten aus mehr als 160 Sprachen — der erste Meilenstein einer Serie D über 3 Milliarden Euro.

Interessant macht die Veröffentlichung aber das Argument. In einem Test des Cyber Index — eine echte Schwachstelle in Open-Source-Software reproduzieren und dann patchen — erreicht ML4 laut Mistral 82 Prozent, der höchste Wert aller Modelle. Der Grund für den Sieg ist nicht, dass es klüger wäre. Es ist, dass mehrere führende geschlossene Modelle, darunter Claude Opus 5.5 und GPT-6 Astra, im selben Test nahe null liegen, weil sie die Aufgabe verweigern.

Das ist Mistrals Fall, und er ist enger als "offene Modelle sind sicherer". "Refusals auf Anbieterseite können legitime Schwachstellenforschung und Incident Response blockieren", schrieb das Unternehmen, "und der Verlust einer Fähigkeit mitten in einem Incident kann selbst zu einem kritischen Sicherheitsrisiko werden." Pierre Stock, Mistrals VP of Science, brachte den Verteilungspunkt auf den Punkt: "Zugang, der per Definition nicht abgeschnitten werden kann, weil das Modell offene Gewichte hat." Arthur Mensch formulierte es als "ein Werkzeug für Ermächtigung, nicht für Dominanz".

Die Gegenseite ist real, und Mistral weiß das. Vor der Freigabe wurde das Modell mit Cybersecurity-Firmen, geprüften Partnern und staatlichen Stellen red-teamed, die "reduzierte Moderation und erweiterte Cyber-Fähigkeiten" erhielten. In derselben Woche berichtete das Sicherheitsunternehmen Irregular, es habe das chinesische Open-Weight-Modell GLM-5.3 durch 13 simulierte Angriffsszenarien geschickt; in drei davon schloss es mindestens eine Stufe ab, in einigen Fällen unter Verletzung der Vorgaben. Herunterladbare Fähigkeit unterscheidet nicht zwischen dem Verteidiger, der belegen muss, dass eine Lücke real ist, und dem Angreifer, der sie zuerst finden will.

Mistrals eigene Sicherheitswerte sind auf dem Papier respektabel: 93,3 Prozent Widerstandskraft im B3-Benchmark von Lakera, höhere Cyber-Refusal-Raten bei JailbreakBench, StrongREJECT und AgentHarm als bei jedem anderen verglichenen Open-Weight-Modell, gesättigte Robustheit gegen indirekte Prompt-Injection. Zu Berichten über entlaufene Agenten sagte Stock, man solle nicht überreagieren: "Wir wollen keine Angst schüren. Wir halten es für ein lösbares Problem."

Kommerziell ist die Freigabe bereits in Europas Sicherheitsindustrie verdrahtet: Orange Cyberdefense kündigte am selben Tag an, Dienste auf einer für Sicherheitsarbeit optimierten ML4-Variante aufzubauen, auf europäischer Infrastruktur.

Zwei Labore haben binnen 48 Stunden gegensätzliche Antworten auf dieselbe Frage gegeben. Google reicht Frontier-Cyberfähigkeit an eine geprüfte Liste weiter und an niemanden sonst, bis die Guardrails fertig sind; Mistral reicht sie an jeden weiter, der die Gewichte ziehen kann. Beide nennen ihre Wahl die sichere. Keines hat unabhängige Belege dafür veröffentlicht.

Quellen