Mistral Large 4: Was es ist, was es kostet und die eine Zeile, die auf Mistrals eigener Karte noch leer ist

Mistral Large 4 ist das Flaggschiff-Generalist-Modell von Mistral AI und die Spitze der Large-Reihe, die Mistral Large 3 vor ihm innehatte — ein natives multimodales Mixture-of-Experts-Modell, das Mistrals eigene Dokumentation als ein Modell mit 1,05 Billionen Gesamtparametern bei 52 Milliarden aktiven Parametern, einem 1,6-Milliarden-Parameter-Vision-Encoder, einem Kontextfenster von 1 Mio. Token und einem Listenpreis von 1,36 $ pro Million Eingabe-Token gegenüber 4,18 $ pro Million Ausgabe-Token beschreibt. Der API-Name ist mistral-large-4. Was nicht auf dieser Karte steht, ist das, wonach ein großer Teil der Leser sucht: das Lizenzabzeichen auf Mistrals eigener Modellseite zeigt "Open" und nennt dann überhaupt nichts, und es gibt kein Checkpoint-Repository zum Herunterladen. Dies ist die Beschreibung des Modells, wie es am 13. Oktober 2026 steht.

Die Einordnung ist wichtig, deshalb steht sie am Anfang. Mistral hat am 6. Oktober 2026 die öffentliche Vorschau von Mistral Large 4 angekündigt, und dieser Blog enthält bereits diesen Nachrichtenbeitrag sowie die neun Seiten mit Direktvergleichen, die daraus folgen. Was bisher fehlte, ist die schlichte Seite darunter. Diese Lücke wird gemessen, nicht angenommen: Der bloße Name erzielte in den achtundzwanzig Tagen bis zum 13. Oktober 3.141 Impressionen und 68 Klicks auf unserer eigenen Website, verteilt auf fünf Suchanfragen, während die qualifizierten Zeilen darunter — artificial analysis bei 129 Impressionen, preview bei 122, benchmark bei 84, ollama bei 70 — sind alle klein. Die Vergleichszeilen hingegen konvertieren um ein Mehrfaches besser als der bloße Begriff, und genau deshalb wurden die Vergleichsseiten zuerst geschrieben. Dies ist die Seite für den Leser, der den Namen eingetippt hat und wissen wollte, was es mit dem Ding auf sich hat.

Der Name und das 4-0, das in unseren eigenen URLs steckt

Mistral schreibt das Modell als Mistral Large 4. Im Ankündigungsbeitrag dazu werden zwei informelle Bezeichnungen genannt – „ML4" und „le Chonk" –, und die Dokumentation liefert die Modellkarte von einer Seite aus, die sowohl unter mistral-large-4 als auch unter mistral-large-4-0 erreichbar ist. Auf der Karte selbst steht mistral-large-4, und im Leitfaden zur Modellauswahl wird mistral-large-4 als API-Name geführt; die schlichte Form ist also die aktuell vom Anbieter verwendete und die angehängte Null ein Alt-Alias, der aus dem Link vom Tag der Einführung stammt.

Das ist einen Satz zum Abgleich wert, denn jede hier bereits veröffentlichte Seite verwendet die 4-0 Form – die Vorschau-Ausarbeitung, die Hosting-Seite und alle neun Vergleiche sind unter mistral-large-4-0-*. Diese URLs verweisen auf dasselbe Modell, das diese Seite beschreibt. Diese Seite übernimmt für den Referenzeintrag einfach die Schreibweise des Anbieters, sodass ein Leser, der über den bloßen Namen hier landet, das Modell unter dem Namen antrifft, den sein Hersteller derzeit angibt.

Die drei Statusbezeichnungen auf Mistrals Karte sind es wert, zusammen gelesen zu werden, denn sie sind die gesamte Situation des Modells in drei Wörtern: Öffentliche Vorschau, Offen und v26.10. Die erste besagt, dass sich die Serving-Konfiguration noch ändern kann. Die zweite ist die Behauptung offener Gewichte. Die dritte ist die Revision, und sie ist die einzige der drei, die schlicht eine Tatsache ist.

Die Spezifikation, wie Mistral sie angibt

Alles in der folgenden Liste ist Mistrals eigener Wortlaut aus seiner Model Card, seinem Leitfaden zur Modellauswahl und seinem Launch-Beitrag. Wo ein unabhängiges Labor dieselbe Zahl anders liest, wird diese Lesart in der Zeile genannt, statt sie in einen Durchschnitt einzurechnen.

• Parameter — 1,05 Billionen insgesamt bei 52 Milliarden aktiven Parametern, auf einer feinkörnigen Sparse-Mixture-of-Experts-Architektur. Der Launch-Post rundet die Gesamtzahl auf „1 Billion Parameter“; die Modellkarte nennt den Wert von 1,05 Billionen. Artificial Analysis gibt die Anzahl der aktiven Parameter mit 49 Milliarden statt 52 Milliarden an, was eine Lücke von drei Milliarden bei derselben Größe darstellt.

• Vision-Encoder — 1,6 Milliarden Parameter, bei einem Modell, das Mistral als nativ multimodal beschreibt statt als nachträglich an Bilder angepasst.

• Modalitäten — Text und Bild als Eingabe, Text als Ausgabe, inklusive Reasoning. Mistrals Auswahlleitfaden ordnet die Ausgabe als „reasoning, text“ ein, und Artificial Analysis führt es als Reasoning-Modell mit dem Hinweis, dass möglicherweise auch eine Nicht-Reasoning-Variante existiert. Die eigene Produktkarte des Launch-Beitrags nennt es einen „hybriden Instruct-and-Reasoning-MoE“.

• Kontextfenster — 1 Mio. Tokens auf Mistrals Datenblatt. Artificial Analysis liest 524.288 Tokens in der Konfiguration, die es testet; das ist der Unterschied zwischen einer Hersteller-Obergrenze und einem tatsächlich bereitgestellten Fenster.

• Preis — 1,36 $ pro Million Eingabe-Tokens, 0,14 $ für zwischengespeicherte Eingabe, 4,18 $ pro Million Ausgabe, gemäß Mistrals veröffentlichter Preisseite. Diese Seite enthält außerdem eine Einführungsaktion, die dieselben drei Zeilen durchgestrichen zu 0,68 $, 0,07 $ und 2,09 $ zeigt.

• Sprachen — mehr als 160 Sprachen in den Trainingsdaten, darunter jede Amtssprache der Europäischen Union, nach eigenen Angaben von Mistral.

• Lizenz — unbenannt. Mehr dazu unten, denn sie ist die wichtigste Leerstelle auf der Seite.

Lizenzierung und Gewichte: Was dieses Release tatsächlich veröffentlicht

Mistral Large 3 wurde unter Apache 2.0 veröffentlicht. Die Modellkarte auf Hugging Face enthält das Lizenz-Tag in den Metadaten, und die Gewichte sind in FP8, NVFP4 und BF16 herunterladbar. Mistral Small 4 und die Ministral-3-Größen stehen ebenfalls unter Apache 2.0, und Mistral Medium 3.5 ist als Modified MIT aufgeführt. Nichts davon überträgt sich. Eine Lizenz wird von dem Release abgelesen, das vor Ihnen liegt, und für Mistral Large 4 hat der Anbieter noch keine niedergeschrieben.

Drei Stellen auf Mistrals eigenen Oberflächen zeigen die Leerstelle, und ein Leser kann jede davon in einem Browser überprüfen:

• Die Modellkarte auf docs.mistral.ai enthält einen Lizenz-Chip, der nur das einzelne Wort „Open“ anzeigt, ohne dass ein Lizenzname daran angehängt ist.

• Der Modellauswahl-Leitfaden – die Gegenüberstellungstabelle, die Mistral für Entwickler veröffentlicht, die zwischen seinen Modellen wählen – enthält eine Lizenzspalte, und jede benachbarte Zeile ist ausgefüllt: Apache 2.0 für Mistral Small 4, Modified MIT für Mistral Medium 3.5, Apache 2.0 für Mistral Large 3. Die Lizenzzelle der Zeile Mistral Large 4 ist leer.

• Der Tab „Gewichte" auf der Modellkarte zeigt „Demnächst verfügbar" an.

Artificial Analysis, das denselben Bereich unabhängig verfolgt, verzeichnet den Lizenznamen und die Lizenz-URL für Mistral Large 4 als null und kennzeichnet das Modell isOpenWeights: false, und kategorisiert es als proprietär. Dieses Flag ist kein Widerspruch zu Mistrals Marketing; es ist eine Aussage darüber, was heute existiert. Eine Vorschau, die vom eigenen Cluster des Anbieters bereitgestellt wird, ohne Repository und ohne Lizenztext, ist ein aufrufbares Modell und keine Open-Weights-Veröffentlichung.

Was Mistral zugesagt hat, ist ein Datum: „Wir werden die Gewichte bis Ende des Monats veröffentlichen“, so die eigenen Worte des Launch-Posts, zusammen mit weiteren Details zur Architektur, zusätzlichen Benchmarks und der Post-Training-Methodik. Davor, so das Unternehmen, läuft ein Red-Teaming-Fenster mit geprüften Partnern und nationalen Behörden. Das Hugging-Face-Konto der Organisation, am 13. Oktober gelesen, hat weiterhin nichts, das neuer wäre als der 8. Oktober, und keiner der Einträge ist ein Large-Line-Checkpoint.

Die zutreffende Beschreibung der Open-Weight-Behauptung ist heute also, dass sie ein Plan mit einer daran geknüpften Frist ist, aufgestellt von einem Labor, das in dieser Klasse bereits Gewichte unter Apache 2.0 ausgeliefert hat. Das ist eine stärkere Position als ein vages Versprechen und eine schwächere als ein Download-Link. Der Unterschied zwischen diesen beiden Dingen ist der ganze Grund, warum es diesen Abschnitt gibt.

Wo Mistral Large 4 läuft, in Mistrals Worten

Mistral sagt, die Preview-API sei auf Mistral Studio verfügbar, und das Modell sei „in mehreren Regionen weltweit verfügbar, einschließlich eines europäischen Deployments, das Mistral Ende-zu-Ende betreibt, unabhängig von anderen Anbietern digitaler Dienste und nach europäischem Recht“. Das Unternehmen sagt außerdem, die Preview werde auf derselben Infrastruktur bereitgestellt, auf der das Modell trainiert wurde – 3.800 NVIDIA Grace Blackwell GPUs in den eigenen europäischen Rechenzentren –, und das Modell werde für die Workloads, für die es ausgelegt ist, in einer Private Cloud oder On-Premises laufen können. Das sind die Aussagen des Anbieters darüber, wo sein Modell läuft, die dem Anbieter zugeschrieben werden und nicht uns.

Separat und unmissverständlich: Mistral Large 4 ist nicht im Katalog von OrcaRouter. Unsere Live-Modellliste, ausgelesen am 13. Oktober, enthält 207 Modellbezeichner, und keiner davon ist ein Modell aus der Mistral-Familie, weder unter mistral-large-4, mistral-large-4-0 noch unter irgendeiner anderen Schreibweise. Hier wird keine Route beansprucht, und nichts in diesem Absatz sollte als eine solche gelesen werden.

Eine Deployment-Frage, die diese Seite nicht erneut beantworten wird, ist das Ollama-Listing. Mistral Large 4 erscheint in dieser Bibliothek als einzelnes Cloud-Tag statt als herunterladbare Größenstaffel, was eine eigene Geschichte mit eigenem Artikel ist — mistral-large-4-ollama-cloud-only — und ein Leser, der hierhergekommen ist, weil er wissen wollte, ob er die Gewichte auf eine lokale Maschine ziehen kann, sollte jene Seite statt dieser lesen.

Die Benchmark-Zahlen und wer sie durchgeführt hat

Der Launch-Beitrag von Mistral berichtet über eine dichte Reihe von Ergebnissen und ist ungewöhnlich explizit darüber, welche davon das Unternehmen nicht durchgeführt hat. Im Bereich agentisches Codieren listet er 61,7 % bei DeepSWE v1.1, 59,4 % bei SWE-Atlas-QnA und 28,3 % bei Terminal-Bench 4.0 auf, die zusammen einen Coding-Agent-Index-Wert von 49,8 % ergeben, von dem der Beitrag sagt, dass er das Modell vor DeepSeek V4 Pro 0813 und Qwen3.8 Max platziert. Bei agentischen Workflows berichtet er 59,9 % bei AutomationBench über 657 Geschäftsworkflows, und bei langhorizontiger Wissensarbeit berichtet er 1.393 Elo bei AA-Briefcase. Bei seinen Cyber-Evaluierungen berichtet er eine Top-Five-Position im Artificial Analysis Cyber Index, 82 % bei einem Reproduce-and-Patch-Test, der als der höchste aller Modelle beschrieben wird, und 93 % bei Cybenchs 40 Wettbewerbsaufgaben. Beim multimodalen Grounding berichtet er 42 % bei Dense 200 gegenüber 41 % für GPT-6 Astra. All dies sind vom Anbieter gemeldete Zahlen; einige werden in dem Beitrag als von einem Dritten evaluiert beschrieben, bevor diese Testumgebung öffentlich wurde, was eine stärkere Herkunft als eine selbst erhobene Zahl ist und dennoch keine veröffentlichte Zahl.

Die unabhängigen Zahlen sind dünner und nützlicher. Artificial Analysis bewertet Mistral Large 4 Preview mit 38,4 auf seinem Intelligence Index v4.3, was das Modell über den Median seiner Vergleichsklasse und auf Platz 65 von 216 Modellen in diesem Index platziert. Dieselbe Seite beziffert die Kosten für die Ausführung einer Intelligence-Index-Aufgabe mit 1,13 $ und verzeichnet etwas, das der Launch-Post überhaupt nicht erwähnt: Das Modell erzeugte während des Index-Durchlaufs 200 Millionen Ausgabe-Tokens gegenüber einem Median von 85 Millionen und lag damit bei der Weitschweifigkeit auf Rang 107 von 114. Ein Modell, das bei der Qualität über dem Durchschnitt und bei den pro Antwort verbrauchten Tokens weit über dem Durchschnitt liegt, verändert die Arithmetik einer Rechnung auf eine Weise, wie es die Schlagzeilenwerte nicht tun.

Im Launch-Beitrag gibt es außerdem eine Blindbewertung, die es wert ist, vom Rest getrennt betrachtet zu werden, weil die Methode anders ist. Surge AI führte einen blinden menschlichen Vergleich zur Coding-Qualität durch, bei dem die Modellidentitäten verborgen waren; professionelle Annotatoren bewerteten Mistral Large 4 Preview mit 3,74 auf einer Skala von 1 bis 5, auf Platz zwei von fünf, vor Kimi K3 mit 3,59 und GLM-5.3 mit 3,60 und hinter Claude Opus 5 mit 4,22. Ein blindes Panel, bei dem auf der anderen Seite ein namentlich genannter Dritter steht, ist eine andere Klasse von Belegen als eine vom Anbieter ausgewählte Punktzahl, und es ist der eine Wert in der Ankündigung, den ein skeptischer Leser am stärksten gewichten sollte.

Was hat sich gegenüber Mistral Large 3 geändert, in drei Sätzen?

Mistral Large 3 ist ein Sparse-Mixture-of-Experts-Modell mit 675 Milliarden Parametern und 41 Milliarden aktiven Parametern, einem Kontextfenster von 256k, einem Vision-Encoder mit 2,5 Milliarden Parametern und Apache-2.0-Gewichten, die Sie heute herunterladen können. Mistral Large 4 erhöht die Gesamtwerte auf 1,05 Billionen, mit 52 Milliarden aktiven Parametern laut Modellkarte des Anbieters, hebt den angegebenen Kontext auf 1 Mio. Token an und ergänzt Reasoning bei einem Modell, das Mistral zuvor als ausschließlich auf Instruct ausgerichtetes multimodales Modell beschrieben hatte – was eine Änderung der Art und nicht nur des Umfangs ist. Zudem kommt es vorerst ohne die Lizenz und den Checkpoint, die Large 3 unkompliziert einsetzbar machten.

Artificial Analysis führt Mistral Large 3 als veraltet und verweist als Deprecation-Ziel auf Mistral Large 4, was das klarste verfügbare Signal dafür ist, dass es sich um aufeinanderfolgende Generationen desselben Slots und nicht um parallele Optionen handelt. Mistrals eigene Preisseite stimmt dem zu: Large 3 liegt bei $0,50 für Input und $1,50 für Output pro Million Tokens, und Large 4 wird darüber mit dem angegebenen Aktionspreispaar aufgeführt.

Das Vergleichsset als Index, nicht als Urteil

Für dieses Modell existieren bereits neun Direktvergleichsseiten, und diese Seite wiederholt bewusst keine davon. Für Leser, die zwischen Mistral Large 4 und etwas anderem abwägen, sind dies die Seitenmistral-large-4-0-vs-claude-opus-5, -vs-deepseek-v4-pro, -vs-gemini-3-1-pro, -vs-glm-5-5, -vs-gpt-6-sol, -vs-grok-4-7, -vs-kimi-k3, -vs-minimax-m3 und -vs-qwen-3-8-max. Die gemessene Nachfrage liegt genau in diesen Seiten — mistral large 4 vs claude bei 78 Impressionen und 11 Klicks, vs opus 5.5 bei 84 und 10 — und beide konvertieren deutlich besser als die reine Begriffsvariante, was dafür spricht, die Definition hier und die Entscheidung dort zu belassen.

Die Abhängigkeit, die es wert ist, benannt zu werden, ist mistral-large-4-0-vs-glm-5-5, weil GLM-5.5 selbst eine Seite in genau demselben Batch ist und die beiden Beiträge in Bezug auf einen Vergleich übereinstimmen müssen, statt aneinander vorbeizureden. Alles andere auf der Liste ist ein stabiles Ziel.

Was ist nicht geklärt

Ob die Gewichte bis Ende Oktober erscheinen – und unter welcher Lizenz. Und ob der Aktionspreis das Vorschaufenster überlebt, da sich die Standard-Preisliste und der Starttarif bei allen drei Positionen um genau die Hälfte unterscheiden. Beides kann ein Leser überprüfen, ohne jemanden fragen zu müssen: Die Lizenz und der Checkpoint werden auf Hugging Face auftauchen oder nicht, und die Preisliste wird entweder weiterhin eine durchgestrichene Zahl zeigen oder nicht.

Bis dahin ist die Haltung, zu der dieses Modell einlädt, genau die, die sein eigenes Stage-Label nahelegt. Ruf es auf, miss es an deiner eigenen Workload — einschließlich des Token-Verbrauchs, der Zahl, die der Launch-Post auslässt — und halte den Produktionspfad auf etwas, dessen Verhalten nicht zur Änderung ansteht. Eine Preview ist nicht bloß ein Label auf einem Preisblatt. Sie bedeutet, dass sich Modell, Lizenz und Rechnung alle auf einmal ändern können.

Bei OrcaRouter leiten wir mehr als 200 Modelle über einen einzigen OpenAI-kompatiblen Endpoint zum Listenpreis des Anbieters, mit 0 % Aufschlag, der durchgereicht wird — eine Preisänderung eines Anbieters ist also am selben Tag auch bei uns eine Preisänderung, egal welches Modell sie betrifft. Automatisches Failover ist die andere Hälfte davon für alles in der Preview-Phase: Es ermöglicht, dass ein Teil des echten Traffics auf ein unerprobtes Modell trifft, während ein etabliertes Modell den Rest übernimmt, sodass eine Regression umgangen wird, statt jemanden zu alarmieren. Nichts davon ist eine Aussage über Mistral Large 4, das wir nicht anbieten. Sie sind die Form der Antwort für das nächste Modell – und für dieses, das ausgeliefert wird, bevor seine Lizenz vorliegt.

Nichts davon ist hypothetisch: Die dokumentierten KI-Ausfälle und Agent-Vorfälle, gegen die diese Referenz geschrieben wurde, finden sich in dem OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Konfidenzstufe und seine Kennzeichnung als umstritten trägt.