Mistral Large 4 vs. Mistral Large 3: Das Upgrade, das 40 % mehr kostet

Der Deprecation-Hinweis besteht aus einem einzigen Satz, und er war das folgenreichste, was Mistral im Oktober veröffentlichte. „Dieses Modell ist veraltet. Verwenden Sie für neue Integrationen Mistral Large 4“, heißt es auf der Dokumentationsseite für Mistral Large 3 vom 31. Oktober 2026 – zwei Tage, nachdem die Gewichte von Mistral Large 4 erschienen sind. Large 3 wird nicht morgen zurückgezogen; es wird für neue Arbeiten geschlossen, was in der Praxis bedeutet, dass jede neue Integration, jeder Eval- und Benchmark-Lauf von nun an auf ein Modell zeigt, das 40 % mehr pro Token kostet und unter einer Lizenz ausgeliefert wird, die es Ihnen nicht mehr erlaubt, es frei weiterzuverkaufen. Das ist der Deal, den das Upgrade von Ihnen verlangt, und es ist nicht der Deal, den die Benchmark-Abdeckung beschreibt.

Was die Deprecation tatsächlich besagt

Mistrals Modellseite listet Mistral Large 3 mit insgesamt 675 Milliarden Parametern und 41 Milliarden aktiven Parametern, einem Kontext von 256K, veröffentlicht am 2. Dezember 2025 unter Apache 2.0. Der Nachfolger Mistral Large 4 hat insgesamt 1,05 Billionen Parameter und 52 Milliarden aktive Parameter, einen Kontext von 1M, wurde am 6. Oktober 2026 als Vorschau vorgestellt und am 29. Oktober mit offenen Gewichten veröffentlicht. Mistral nennt mistral-large-4 als Nachfolger unter der API-ID.

Zwei Details an dieser Gegenüberstellung verdienen mehr Aufmerksamkeit, als sie erhalten haben. Das erste ist, dass sich die Lizenz geändert hat. Aus Apache 2.0 wurde die Mistral Ecosystem Open-Weight License, eine modifizierte MIT-Lizenz, die kommerzielle Nutzung erlaubt, aber für alle, die das Modell als Model-as-a-Service anbieten, eine separate kommerzielle Vereinbarung verlangt. Wenn Sie Large 3 feinabstimmen und Zugriff auf das Ergebnis verkaufen, verlangt Large 4, dass Sie zuerst mit Mistral sprechen. Das zweite ist, dass Mistrals eigene Dokumentation Mistral Large 4 weiterhin als „Public Preview“ bezeichnet, während der Lizenzblock auf derselben Seite es als Open-Weight beschreibt. Beides kann zutreffen – das Modell ist veröffentlicht, der Release ist nicht formell abgeschlossen –, aber ein Team, das eine Migration plant, sollte „Preview“ und „Open Weight“ nicht als dasselbe Reifegradsignal lesen.

Der Preis ist gestiegen, und die Kosten pro Aufgabe sind gesunken

Beide Aussagen sind korrekt, und genau das macht dieses Upgrade verwirrend.

• Eingabe-Tokens – 0,50 $ pro Million bei Mistral Large 3, 0,70 $ bei Mistral Large 4. Um 40 % gestiegen.

• Ausgabe-Tokens — 1,50 $ pro Million bei Mistral Large 3, 2,10 $ bei Mistral Large 4. 40 % mehr.

• Zwischengespeicherte Eingabe — 0,07 $ pro Million bei Mistral Large 4; die Dokumentationsseite zu Mistral Large 3 nennt keinen Tarif für zwischengespeicherte Eingaben.

• Kosten pro abgeschlossener Aufgabe im Artificial Analysis-Index – 2,06 US-Dollar bei Mistral Large 4, 63 % weniger als die 5,54 US-Dollar der Oktober-Vorschau.

Die 63-%-Zahl ist real, und sie beschreibt etwas anderes als das, was ein Käufer erlebt. Sie vergleicht Large 4 mit seiner eigenen früheren Vorschau, als das Modell sowohl teurer pro Token als auch deutlich wortreicher war. Was sie nicht tut, ist Large 4 mit Large 3 zu vergleichen, denn Artificial Analysis veröffentlicht derzeit überhaupt keinen Intelligence-Index-Wert für Large 3 – die Seite führt den Index als nicht zutreffend und das Modell als ohne öffentlich gebenchmarkte API-Konfiguration. Der weit verbreitete Sprung von „9 auf 38.4“ über die beiden Modelle hinweg ist also keine Messung dieses Upgrades. Er ist ein Wert aus einem Index-Build, der inzwischen ersetzt wurde.

Die Frage nach dem Punktestand, ehrlich gesagt

Im aktuellen Artificial Analysis Intelligence Index v5 — überarbeitet am 27. Oktober 2026 — befindet sich das einzige verfügbare direkt vergleichbare Paar innerhalb der eigenen Familie von Large 4. Die Oktober-Vorschau erreichte 25, und der veröffentlichte Checkpoint erreicht 26 bei hohem Reasoning und 23 bei mittlerem. Das ist die gemessene Verbesserung durch die drei zusätzlichen Wochen Reinforcement Learning, die Mistral beschreibt, und sie beträgt einen Punkt.

Für die Aussage zur Generation bleiben Ihnen nur Mistrals eigene Evaluierungen: 41 % bei Terminal-Bench 4.0 gegenüber 28 % in der Preview, 61,7 % bei DeepSWE v1.1, 79 % bei CyberGym-E2E, 84,5 % bei BrowseComp. Alle wurden vom Anbieter berichtet, und insbesondere die Terminal-Bench-Zahl misst je nach Scaffold etwas anderes: 24,7 %, wenn dieselben Gewichte auf dem neutralen mini-swe-agent-Harness von Artificial Analysis laufen. Es gibt keine entsprechende von Mistral veröffentlichte Suite für Large 3, die man danebenstellen könnte. Wer Ihnen sagt, Large 4 sei genau N Punkte besser als Large 3, zitiert einen Index, den es in dieser Form nicht mehr gibt.

Was sich ohne Maßstab sagen lässt: Large 4 fügt eine Reasoning-Leiter hinzu, die Large 3 nicht hat – mit niedrigen, mittleren und hohen Aufwandsstufen, die das alte Modell nicht besaß, wobei hoch die Standardeinstellung ist. Es verdoppelt den Kontext auf 1M und, was für lange Aufgaben folgenschwerer ist, es denkt vor der Antwort nach. Das sind kategoriale Veränderungen, keine Skalierungsänderungen. Der Preis einer kategorialen Veränderung ist, dass sich alte Prompts anders verhalten – manchmal besser, oft teurer.

Die Rechnung bei einer echten Arbeitslast

Einhundert Millionen Eingabe-Tokens und vierzig Millionen Ausgabe-Tokens pro Monat – dasselbe Volumen, das auch an anderer Stelle in diesem Blog verwendet wird, weil es ungefähr einem mittelgroßen Support-Assistenten entspricht.

• Mistral Large 3 — 100 × 0,50 $ sind 50 $, und 40 × 1,50 $ sind 60 $, also 110 $ pro Monat.

• Mistral Large 4 — 100 × 0,70 $ sind 70 $, und 40 × 2,10 $ sind 84 $, das macht 154 $ pro Monat.

Der Unterschied — 44 $ pro Monat oder 40 % bei identischen Token-Zahlen.

Die Annahme identischer Tokenanzahlen ist die, die es zu hinterfragen gilt. Mistral Large 4 ist standardmäßig ein Reasoning-Modell, und Reasoning-Modelle geben bei derselben Anfrage mehr Tokens aus. Artificial Analysis misst 82.000 Ausgabe-Tokens pro Index-Aufgabe beim veröffentlichten Checkpoint – 39 % weniger als die 135.000 der Vorschauversion, was verdeutlicht, wie viel der Kosten der Vorschau auf Weitschweifigkeit zurückzuführen war, und ebenso, dass 82.000 immer noch eine Menge sind. Mistral behauptet zusätzlich, das Modell verbrauche 47 % weniger Tokens pro Aufgabe als GLM-5.3, was ein Vergleich mit einem Wettbewerber ist, nicht mit Large 3.

Die praktische Konsequenz: Wenn Sie das Modell hinter einem unveränderten Prompt austauschen, steigen sowohl Ihre Tokenanzahl als auch Ihr Tarif, und die Rechnung wird sich um mehr als 40 % verändern. Senken Sie den Reasoning-Aufwand für Klassifizierung, Extraktion und Kurztextgenerierung auf niedrig, verringert sich die Lücke. Lassen Sie ihn für alles auf hoch, zahlen Sie einen Reasoning-Aufschlag für Arbeit, die ihn nie gebraucht hat. Diese eine Einstellung ist mehr wert als jeder Migrationsrabatt.

Die Lizenz ist der Teil, den man zweimal lesen sollte.

Apache 2.0 für Mistral Large 3 bedeutete keine Bedingungen, für die es sich lohnte, einen Anwalt einzuschalten. Die Mistral Ecosystem Open-Weight License für Large 4 ist eine modifizierte MIT-Lizenz: freie Nutzung, Modifikation, Feinabstimmung und Kommerzialisierung, wobei für Model-as-a-Service eine separate kommerzielle Lizenz erforderlich ist. Mistrals Ankündigung stellt ausdrücklich klar, dass Anbieter eine solche erwerben müssen.

Die Sonderregelungen sind für Intermediäre wichtig. Die Definition schließt eingebettete Endnutzerprodukte und die „bloße Weiterleitung von Anfragen an Modelle, die von anderen gehostet werden“ aus, was Spielraum für ein Gateway lässt, das Datenverkehr an Mistral-gehostete Inferenz weiterleitet. Was sie nicht klar abdeckt, ist, die Gewichte selbst zu hosten und andere sie aufrufen zu lassen – genau das, was ein Plattformteam tut, wenn es einen gemeinsamen Inferenz-Endpunkt für seine eigenen Produktgruppen aufsetzt. Wenn das Ihre Architektur ist, ändert das Upgrade sowohl Ihre Rechtslage als auch Ihre Rechnung, und die Antwort ist ein Gespräch mit Mistral statt einer Lektüre der Lizenz.

Hier rechtfertigt sich auch eine Routing-Schicht – mit einer Einschränkung. OrcaRouter gibt den Listenpreis des Anbieters mit 0 % Aufschlag weiter, sodass eine Preisänderung des Anbieters bei uns noch am selben Tag wirksam wird und nicht erst zur nächsten Vertragsverlängerung – nützlich, wenn ein Modell in drei Wochen von 1,36 $ auf 0,70 $ fällt, wie es hier der Fall war. Aber weder Mistral Large 4 noch Mistral Large 3 ist in unserem Katalog, daher können wir diese Migration nicht für Sie routen. Was wir tun können: den Rest Ihres Stacks während Ihrer Entscheidung auf einem einzigen Key halten – mit automatischem Failover und über 200 Modellen hinter einem einzigen Endpoint.

Eine Migrations-Checkliste, die auf einen Bildschirm passt

• API-ID — mistral-large-2512 wird zu mistral-large-4 oder dessen Alias mistral-large-4-0; die alte ID bedient weiterhin bestehenden Traffic, ist aber für neue Integrationen geschlossen.

• Reasoning-Parameter — Large 4 bietet den Aufwand in niedrig, mittel und hoch, wobei hoch der Standard ist und niedrig den alten „none“-Modus ersetzt; Prompts, die ihn nie festlegen, werden nun Schlussfolgerungen ziehen.

• Kontext — 256K wird zu 1M, was die Chunking-Strategie stärker verändert als das Modell selbst; Retrieval-Pipelines, die auf 256K ausgelegt sind, fangen unbemerkt an, deutlich größere Prompts zu senden, wenn man sie gewähren lässt.

• Ausgabebudget — Mistral veröffentlicht für Large 4 keine maximale Ausgabenzahl; messen Sie sie an dem Endpunkt, den Sie aufrufen, bevor Sie eine Zahl annehmen.

• Vision — Mistral veröffentlicht einen 1,6B-Vision-Encoder für Large 4 und koppelt den Encoder für Large 3 nicht separat aus; der multimodale Pfad ist in beiden nativ, aber Bildaufgaben sollten erneut ausgeführt werden, statt von Parität auszugehen.

• Lizenz — wenn du Inferenz weiterverkaufst, hol dir die kommerzielle Vereinbarung, bevor du auslieferst, nicht danach.

• Evals — Baseline neu bestimmen anhand eigener Aufgaben bei hohem und niedrigem Aufwand. Die Zahlen der Anbieter sind nicht übertragbar, und Ihre alten Bestehensraten ebenso wenig.

Wer sollte jetzt handeln, und wer sollte warten?

Wechseln Sie jetzt, wenn Ihre Arbeit agentisch, langkontext- oder reasoning-intensiv ist und Ihre Rechnung eher von Wiederholungsversuchen als von First-Pass-Tokens dominiert wird. Die 40%ige Tariferhöhung ist in diesem Profil nicht die entscheidende Zahl; entscheidend ist, wie viele Versuche eine Aufgabe benötigt, und die Reasoning-Leiter ist das erste, was Mistral auf den Markt gebracht hat, das dies plausibel reduziert.

Warten Sie ab, wenn Ihre Arbeitslast durchsatzstark ist, kurze Ausgaben erzeugt und bereits erfolgreich läuft. Eine Preiserhöhung um 40 % für eine Funktion, die Sie nicht nutzen, ist ein schlichter Verlust, und Large 3 wird weiterhin bereitgestellt. Die Abkündigung schließt es für neue Integrationen, nicht für bestehenden Datenverkehr – aber behandeln Sie das als eine Übergangsfrist mit Ende, nicht als dauerhafte Option, und bitten Sie Mistral schriftlich um das Außerbetriebnahmedatum, statt es aus einer Dokumentationsseite abzuleiten.

Und wenn Sie sich anhand eines Benchmark-Diagramms zwischen den beiden entscheiden, prüfen Sie zuerst, aus welchem Index es stammt. Die meistzitierten Zahlen für dieses Paar wurden auf einem Build gemessen, der am 27. Oktober ersetzt wurde, und der einzige Score, den beide Modelle heute gemeinsam haben, ist, dass Large 4 einen hat und Large 3 keinen. Eine Migrationsentscheidung auf dieser Grundlage ist eine Entscheidung mit einem veralteten Maßstab – genau die Art von Sache, die ein Preisanstieg um 40 % teuer macht.