Mistral Large 4 is een 1T-parameterpreview: de gewichten zijn nog niet vrijgegeven

Mistral Large 4 verscheen op 6 oktober 2026 als publieke preview — een mixture-of-experts-model met een biljoen parameters, 49 miljard actieve parameters, een vision-encoder van 1,6 miljard parameters, en de bewering van de maker dat dit het sterkste open-weightmodel is dat buiten China is gebouwd. Wat niet is verschenen, is het deel dat de woorden "open-weight" beschrijven. Er zijn vandaag geen checkpoints te downloaden, geen licentiebestand en geen repository. Mistral zegt dat de gewichten "eind deze maand" arriveren, na een red-teamingvenster waarin gescreende partners en nationale autoriteiten een ontgrendelde build krijgen met verminderde moderatie en uitgebreidere cybercapaciteit. De nauwkeurige beschrijving van Mistral Large 4 deze week is dus een preview-API die je kunt aanroepen en een model dat je nog niet kunt bezitten.

Die splitsing is het verhaal, niet een voetnoot erbij. Elk getal dat Mistral naast de aankondiging publiceerde — de codeerscores, de cyberscores, de financiële en juridische evaluaties — is geproduceerd op een build die nog steeds wordt gewijzigd, en elke kop die het vergelijkt met een gesloten frontiermodel vergelijkt een artefact dat niet het artefact zal zijn dat jij downloadt. Wat nuttig is om te doen bij een lancering als deze, is scheiden wat je vandaag kunt verifiëren van wat je wordt gevraagd op goed vertrouwen aan te nemen, en mistral.ai's eigen bericht is ongewoon ruimhartig over wat wat is.

Wat is er eigenlijk live op 6 oktober?

De preview-API staat live op Mistral Studio onder het model-id mistral-large-4-0. De eigen modelkaart van Mistral beschrijft het als "een state-of-the-art, open-weight, algemeen inzetbaar multimodaal model", gebouwd op een granulaire MoE-architectuur, en splitst het aantal parameters op als 49 miljard actief tegenover 1,05 biljoen in totaal, plus de vision-encoder. Het bedrijf trainde het vanaf nul op 3.800 NVIDIA Grace Blackwell-GPU's in zijn eigen Europese datacenters, en de preview wordt op diezelfde infrastructuur aangeboden — een soevereiniteitsargument dat Mistral even luid maakt als het prestatieargument.

De specificatie, zoals de leverancier die vermeldt:

• Totale versus actieve parameters — 1,05 biljoen totaal, 49 miljard actief per token, sparse MoE

• Modaliteiten — tekst en afbeelding in, tekst uit; inherent multimodaal in plaats van een eraan vastgeschroefde adapter

• Contextvenster — Mistrals documentatie vermeldt 1M tokens; Artificial Analysis leest 524.288 op de configuratie die het test, dus beschouw de 1M als het leveranciersplafond in plaats van het geleverde venster

• Prijs — $1,36 per miljoen invoertokens en $4,18 per miljoen uitvoer, met gecachte invoer tegen $0,14, volgens Mistral's gepubliceerde kaart

• Introductieaanbieding — dezelfde kaart toont een doorgestreepte promotie van $0.68 / $2.09 met $0.07 gecachte invoer, halve prijs

Gewichten — niet vrijgegeven; "einde van deze maand," volgens de aankondiging

• Licentie — niet genoemd in de aankondiging en op de documentatiepagina, die de vermelding alleen als "Open" aanduidt

Twee van die regels verdienen het om tweemaal gelezen te worden. Het contextvenster verschilt met een factor twee, afhankelijk van of je de leverancier of het onafhankelijke lab leest, wat niet ongebruikelijk is voor een preview waarvan de servingconfiguratie nog in beweging is, maar wel de moeite waard is om te weten voordat je een workload erop dimensioneert. En de prijs die je betaalt, hangt ervan af of het promotietarief het lanceringsvenster overleeft; $1,36 / $4,18 is het bedrag dat de eigen tariefkaart van Mistral vermeldt, en $0,68 / $2,09 is het bedrag dat het momenteel in rekening brengt. Ga bij het modelleren van je factuur uit van het eerste.

De benchmarkcijfers, en wie ze heeft uitgevoerd

Mistrals bericht is zorgvuldig over de herkomst, en die voorzichtigheid is het waard om mee te nemen. Drie van de meest in het oog springende cijfers voor agentisch coderen — 61,7% op DeepSWE v1.1, 59,4% op SWE-Atlas-QnA en 28,3% op Terminal-Bench 4.0, die samen uitkomen op een score van 49,8% op de Coding Agent Index — zijn, in Mistrals eigen woorden, "de cijfers die privé zijn geëvalueerd door Artificial Analysis vóór de publieke lancering van de harness." Ze staan nog niet op de publieke index van Artificial Analysis. Ze zullen er dan staan, zodra de harness uitkomt. Tot die tijd zijn het door de leverancier gepubliceerde cijfers die een derde partij heeft geproduceerd maar nog niet heeft gepubliceerd, wat een sterkere herkomst is dan de meeste lanceerclaims en nog steeds niet hetzelfde als een reproduceerbare publieke score.

Wat vandaag openbaar en onafhankelijk is, afgelezen van de modelpagina van Artificial Analysis op 6 oktober: Mistral Large 4 Preview scoort 38,4 op de Intelligence Index v4.3, en doet ongeveer 507 seconden per taak, met Terminal-Bench 4.0 op 26,8% en Long-Context Reasoning op 81,3%. Dezelfde pagina vermeldt het als een open-weightsmodel dat in feite niet open-weights is — de markering luidt isOpenWeights: false met de categorisering "propriëtair", omdat wat bestaat een preview is die vanaf het eigen cluster van de leverancier wordt aangeboden. Die markering is de zuiverste afzonderlijke illustratie van de kloof waarover dit artikel gaat.

Het meest citeerbare resultaat is het resultaat dat Mistral niet zelf heeft uitgevoerd. Surge AI, een externe annotatiefirma, voerde een blinde menselijke evaluatie uit naar codeerkwaliteit waarbij de identiteit van de modellen verborgen bleef, en professionele annotatoren beoordeelden Mistral Large 4 Preview met een 3,74 op een schaal van 1–5 — tweede van vijf, vóór Kimi K3 met 3,59, GLM-5.3 met 3,60 en GLM-5.2 met 3,40, en alleen achter Claude Opus 5 met 4,22. Een blinde menselijke evaluatie met een genoemd lab aan de andere kant is een ander soort bewijs dan een zelf uitgevoerde benchmark, en het is het sterkste onafhankelijke gegeven in de aankondiging.

Dan is er cyber, waar Mistral zijn scherpste claim maakt. In de Cyber Index van Artificial Analysis stelt het bedrijf dat Mistral Large 4 in de wereldwijde top vijf staat en de open-weightmodellen die buiten China zijn ontwikkeld aanvoert. Bij één specifieke test — een echte kwetsbaarheid in opensourcesoftware reproduceren en die vervolgens patchen — scoort het 82%, naar verluidt het hoogste van alle modellen, met 93% op de 40 competitieoefeningen van Cybench. Mistral voegt daar een puntige observatie aan toe: verschillende toonaangevende gesloten modellen, Claude Opus 5.5 en GPT-6 Astra die daarbij worden genoemd, scoren bijna nul op diezelfde test omdat ze de taak weigeren. Zonder de pagina van een derde partij voor je neus is die 82% een leverancierscijfer; het argument over het weigeringspercentage is een interpretatie van de leverancier. Beide zijn plausibel en geen van beide is vandaag onafhankelijk bevestigd.

Waarom de preview-framing de prijsberekening verandert

Een preview is niet slechts een faselabel. Het betekent dat het model opnieuw gericht, opnieuw geprijsd of buiten gebruik gesteld kan worden met minder opzegtermijn dan bij een GA-release, en het betekent dat de servingconfiguratie waartegen je benchmarkt niet de configuratie hoeft te zijn waarmee je in productie gaat. Voor een routeringsbeslissing is dat een reële kostenpost: een pipeline die op de build van deze week is afgestemd, brengt een hervalidatierekening met zich mee die je niet had ingecalculeerd.

Op OrcaRouter, waar meer dan 200 modellen achter één OpenAI-compatibel endpoint zitten tegen de lijstprijs van de provider, met 0% markup die rechtstreeks wordt doorgegeven, is een prijswijziging op de eigen prijskaart van een leverancier dezelfde dag een prijswijziging op de onze — wat hier juist van belang is omdat deze lancering twee prijzen meebrengt, waarvan één doorgestreept. Automatische failover is de andere helft van het antwoord voor een onbewezen preview: het stelt je in staat een fractie van het productieverkeer naar Mistral Large 4 te sturen terwijl een first-party model de rest voor zijn rekening neemt, zodat een preview die onder je echte workload regresseert, uitmondt in een reroute in plaats van een incident. Wat oplettende lezers niet mogen aannemen, is dat Mistral Large 4 vandaag op OrcaRouter routeerbaar is. Het staat niet in de catalogus — de preview is bereikbaar via de eigen API van Mistral en verschillende platforms van derden, en de gewichten ervan, wanneer ze komen, zullen een self-hosted aangelegenheid zijn.

De open-weightclaim is op dit moment een belofte.

De framing van Mistral is dat Mistral Large 4 "de grens van de prestaties van open weights verlegt" en dat open weights het mechanisme zijn waarmee ondernemingen controle over een model behouden. Dat is een verdedigbaar argument voor het model dat Mistral van plan is uit te brengen. Voor het model dat Mistral deze week heeft uitgebracht, ontbreekt dat mechanisme: geen Hugging Face-repository, geen licentietekst, geen downloadbare checkpoint. De eigen Hugging Face-organisatie van het bedrijf, gecontroleerd op 6 oktober, bevat niets recenter dan juli, en de nieuwste items houden geen verband met de Large-lijn.

Dit is geen kritiek op het plan; gefaseerde vrijgave van gewichten na een red-teamingvenster is een coherent beleid, en Mistral is daar expliciet over. Het is een waarschuwing over het bijvoeglijk naamwoord. "Open-weight" doet marketingwerk in een alinea waarin de gewichten nog vier weken weg zijn, en de licentie die ervoor geldt, is niet genoemd. Een permissieve licentie en Apache-achtige voorwaarden zijn één uitkomst; een licentie alleen voor onderzoek of met een omzetplafond is een andere, en de aankondiging kiest niet tussen beide.

Wat je moet controleren voor het einde van oktober

Vijf dingen zouden van deze preview een vaststaand feit maken, en elk ervan is controleerbaar zonder Mistral iets te vragen:

• Een Hugging Face-repository onder de Mistral-organisatie die de checkpoint en een licentiebestand bevat — de release die Mistral deze maand heeft toegezegd

• De licentienaam zelf, die bepaalt of "open weight" Apache-2.0-achtige vrijheid betekent of een aan gebruikslimieten gebonden toekenning

• Of het promotietarief van $0,68 / $2,09 blijft bestaan, of terugvalt naar $1,36 / $4,18 op de tariefkaart

• Of Artificial Analysis de privé geëvalueerde cijfers voor programmeren naar zijn openbare index verplaatst wanneer het testharnas wordt uitgebracht, en of ze dezelfde waarden behouden

• Het geleverde contextvenster, momenteel door de leverancier vermeld als 1M en door het onafhankelijke lab gelezen als 524.288

Totdat die zijn opgelost, is de juiste houding tegenover Mistral Large 4 de houding die zijn eigen lancering uitnodigt: roep het aan, meet het op je werkbelasting, en houd het productiepad op een model waarvan het gedrag niet gepland staat te veranderen. De gewichten zijn de gebeurtenis. De preview is de trailer.