Mistral AI hat die Gewichte von Mistral Large 4 veröffentlicht, dem 1-Billion-Parameter-Flaggschiff des französischen Labors mit dem Spitznamen „Le Chonk“, drei Wochen nachdem das Modell in die öffentliche Vorschau ging. In der Ankündigung, die auf Mistrals Blog unter dem Titel „Wir veröffentlichen die Gewichte von Le Chonk“ veröffentlicht wurde, heißt es, dass das verbesserte Modell nun Open-Weight-Benchmarks in der Agentencodierung und defensiven Cybersicherheit anführt, und positioniert die Veröffentlichung als Meilenstein für die „souveräne KI“ Europas.

Durch diesen Schritt wird die im Oktober am meisten diskutierte Vorschau in ein vollständig herunterladbares Artefakt umgewandelt, wobei die Gewichte live auf Hugging Face unter dem Repository-Namen Mistral-Large-4-1T-A52B verfügbar sind. Für Entwickler, die [offene KI-Modelle] (https://aibuzzwire.news) und die sich verschiebende Balance zwischen chinesischen, amerikanischen und europäischen Laboren verfolgen, ist es die folgenreichste Open-Weight-Veröffentlichung eines westlichen Labors in diesem Quartal.

Von der Vorschau bis zu den offenen Gewichten in drei Wochen

Mistral stellte Large 4 Anfang dieses Monats in einer öffentlichen Vorschau vor und versprach, dass die vollständigen Gewichte bis Ende des Monats folgen würden – ein Versprechen, das das Unternehmen nun gehalten hat. In der Zwischenzeit hat Mistral nach eigenen Angaben das Feedback der Community genutzt und gleichzeitig das Reinforcement Learning weiter skaliert, was seiner Meinung nach zu massiven Verbesserungen bei der Codierung und der defensiven Cybersicherheit geführt hat. Der Blog fügt insbesondere hinzu, dass „die Zuwächse sich weiter beschleunigen, ohne Anzeichen einer Sättigung“ – ein ungewöhnliches Eingeständnis, dass das Modell veröffentlicht wurde, obwohl noch Spielraum vorhanden war.

Das Ergebnis ist ein nativ multimodales, Billionen Parameter umfassendes, spärliches Modell, das Mistral als das beste offene Modell für die Codierung und als eines der weltweit leistungsfähigsten offenen Modelle überhaupt bezeichnet.

Der Benchmark-Fall: führender FrontierCode 2.0

Die Schlagzeilenzahl stammt aus dem privaten FrontierCode 2.0-Benchmark von Cognition, der die Qualität des End-to-End-Codes bewertet – insbesondere, ob ein Repository-Betreuer die Änderung des Agenten zusammenführen würde. Mistral Large 4 führt das Feld mit einer Punktzahl von 19,7 Prozent an, vor DeepSeeks V4.1 Flash mit 19,3 Prozent, GLM-5.3 mit 17,8 Prozent, Kimi K3 mit 17,3 Prozent, GLM-5.3 Flash mit 14,2 Prozent und Mistrals eigenem Beam 1.0 mit 2,9 Prozent.

Diese Margen sind an der Spitze gering – ein Vorsprung von 0,4 Punkten gegenüber DeepSeek liegt im Rahmen eines einzelnen privaten Benchmarks –, aber die symbolische Verschiebung ist größer. Chinesische Open-Weight-Modelle standen den größten Teil des Herbstes an der Spitze der Agenten-Codierungs-Bestenlisten. Ein europäisches Labor, das bei einem Benchmark, der einem amerikanischen Unternehmen gehört, den Spitzenplatz einnimmt, definiert den Wettbewerb als dreiseitig und nicht als bilateral.

Token-Effizienz: 47 Prozent weniger Token pro Aufgabe

Die zweite Behauptung von Mistral könnte für reale Einsätze von größerer Bedeutung sein. Beim Artificial Analysis Coding Agent Index erreicht Mistral Large 4 48 Prozent – ​​praktisch gleichauf mit GLM-5.3, dem führenden Open-Weight-Modell – und verbraucht im Durchschnitt 47 Prozent weniger Token pro Aufgabe. Da bei der Agentencodierung Token für Planung, Toolaufrufe und Wiederholungsversuche verbraucht werden, schlägt sich die Token-Effizienz direkt in skalierbaren Inferenzkosten nieder, weshalb sich das Unternehmen auf das Wort „wirtschaftlich“ stützt.

Die Version wird außerdem mit drei Argumentationsmodi ausgeliefert, die es Betreibern ermöglichen, die Antwortqualität gegen die Kosten pro Abfrage abzuwägen – eine Erkenntnis, dass die meisten Codierungs-Workloads in Unternehmen nicht bei jedem Anruf die maximale Argumentationstiefe erfordern.

Der souveräne KI-Pitch

Über Benchmarks hinaus ist die Ankündigung ein Positionierungsdokument. Mistral betont, dass Le Chonk „von Grund auf auf europäischer Infrastruktur mit klarer Abstammung von der Gründung bis zur Veröffentlichung geschult wurde“ und Organisationen eine vertrauenswürdige Grundlage für das bietet, was das Unternehmen Sovereign AI nennt – Modelle, die Institutionen besitzen, anpassen und selbst hosten können, ohne von amerikanischen oder chinesischen Anbietern abhängig zu sein. Der Slogan des Blogs „Für Programmierer entwickelt, von Verteidigern als vertrauenswürdig eingestuft“ weist auf die beabsichtigten Käufer hin: Softwareteams und Cybersicherheitsorganisationen, wobei letztere von der defensiven Sicherheitsschulung des Modells angezogen werden.

Die Formulierung hinderte Skeptiker nicht daran, auf die verbleibende Lücke hinzuweisen. Der Decoder charakterisierte die Veröffentlichung als ein starkes Codierungsmodell, das insgesamt immer noch hinter Chinas bestem Modell zurückbleibt, und die Benchmark-Tabelle selbst zeigt DeepSeek innerhalb eines halben Punktes. Dennoch war die Reaktion der Community nachdrücklich: Der Veröffentlichungsthread auf Hacker News sammelte innerhalb weniger Stunden etwa 585 Punkte und das Hugging Face-Repository ging noch am selben Tag online.

Lesungen von Drittanbietern

Die Fachpresse akzeptierte weitgehend Mistrals Kodierungsansprüche, behielt aber die Anzeigetafel im Blick. Fortune berichtete über die Charakterisierung von Large 4 durch das Unternehmen als das beste offene Modell für Agentencodierung und Cyberverteidigung. VentureBeat nannte es das beste offene Modell außerhalb Chinas und betonte die um 63 Prozent niedrigeren Kosten pro Aufgabe im Vergleich zu offenen Konkurrenzmodellen. The Next Web stellte lediglich fest, dass die Gewichte des 1-Billion-Parameter-Modells nun öffentlich sind, und ZDNET stellte fest, dass Le Chonk nun neben Codex GPT-6.1 Terra zu den Top-Open-Coding-Modellen zählt.

Für Mistral ist die offene Gewichtungswette jetzt explizit auf einer Billionen-Parameter-Skala. Das Unternehmen veröffentlicht seine besten Modelle offen und verkauft die umgebende Plattform – und mit Large 4 setzt es darauf, dass europäische Souveränität, Token-Leistung und ein Top-2-Open-Weight-Coding-Score ausreichen, um sich eine dauerhafte Position zwischen den amerikanischen Frontier Labs und Chinas Open-Weight-Kraftpaketen zu erarbeiten.

---

Der KI einen Schritt voraus sein

Erhalten Sie die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Weitere KI-Neuigkeiten lesen →