Mistral AI heeft de gewichten vrijgegeven van Mistral Large 4, het vlaggenschip van het Franse laboratorium met 1 biljoen parameters, bijgenaamd "Le Chonk", drie weken nadat het model in de publieke preview terechtkwam. De aankondiging, gepubliceerd op de blog van Mistral onder de titel ‘We geven de gewichten van Le Chonk vrij’, zegt dat het verbeterde model nu toonaangevend is in open-weight benchmarks op het gebied van agentische codering en defensieve cyberbeveiliging, en positioneert de release als een mijlpaal voor Europese ‘soevereine AI’.
Door deze stap wordt de meest spraakmakende preview van oktober omgezet in een volledig downloadbaar artefact, waarbij de gewichten live op Hugging Face staan onder de repositorynaam Mistral-Large-4-1T-A52B. Voor ontwikkelaars die open AI-modellen en de verschuivende balans tussen Chinese, Amerikaanse en Europese laboratoria volgen, is dit de meest consequente open-weight release van een Westers laboratorium dit kwartaal.
Van preview naar open gewichten in drie weken
Mistral lanceerde eerder deze maand Large 4 in een publieke preview en beloofde dat de volledige gewichten tegen het einde van de maand zouden volgen – een belofte die het bedrijf nu is nagekomen. In de tussentijd zegt Mistral dat het feedback van de gemeenschap aan het werk heeft gezet en tegelijkertijd het versterkende leren heeft voortgezet, wat het beschrijft als enorme verbeteringen op het gebied van coderen en defensieve cyberbeveiliging. De blog voegt er met name aan toe dat “de winsten blijven versnellen, zonder tekenen van verzadiging” – een ongebruikelijke bekentenis dat het model werd uitgebracht met nog steeds hoofdruimte op tafel.
Het resultaat is een native multimodaal model met biljoen parameters dat door Mistral wordt bestempeld als het beste open-weight-model voor coderen en een van de meest capabele open modellen ter wereld in het algemeen.
De benchmark: toonaangevende FrontierCode 2.0
Het hoofdnummer komt uit Cognition's eigen FrontierCode 2.0-benchmark, die de end-to-end codekwaliteit beoordeelt, met name of een repository-onderhouder de wijziging van de agent zou samenvoegen. Mistral Large 4 voert het veld aan met een score van 19,7 procent, vóór DeepSeek's V4.1 Flash met 19,3 procent, GLM-5.3 met 17,8 procent, Kimi K3 met 17,3 procent, GLM-5.3 Flash met 14,2 procent en Mistral's eigen Beam 1.0 met 2,9 procent.
Die marges zijn aan de top dun – een voorsprong van 0,4 punten op DeepSeek ligt binnen het bereik van welke particuliere benchmark dan ook – maar de symbolische verschuiving is groter. Chinese open-weight-modellen stonden het grootste deel van de herfst aan de top van de klassementen voor agentische codering; een Europees laboratorium dat de leiding neemt op een benchmark die eigendom is van een Amerikaans bedrijf, herformuleert de concurrentie als driezijdig in plaats van bilateraal.
Token-efficiëntie: 47 procent minder tokens per taak
De tweede claim van Mistral kan van groter belang zijn voor echte implementaties. Op de Artificial Analysis Coding Agent Index scoort Mistral Large 4 48 procent – effectief vergelijkbaar met GLM-5.3, het leidende open-weight model – terwijl er gemiddeld 47 procent minder tokens per taak worden gebruikt. Omdat agentische codering tokens verbrandt bij planning, toolaanroepen en nieuwe pogingen, vertaalt de tokenefficiëntie zich rechtstreeks in gevolgtrekkingskosten op schaal, en daarom leunt het bedrijf op het woord 'economisch'.
De release wordt ook geleverd met drie redeneermodi, waardoor operators de responskwaliteit kunnen afwisselen tegen de kosten per zoekopdracht – een erkenning dat de meeste codeerwerklasten van ondernemingen niet bij elk gesprek maximale redeneerdiepte nodig hebben.
Het soevereine AI-veld
Naast benchmarks is de aankondiging een positioneringsdocument. Mistral benadrukt dat Le Chonk “vanaf het begin is getraind in de Europese infrastructuur met een duidelijke lijn van begin tot release”, waardoor organisaties een vertrouwde basis krijgen voor wat het bedrijf Sovereign AI noemt – modellen die instellingen kunnen bezitten, aanpassen en zelf kunnen hosten zonder afhankelijk te zijn van Amerikaanse of Chinese providers. De slogan van de blog, 'Gebouwd voor codeurs, vertrouwd door verdedigers', telegrafeert de beoogde kopers: softwareteams en cyberbeveiligingsorganisaties, de laatste aangetrokken door de defensieve beveiligingstraining van het model.
Het kader weerhield sceptici er niet van om de kloof op te merken die nog steeds bestaat. De Decoder typeerde de release als een sterk coderingsmodel dat nog steeds de beste van China overtreft, en de benchmarktabel zelf toont DeepSeek binnen een halve punt. Toch was de reactie van de community nadrukkelijk: de releasethread op Hacker News verzamelde binnen enkele uren ongeveer 585 punten en de Hugging Face-repository ging dezelfde dag live.
Lezingen door derden
De vakpers accepteerde de coderingsclaims van Mistral grotendeels, terwijl ze het scorebord in het oog hielden. Fortune rapporteerde de karakterisering van Large 4 door het bedrijf als het beste open model voor agentische codering en cyberverdediging. VentureBeat noemde het het beste open model buiten China en benadrukte 63 procent lagere kosten per taak vergeleken met concurrerende open modellen. The Next Web merkte simpelweg op dat de gewichten van het model met 1 biljoen parameters nu openbaar zijn, en ZDNET merkte op dat Le Chonk nu naast Codex GPT-6.1 Terra tot de beste open codeermodellen behoort.
Voor Mistral is de inzet op open gewichten nu expliciet op een schaal van biljoen parameters. Het bedrijf brengt zijn beste modellen openlijk uit en verkoopt het omliggende platform – en met Large 4 gokt het erop dat Europese soevereiniteit, token-efficiëntie en een top-twee open-weight coderingsscore voldoende zijn om een duurzame positie te veroveren tussen de Amerikaanse grenslaboratoria en de open-weight grootmachten van China.
---
Blijf AI een stap voorOntvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.
Lees meer AI-nieuws →
