Mistral Large 4 tritt Open Math OS bei – und der offene Teil kommt mit einer Warteliste

Am 3. November 2026 wurde {{1}}Mistral Large 4{{/1}} zum neuesten Modell auf {{2}}Open Math OS{{/2}}, dem gemeinsamen Arbeitsbereich der {{3}}SAIR Foundation{{/3}}, in dem Mathematiker und KI-Agenten an denselben Projekten arbeiten. Die Ankündigung war ein kurzer Beitrag statt einer Launch-Seite: {{4}}1,05 Billionen offene Gewichte{{/4}}, ein {{5}}Kontextfenster von 1 Mio.{{/5}}, an jenem Tag live für freigegebene Teams. Der letzte Satzteil ist der, über den man nachdenken sollte. {{6}}Open Math OS{{/6}} basiert ausschließlich auf offenen Modellen, gerade damit die mathematische Community prüfen und ausführen kann, worauf sie sich verlässt, und der neueste Zusatz kommt weiterhin hinter einer Freigabewarteschlange an. Das gilt auch für die drei Modelle, die bereits im Verzeichnis stehen — {{7}}DeepSeek V4.1 Flash{{/7}}, {{8}}Kimi K3{{/8}} und {{9}}GLM-5.3-Flash{{/9}}.

Was Mistral tatsächlich gesagt hat – und was es weggelassen hat

Der Beitrag enthält zwei technische Angaben und einen Zugriffsbegriff. Die Angaben – 1,05 Billionen Gesamtparameter und ein Kontextfenster von einer Million Token – stimmen mit dem Checkpoint überein, den Mistral am 29. Oktober veröffentlicht hat, es handelt sich also nicht um Marketing-Arithmetik. Der Zugriffsbegriff lautet „approved teams“, ohne Beschreibung, was für eine Genehmigung erforderlich ist, wie lange sie dauert oder ob ein einzelner Forscher ohne Team Zugang erhalten kann.

Was der Beitrag nicht enthält, ist ebenso aufschlussreich. Es gibt keinen Mathematik-Benchmark. Es gibt keine Aussage, dass Mistral Large 4 an Lean-Beweisen, an Formalisierung oder an einer der Aufgaben evaluiert wurde, für die Open Math OS gebaut wurde. Es gibt keinen Hinweis darauf, ob das Modell denselben Tool-Zugriff wie die etablierten Anbieter erhält — die Shell, die PDF-Tools, den Lean-Checker, die MCP-Server — oder einen reduzierten Umfang. Und es gibt keine Preisangabe, was zu einem Workspace passt, der auf gespendeter Rechenleistung statt auf abgerechneten Tokens läuft.

Nichts davon ist eine Kritik am Modell. Es beschreibt, wie viel über die Paarung noch unbekannt ist, sechs Tage nachdem die Gewichte veröffentlicht wurden.

Open Math OS ist ein Arbeitsbereich, kein Modell.

Der Unterschied ist wichtig, weil der Name genau danach klingt. Open Math OS ist eine Initiative der SAIR Foundation, die am 16. Oktober 2026 im Soft-Launch gestartet ist, und Terence Tao – ein Mitgründer von SAIR – beschrieb es als einen gehosteten Dienst mit „Diensten und Web-Oberflächen ähnlich denen von Frontier-KI-Modellen“ und nicht als etwas, das man installiert. Seine Open-Source-Laufzeitumgebung, der Open Math Harness, ist in Rust geschrieben und als capability-basierter Mikrokernel strukturiert: Jedes Programm, einschließlich Agenten, läuft als abgeschotteter Prozess, und das erklärte Designprinzip lautet: „Agenten schlagen vor, Mathematiker entscheiden.“

Um diesen Kern herum liegen die Dinge, die ihn zu einem Arbeitsbereich statt zu einem Chatfenster machen. Team-Konten, bei denen Mitglieder die Prompts der jeweils anderen sehen können. Dauerhaftes Projektgedächtnis. Ein Modus zur parallelen Exploration namens Ultramath, der mehrere Agenten gleichzeitig auf dasselbe Problem ansetzt. Lean-verifizierte Beweissuche. Unterstützung für MCP-Server und für Plugins, die Nutzer selbst erstellen. SAIR vergibt kostenlose Konten an akademische Anfragende und betreibt das Ganze auf gespendeter Rechenleistung, weshalb Obergrenzen für Konten und Anpassungen der Ressourcenzuteilung ausdrücklich zur Debatte stehen.

Das Aufgebot, mit dem es an den Start ging, bestand ausschließlich aus chinesischen Open-Weight-Modellen. Genau diese Lücke füllt Mistral Large 4: Es ist das erste Modell auf Open Math OS von einem europäischen Labor und das erste, hinter dem eine französische Geschichte souveräner Bereitstellung steht. Für eine Stiftung, deren Kernversprechen die gemeinschaftliche Kontrolle von Daten ist, ist eine nicht-chinesische, nicht-amerikanische Option eine echte Bereicherung und keine bloße Pflichtübung.

Die Lizenzfrage, die niemand im Thread gestellt hat.

Mistral Large 4 steht nicht unter Apache 2.0, und das ist eine Änderung gegenüber seinem Vorgänger. Seine Gewichte werden unter der Mistral Ecosystem Open-Weight License bereitgestellt, einer modifizierten MIT-Lizenz, die Nutzung, Änderung, Fine-Tuning und Kommerzialisierung erlaubt – mit einer Ausnahme. Wer das Modell als Model-as-a-Service anbietet, muss eine separate kommerzielle Lizenz von Mistral erwerben.

Open Math OS ist ein gehosteter Dienst, mit dem Teams ein Modell über eine Weboberfläche aufrufen können. Ob diese Regelung im Sinne der Lizenz als „Model-as-a-Service“ gilt, unter die Ausnahme für eingebettete Endnutzerprodukte fällt oder unter die eng gefasste Ausnahme für das bloße Weiterleiten von Anfragen an anderswo gehostete Modelle passt, ist eine Rechtsfrage, die SAIR nicht öffentlich behandelt hat. Mistral hat sich ebenfalls nicht dazu geäußert. Es ist durchaus möglich – sogar wahrscheinlich –, dass hinter der Ankündigung eine kommerzielle Vereinbarung steht, die keine der beiden Parteien beschrieben hat. Doch wer „offene Gewichte“ gelesen und angenommen hat, die Hosting-Frage sei geklärt, sollte wissen, dass sie es nicht ist, denn dieselbe Klausel wird für jedes Labor gelten, das auf diesem Modell einen gemeinsamen Arbeitsbereich aufbauen möchte.

Warum ein 1M-Fenster hier mehr ist als eine Zeile im Datenblatt

Kontextfenster werden üblicherweise mit dem Dokumentvolumen beworben, und eine Million Tokens klingt wie ein Aktenschrank. In einem Arbeitsbereich für formale Mathematik sieht die nützliche Variante anders aus. Ein Projekt sammelt eine Lean-Datei, ihre Importe, einen Beweiszustand, die Diskussion um eine fehlgeschlagene Taktik und den Sitzungsverlauf des Agenten selbst an. All das muss sich im selben Rahmen befinden, damit ein Agent überhaupt etwas anderes tun kann als raten. Threads, die über Tage hinweg bestehen, sind der Sinn eines gemeinsamen Arbeitsbereichs; ein Fenster, das sie abschneidet, macht jede Sitzung zu einem Kaltstart.

Das ist ein Argument dafür, warum Mistral Large 4 zum Design passt, nicht der Beleg dafür, dass es performt. In einer Launch-Woche sind die beiden leicht zu verwechseln, und Mistrals Beitrag hilft nicht — er führt das Fenster als prominente Kennzahl neben der Parameteranzahl auf, was Datenblatt-Grammatik ist, nicht eine Evaluation.

Was ein genehmigtes Team bekommt und was noch nicht gesagt wurde

• Bewertung — keine veröffentlichten mathematischen Ergebnisse für Mistral Large 4 auf Open Math OS; die Startmodelle des Lineups wurden von Tao als etwa ein Jahr hinter der Frontier und gut bei mittelgroßer Lean-Formalisierung beschrieben, was eine Fähigkeitsaussage und keine Punktzahl ist.

• Werkzeugparität — nicht angegeben, ob das neue Modell Ultramath, Beweissuche und die vollständige wissenschaftliche Toolchain erhält oder eine eingeschränkte Teilmenge, während es bewertet wird.

• Limits – keine veröffentlichten Rate Limits, Quotas oder Kontextobergrenzen innerhalb des Workspace, wobei ein 1M-Fenster von der Plattform gekürzt werden kann, unabhängig davon, was das Modell unterstützt.

• Datenrichtlinie — Tao schrieb im Oktober, dass SAIR „zuerst einige Nutzungsdaten sammeln wollte, bevor wir unsere Richtlinien finalisieren“. Das ist eine ehrliche Aussage und auch ein Grund, die aktuellen Bedingungen zu lesen, bevor man einen unveröffentlichten Beweis in ein Projekt einbringt.

• Auswahl — keine Erklärung dazu, wie ein Team ein Modell pro Projekt auswählt, ob die Wahl pro Chat oder pro Projekt erfolgt oder ob SAIR automatisch zwischen ihnen weiterleitet.

Das Muster ist konsistent: Die Ankündigung beschreibt, dass ein Modell in eine Produktpalette aufgenommen wird, nicht dass eine Fähigkeit demonstriert wird. Wenn Sie entscheiden, ob Sie sich bewerben sollten, dann ist das der ehrliche Stand der Beweislage.

Wenn Sie die Modelle statt des Arbeitsbereichs möchten

Open Math OS ist der interessante Teil dieser Geschichte, aber es ist nicht der einzige Weg, die Modelle zu erreichen, die es ausführt. GLM-5.3-Flash ist im OrcaRouter-Katalog zum Listenpreis des Anbieters verfügbar, und Kimi K3 ebenso — zwei der drei Modelle, mit denen der Workspace gestartet ist, aufrufbar über eine einzige API neben mehr als 200 weiteren, mit automatischem Failover zwischen Anbietern und 0 % Aufschlag auf den eigenen Tarif des Anbieters. Die Routing-DSL fasst sie zu einem einzigen Aufruf zusammen, wenn Sie ein Panel statt einer einzelnen Antwort möchten, was eine grobe Annäherung daran ist, was Ultramath innerhalb des Workspace ohne den angehängten Lean-Checker tut.

Mistral Large 4 ist nicht in unserem Katalog, und wir werden nicht so tun, als wäre es anders. Wenn Sie genau dieses Modell möchten, führen die heutigen Wege über Mistrals eigene API, die Open-Weight-Checkpoints auf Hugging Face oder die Drittanbieter-Hostingpartner des Anbieters. Der Kompromiss ist real: Der Workspace bietet Ihnen das gemeinsame Projekt, die Tools und die Proof-Checking; die API bietet Ihnen das Modell allein, zu einem Preis, den Sie messen können.

Was als Nächstes ansehen

Drei Dinge würden daraus statt einer Aktualisierung der Mitgliederliste ein Ergebnis machen. Eine Bewertung pro Modell innerhalb von Open Math OS – selbst eine kleine, eine Reihe von Lean-Formalisierungen, die für alle vier Modelle auf dieselbe Weise bewertet werden – wäre der erste öffentliche Beleg dafür, welches Modell ein Mathematiker für welche Aufgabe wählen sollte. Eine veröffentlichte Zugangsrichtlinie würde die Spannung zwischen „offen“ und „genehmigt“ auflösen. Und eine Erklärung von SAIR oder Mistral dazu, wie die Hosting-Regelung im Verhältnis zur Model-as-a-Service-Klausel steht, würde jedem anderen Labor zeigen, ob es dasselbe bauen kann.

Bis dahin ist die zutreffende Zusammenfassung eng gefasst: Ein offen gewichtetes Modell mit einer Billion Parametern und einem 1-Mio.-Kontextfenster ist jetzt eine der Optionen in einer Forschungsumgebung, die – nach der eigenen Beschreibung ihres Gründers – noch immer eine sehr frühe Version ist.