Mistral Large 4: wat het is, wat het kost, en de ene regel die nog steeds leeg is op Mistrals eigen kaart

Mistral Large 4 is het generalistische vlaggenschipmodel van Mistral AI en de top van de Large-lijn die Mistral Large 3 daarvoor bezette — een native multimodaal mixture-of-expertsmodel dat volgens Mistral's eigen documentatie 1,05 biljoen totale parameters heeft, waarvan 52 miljard actief, een vision-encoder van 1,6 miljard parameters, een contextvenster van 1 miljoen tokens, en een tariefkaartprijs van $1,36 per miljoen inputtokens tegen $4,18 per miljoen output. De API-naam is mistral-large-4. Wat niet op die kaart staat, is hetgeen waar een groot deel van de lezers naar op zoek komt: de licentiebadge op Mistral's eigen modelpagina luidt "Open" en noemt vervolgens helemaal niets, en er is geen checkpoint-repository om te downloaden. Dit is de beschrijving van het model zoals het er op 13 oktober 2026 voorstaat.

De framing doet ertoe, dus die staat vooraan. Mistral kondigde op 6 oktober 2026 de publieke preview van Mistral Large 4 aan, en dit blog heeft dat nieuwsbericht al, plus de negen head-to-head-pagina's die daaruit voortkomen. Wat ontbrak, is de gewone pagina daaronder. Dat gat is gemeten in plaats van aangenomen: de kale naam trok op onze eigen site 3.141 vertoningen en 68 klikken in de achtentwintig dagen tot 13 oktober, verdeeld over vijf zoekopdrachten, terwijl de gekwalificeerde rijen daaronder — artificial analysis met 129 vertoningen, preview met 122, benchmark met 84, ollama met 70 — allemaal klein zijn. De vergelijkende rijen converteren daarentegen meerdere keren beter dan de kale term, en dat is precies waarom de vergelijkingspagina's eerst zijn geschreven. Dit is de pagina voor de lezer die de naam intypte en wilde weten wat het ding is.

De naam, en de 4-0 die in onze eigen URL's staat

Mistral schrijft het model als Mistral Large 4. Het lanceringsbericht biedt daarnaast twee informele benamingen — "ML4" en "le Chonk" — en de documentatie serveert de modelkaart vanaf een pagina die bereikbaar is onder zowel mistral-large-4 als mistral-large-4-0. De badge op de kaart zelf luidt mistral-large-4, en de modelselectiegids vermeldt mistral-large-4 als de API-naam, dus de gewone vorm is degene die de leverancier momenteel gebruikt en de afsluitende nul is een verouderde alias die is overgenomen uit de link van de lanceringsdag.

Dat is een zin van verzoening waard, want elke pagina die hier al is gepubliceerd gebruikt de 4-0 vorm — het preview-artikel, de hostingpagina en alle negen vergelijkingen staan onder mistral-large-4-0-*. Die URL's verwijzen naar hetzelfde model dat deze pagina beschrijft. Deze pagina neemt simpelweg de spelling van de leverancier over voor de referentievermelding, zodat een lezer die hier via de kale naam terechtkomt het model aantreft onder de naam die de maker op dit moment hanteert.

De drie statuslabels op Mistrals kaart zijn het waard om samen te lezen, want ze zijn de hele situatie van het model in drie woorden: Openbare preview, Open, en v26.10. Het eerste zegt dat de serverconfiguratie nog kan veranderen. Het tweede is de claim over open gewichten. Het derde is de revisie, en het is de enige van de drie die simpelweg een feit is.

De specificatie, zoals Mistral die stelt

Alles in de onderstaande lijst bestaat uit Mistrals eigen bewoordingen uit zijn modelkaart, zijn modelselectiegids en zijn lanceringsbericht. Waar een onafhankelijk lab hetzelfde cijfer anders leest, wordt die lezing op de betreffende regel genoemd in plaats van te worden meegenomen in een gemiddelde.

• Parameters — 1,05 biljoen in totaal met 52 miljard actieve parameters, op een granulaire, schaarse mixture-of-experts-architectuur. De introductiepost rondt het totaal af naar "1 biljoen parameter"; de modelkaart geeft de 1,05 biljoen aan. Artificial Analysis registreert het aantal actieve parameters als 49 miljard in plaats van 52 miljard, wat een verschil van drie miljard op dezelfde dimensie is.

• Vision-encoder — 1,6 miljard parameters, op een model dat Mistral beschrijft als van nature multimodaal in plaats van achteraf aangepast aan afbeeldingen.

• Modaliteiten — tekst en afbeelding in, tekst uit, met redenering inbegrepen. De selectiegids van Mistral classificeert de uitvoer als "redenering, tekst", en Artificial Analysis registreert het als een redeneermodel met de opmerking dat er mogelijk ook een niet-redenerende variant bestaat. De productkaart van het lanceringsbericht zelf noemt het een "hybride instruct- en redeneer-MoE".

• Contextvenster — 1M tokens volgens Mistrals specificaties. Artificial Analysis leest 524.288 tokens op de configuratie die het test, en dat is het verschil tussen een leveranciersplafond en een daadwerkelijk geserveerd venster.

• Prijs — $1,36 per miljoen inputtokens, $0,14 voor gecachte invoer, $4,18 per miljoen uitvoer, volgens de gepubliceerde prijspagina van Mistral. Op die pagina staat ook een introductieactie waarin dezelfde drie regels zijn doorgestreept tegen $0,68, $0,07 en $2,09.

• Talen — meer dan 160 talen in de trainingsdata, waaronder elke officiële taal van de Europese Unie, volgens Mistral zelf.

• Licentie — naamloos. Meer daarover hieronder, want het is de meest dragende leemte op de pagina.

Licenties en gewichten: wat deze release daadwerkelijk publiceert

Mistral Large 3 is uitgebracht onder Apache 2.0. De modelkaart op Hugging Face bevat de licentietag in de metadata, en de gewichten zijn downloadbaar in FP8, NVFP4 en BF16. Mistral Small 4 en de formaten van Ministral 3 vallen ook onder Apache 2.0, en Mistral Medium 3.5 staat vermeld als Modified MIT. Niets daarvan gaat over. Een licentie lees je af van de release die voor je ligt, en bij Mistral Large 4 heeft de leverancier er nog geen opgeschreven.

Op drie plekken op de eigen oppervlakken van Mistral is de leegte te zien, en een lezer kan elk ervan in een browser controleren:

• De modelkaart op docs.mistral.ai bevat een licentiechip die alleen het woord "Open" weergeeft, zonder dat er een licentienaam aan is gekoppeld.

• De gids voor modelselectie — de vergelijkingstabel die Mistral publiceert voor ontwikkelaars die tussen zijn modellen kiezen — heeft een kolom Licentie, en elke aangrenzende rij is ingevuld: Apache 2.0 voor Mistral Small 4, Modified MIT voor Mistral Medium 3.5, Apache 2.0 voor Mistral Large 3. De cel Licentie van de rij Mistral Large 4 is leeg.

• Het tabblad Gewichten op de modelkaart vermeldt "Binnenkort beschikbaar".

Artificial Analysis, dat hetzelfde vakgebied onafhankelijk volgt, registreert de licentienaam en licentie-URL voor Mistral Large 4 als null, markeert het model isOpenWeights: false, en categoriseert het als propriëtair. Die vlag is geen tegenspraak van de marketing van Mistral; het is een uitspraak over wat vandaag bestaat. Een preview die vanaf het eigen cluster van de leverancier wordt geserveerd, zonder repository en zonder licentietekst, is een aanroepbaar model in plaats van een open-weights-release.

Waartoe Mistral zich heeft verbonden, is een datum: "We zullen de gewichten voor het einde van de maand vrijgeven," in de eigen woorden van de lanceringspost, samen met meer details over architectuur, aanvullende benchmarks en post-trainingsmethodologie. Voorafgaand daaraan zegt het bedrijf een red-teamingvenster te draaien met gescreende partners en nationale autoriteiten. De Hugging Face-account van de organisatie, bekeken op 13 oktober, bevat nog steeds niets dat nieuwer is dan 8 oktober, en geen van beide vermeldingen is een Large-line-checkpoint.

Dus de accurate beschrijving van de open-weight-claim vandaag is dat het een plan met een deadline eraan verbonden is, gemaakt door een lab dat eerder op dit niveau Apache 2.0-gewichten heeft uitgebracht. Dat is een sterkere positie dan een vage belofte, en een zwakkere dan een downloadlink. Het onderscheid tussen die twee dingen is de hele reden dat deze sectie bestaat.

Waar Mistral Large 4 draait, in de woorden van Mistral

Mistral zegt dat de preview-API beschikbaar is op Mistral Studio, en dat het model "beschikbaar is in meerdere regio's wereldwijd, waaronder een Europese implementatie die Mistral end-to-end beheert, onafhankelijk van andere digitale dienstverleners en onder Europese wetgeving". Het bedrijf zegt ook dat de preview wordt aangeboden op dezelfde infrastructuur waarop het model is getraind — 3.800 NVIDIA Grace Blackwell GPU's in zijn eigen Europese datacenters — en dat het model kan draaien in een private cloud of on-premise voor de workloads waarvoor het is bedoeld. Dat zijn de uitspraken van de leverancier over waar zijn model draait, toegeschreven aan de leverancier en niet aan ons.

Afzonderlijk en duidelijk: Mistral Large 4 staat niet in de catalogus van OrcaRouter. Onze live modellenlijst, uitgelezen op 13 oktober, bevat 207 model-identificaties en geen enkele daarvan is een model uit de Mistral-familie, onder mistral-large-4, mistral-large-4-0 of enige andere spelling. Hier wordt geen route geclaimd, en niets in deze alinea mag als zodanig worden gelezen.

Eén deploymentvraag die deze pagina niet opnieuw beantwoordt, is de Ollama-vermelding. Mistral Large 4 verschijnt in die bibliotheek als één cloudtag in plaats van een downloadbare reeks van modelgroottes, wat een apart verhaal is met een eigen artikel — mistral-large-4-ollama-cloud-only — en een lezer die hier kwam om te weten of die de gewichten naar een lokale machine kan ophalen, kan beter die pagina lezen dan deze.

De benchmarkcijfers, en wie ze heeft uitgevoerd

Het lanceringsbericht van Mistral rapporteert een groot aantal scores, en is ongewoon expliciet over welke daarvan het bedrijf niet zelf heeft uitgevoerd. Aan de agentische-codeerkant noemt het 61,7% op DeepSWE v1.1, 59,4% op SWE-Atlas-QnA en 28,3% op Terminal-Bench 4.0, wat resulteert in een score van 49,8% op de Coding Agent Index, waarmee het model volgens het bericht voorloopt op DeepSeek V4 Pro 0813 en Qwen3.8 Max. Voor agentische workflows rapporteert het 59,9% op AutomationBench over 657 bedrijfsworkflows, en voor kenniswerk met een lange horizon rapporteert het 1.393 Elo op AA-Briefcase. Bij zijn cyberevaluaties rapporteert het een topvijfpositie op de Artificial Analysis Cyber Index, 82% op een reproduce-and-patchtest die wordt beschreven als de hoogste van alle modellen, en 93% op de 40 wedstrijdoefeningen van Cybench. Op het gebied van multimodale grounding rapporteert het 42% op Dense 200 tegenover 41% voor GPT-6 Astra. Dat zijn allemaal door de leverancier gerapporteerde cijfers; sommige worden in het bericht beschreven als geëvalueerd door een derde partij voordat die harness openbaar werd, wat een sterkere herkomst is dan een zelf uitgevoerd cijfer en nog steeds geen gepubliceerd cijfer.

De onafhankelijke cijfers zijn beperkter en nuttiger. Artificial Analysis geeft Mistral Large 4 Preview een score van 38,4 op zijn Intelligence Index v4.3, waarmee het model boven de mediaan van zijn vergelijkingsklasse uitkomt en 65e van 216 modellen op die index staat. Dezelfde pagina zet de kosten van het uitvoeren van één Intelligence Index-taak op $1,13 en vermeldt iets wat het lanceringsbericht helemaal niet noemt: het model genereerde tijdens de indexrun 200 miljoen outputtokens, tegenover een mediaan van 85 miljoen, waarmee het 107e van 114 staat op het gebied van breedsprakigheid. Een model dat boven het gemiddelde scoort op kwaliteit en ver boven het gemiddelde zit wat betreft tokens per antwoord, verandert de rekensom van een rekening op een manier die de kopcijfers niet doen.

Er staat ook één blinde evaluatie in het lanceringsbericht die het waard is om apart te houden van de rest, omdat de methode anders is. Surge AI voerde een blinde menselijke vergelijking uit op codeerkwaliteit met verborgen modelidentiteiten; professionele annotatoren beoordeelden Mistral Large 4 Preview met 3,74 op een schaal van 1 tot 5, tweede van vijf, vóór Kimi K3 met 3,59 en GLM-5.3 met 3,60 en achter Claude Opus 5 met 4,22. Een blind panel met een genoemde derde partij aan de andere kant is een andere categorie bewijs dan een score die de leverancier zelf heeft gekozen, en het is het enige cijfer in de aankondiging waaraan een sceptische lezer het meeste gewicht zou moeten toekennen.

Wat is er veranderd ten opzichte van Mistral Large 3, in drie zinnen?

Mistral Large 3 is een sparse mixture-of-experts-model met 675 miljard parameters en 41 miljard actieve parameters, een contextvenster van 256k, een visie-encoder van 2,5 miljard parameters en Apache 2.0-gewichten die je vandaag kunt downloaden. Mistral Large 4 verhoogt de totalen naar 1,05 biljoen, met 52 miljard actieve parameters volgens de specificaties van de leverancier, verhoogt de opgegeven context naar 1M tokens en voegt redeneervermogen toe aan een model dat Mistral eerder omschreef als een instruct-only multimodaal model — wat een verandering van soort is, niet alleen van schaal. Het komt voorlopig ook zonder de licentie en de checkpoint die Large 3 eenvoudig te adopteren maakten.

Artificial Analysis registreert Mistral Large 3 als verouderd en wijst Mistral Large 4 aan als deprecatiedoel, wat het duidelijkste beschikbare signaal is dat dit opeenvolgende generaties van hetzelfde slot zijn in plaats van parallelle opties. Mistrals eigen prijzenpagina bevestigt dit: Large 3 staat op $0,50 input en $1,50 output per miljoen tokens, en Large 4 staat erboven vermeld met het promotiepaar van toepassing.

De vergelijkingsset, als een index in plaats van een oordeel

Er bestaan al negen head-to-head-pagina's voor dit model, en deze pagina herhaalt ze opzettelijk niet. Voor een lezer die moet kiezen tussen Mistral Large 4 en iets anders, zijn de pagina's mistral-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 en -vs-qwen-3-8-max. De gemeten vraag zit precies in die pagina's — mistral large 4 vs claude met 78 vertoningen en 11 kliks, vs opus 5.5 op 84 en 10 — en beide converteren ruim boven het percentage van de kale term, wat een argument is om de definitie hier te houden en de beoordeling daar.

De afhankelijkheid die het vermelden waard is, is mistral-large-4-0-vs-glm-5-5, omdat GLM-5.5 zelf een pagina in dezelfde batch is en de twee artikelen het over één en dezelfde vergelijking eens moeten zijn in plaats van langs elkaar heen te praten. Al het overige op de lijst is een stabiel doel.

Wat is niet geregeld

Of de gewichten voor eind oktober beschikbaar komen, en onder welke licentie. En of de promotieprijzen de previewperiode overleven, aangezien de standaardtariefkaart en het lanceringstarief op alle drie de regels precies de helft schelen. Beide kan een lezer controleren zonder iemand iets te vragen: de licentie en de checkpoint zullen op Hugging Face verschijnen of niet, en de tariefkaart zal ofwel nog steeds een doorgestreept getal tonen, ofwel niet.

Tot die tijd is de houding die dit model oproept precies wat zijn eigen stage-label suggereert. Roep het aan, meet het af tegen je eigen workload — inclusief het tokenverbruik, het getal dat het lanceringsbericht weglaat — en houd het productiepad op iets waarvan het gedrag niet gepland is te veranderen. Een preview is niet slechts een label op een prijslijst. Het betekent dat het model, de licentie en de factuur allemaal tegelijk kunnen veranderen.

Bij OrcaRouter routeren we meer dan 200 modellen via één OpenAI-compatibel endpoint tegen de lijstprijs van de provider, met 0% opslag doorberekend — dus een prijswijziging van een leverancier is dezelfde dag een prijswijziging aan onze kant, op welk model die ook terechtkomt. Automatische failover is de andere helft daarvan voor alles in de previewfase: het laat een deel van het echte verkeer kennismaken met een onbewezen model, terwijl een gevestigd model de rest vasthoudt, zodat een regressie wordt omgeleid in plaats van dat er iemand wordt opgeroepen. Geen van beide is een bewering over Mistral Large 4, dat wij niet aanbieden. Ze zijn de vorm van het antwoord voor het volgende model, en dit model, dat eerder uitkomt dan zijn licentie.

Niets daarvan is hypothetisch: de gedocumenteerde AI-storingen en agent-incidenten waartegen deze referentie is geschreven, zijn verzameld in het OrcaRouter AI Incident Archive , waar elke vermelding haar eigen bronnen, ernstniveau, betrouwbaarheidsgraad en betwist-markering bevat.