Mistral Large 4: Vad det är, vad det kostar och den enda rad som fortfarande är tom på Mistrals eget kort

Mistral Large 4 är Mistral AIs flaggskeppsmodell för allmänna ändamål och toppen av Large-serien som Mistral Large 3 tidigare hade – en mixture-of-experts-modell, multimodal från grunden, som Mistral AIs egen dokumentation beskriver som att ha 1,05 biljoner totala parametrar med 52 miljarder aktiva, en visionskodare med 1,6 miljarder parametrar, ett kontextfönster på 1M tokens och ett pris enligt prislista på $1,36 per miljon input-tokens mot $4,18 per miljon output-tokens. API-namnet är mistral-large-4. Det som inte står på det kortet är det som en stor andel av läsarna kommer för att leta efter: licensmärket på Mistral AIs egen modellsida står "Open" och nämner sedan ingenting alls, och det finns inget checkpoint-arkiv att ladda ner. Detta är beskrivningen av modellen som den ser ut den 13 oktober 2026.

Inramningen spelar roll, så den kommer först. Mistral meddelade den 6 oktober 2026 att Mistral Large 4 finns i offentlig förhandsvisning, och den här bloggen har redan den nyhetsartikeln plus de nio direkt jämförande sidorna som följer av den. Det som har saknats är den enkla sidan under dem. Den luckan är uppmätt snarare än antagen: det enkla namnet drog 3 141 visningar och 68 klick på vår egen webbplats under de tjugoåtta dagarna till och med den 13 oktober, fördelat på fem sökfrågor, medan de kvalificerade raderna under det — artificial analysis med 129 visningar, förhandsvisning med 122, benchmark med 84, ollama med 70 — är alla små. De jämförande raderna konverterar däremot flera gånger bättre än den enkla termen gör, vilket är precis varför jämförelsesidorna skrevs först. Det här är sidan för läsaren som skrev namnet och ville veta vad saken är.

Namnet, och 4-0 som sitter i våra egna URL:er

Mistral skriver modellen som Mistral Large 4. Dess lanseringsinlägg erbjuder två informella namn vid sidan av det – "ML4" och "le Chonk" – och dess dokumentation visar modellkortet från en sida som nås under både mistral-large-4 och mistral-large-4-0. Märket på själva kortet anger mistral-large-4, och modellvalsguiden listar mistral-large-4 som API-namnet, så den vanliga formen är leverantörens nuvarande och den avslutande nollan är ett äldre alias som följt med från länken på lanseringsdagen.

Det är värt en mening för att stämma av, eftersom varje sida som redan publicerats här använder 4-0-formen — förhandsvisningstexten, hostningssidan och alla nio jämförelserna ligger under mistral-large-4-0-*. Dessa URL:er leder till samma modell som den här sidan beskriver. Den här sidan använder helt enkelt leverantörens stavning för referensposten, så en läsare som hamnar här via enbart namnet möter modellen under det namn som tillverkaren för närvarande skriver ut.

De tre statusetiketterna på Mistrals kort är värda att läsas tillsammans, eftersom de sammanfattar modellens hela situation i tre ord: Offentlig förhandsvisning, Öppen och v26.10. Den första säger att serveringskonfigurationen fortfarande kan ändras. Den andra är anspråket om öppna vikter. Den tredje är revisionen, och den är den enda av de tre som helt enkelt är ett faktum.

Specifikationen, såsom Mistral uttrycker den

Allt i listan nedan är Mistrals egna formuleringar från dess modellkort, dess guide för modellval och dess lanseringsinlägg. Där ett oberoende laboratorium tolkar samma siffra annorlunda anges den tolkningen på raden i stället för att vägas in.

• Parametrar — 1,05 biljoner totalt med 52 miljarder aktiva parametrar, på en finkornig gles mixture-of-experts-arkitektur. Lanseringsinlägget avrundar totalen till "1 biljon parametrar"; modellkortet anger siffran 1,05T. Artificial Analysis registrerar antalet aktiva som 49 miljarder i stället för 52 miljarder, vilket är en skillnad på tre miljarder i samma dimension.

• Visionskodare — 1,6 miljarder parametrar, på en modell som Mistral beskriver som från början multimodal snarare än anpassad till bilder i efterhand.

• Modaliteter – text och bild in, text ut, med resonemang inkluderat. Mistrals urvalsguide klassar utdata som "resonemang, text", och Artificial Analysis registrerar den som en resonemangsmodell med en notering om att en variant utan resonemang också kan finnas. Lanseringsinläggets eget produktkort kallar den för en "hybrid-MoE för instruktion och resonemang".

• Kontextfönster — 1M tokens på Mistrals kort. Artificial Analysis läser 524 288 tokens på den konfiguration som testas, vilket är skillnaden mellan ett leverantörstak och ett serverat fönster.

• Pris — 1,36 USD per miljon indatatoken, 0,14 USD för cachad indata, 4,18 USD per miljon utdata, enligt Mistrals publicerade prissida. Den sidan innehåller också en lanseringskampanj som visar samma tre rader med 0,68 USD, 0,07 USD och 2,09 USD överstrukna.

• Språk — enligt Mistrals egen uppgift finns mer än 160 språk i träningsdatan, inklusive samtliga officiella språk i Europeiska unionen.

• Licens — namnlös. Mer om det nedan, eftersom det är den enskilt mest bärande tomma rutan på sidan.

Licensiering och vikter: vad den här utgåvan faktiskt publicerar

Mistral Large 3 släpptes under Apache 2.0. Dess modellkort på Hugging Face bär licensetiketten i metadata, och dess vikter kan laddas ner i FP8, NVFP4 och BF16. Mistral Small 4 och storlekarna i Ministral 3 är också Apache 2.0, och Mistral Medium 3.5 listas som Modified MIT. Inget av det överförs. En licens avläses från den utgåva som ligger framför dig, och för Mistral Large 4 har leverantören ännu inte skrivit ned någon.

Tre platser på Mistrals egna ytor visar tomrummet, och en läsare kan kontrollera vart och ett av dem i en webbläsare:

• Modellkortet på docs.mistral.ai har en licenschip som återger det enda ordet "Open" utan något licensnamn kopplat till det.

• Modellvalsguiden – den jämförelsetabell som Mistral publicerar för utvecklare som väljer mellan sina modeller – har en licenskolumn, och varje intilliggande rad är ifylld: Apache 2.0 för Mistral Small 4, Modified MIT för Mistral Medium 3.5, Apache 2.0 för Mistral Large 3. Mistral Large 4-radens licenscell är tom.

• På fliken Vikter på modellkortet står det "Kommer snart".

Artificial Analysis, som oberoende följer samma område, registrerar licensnamnet och licens-URL:en för Mistral Large 4 som null, markerar modellen isOpenWeights: false och kategoriserar den som proprietär. Den flaggan motsäger inte Mistrals marknadsföring; den är ett konstaterande om vad som finns idag. En förhandsvisning som serveras från leverantörens eget kluster, utan förråd och utan licenstext, är en anropbar modell snarare än ett släpp med öppna vikter.

Det Mistral har förbundit sig till är ett datum: "Vi kommer att släppa vikterna i slutet av månaden", med lanseringsinläggets egna ord, tillsammans med ytterligare detaljer om arkitektur, ytterligare benchmarks och metodik för efterträning. Inför det uppger företaget att man kör ett red-teaming-fönster med granskade partner och nationella myndigheter. Organisationens Hugging Face-konto, läst den 13 oktober, har fortfarande inget nyare än den 8 oktober, och ingen av posterna är en Large-line-checkpoint.

Så den korrekta beskrivningen av anspråket om öppna vikter i dag är att det är en plan med en tidsfrist kopplad till sig, framtagen av ett labb som tidigare har levererat Apache 2.0-vikter på den här nivån. Det är en starkare position än ett vagt löfte, och en svagare än en nedladdningslänk. Åtskillnaden mellan dessa två saker är hela anledningen till att det här avsnittet finns.

Där Mistral Large 4 körs, med Mistrals egna ord

Mistral säger att förhandsversions-API:et är tillgängligt på Mistral Studio, och att modellen är "tillgänglig i flera regioner världen över, inklusive en europeisk driftsättning som Mistral driver från början till slut, oberoende av andra leverantörer av digitala tjänster och enligt europeisk lag". Företaget säger också att förhandsversionen levereras på samma infrastruktur som modellen tränades på – 3 800 NVIDIA Grace Blackwell-GPU:er i företagets egna europeiska datacenter – och att modellen kommer att kunna köras i privat moln eller lokalt för de arbetsbelastningar den är avsedd för. Detta är leverantörens uttalanden om var dess modell körs, tillskrivna leverantören och inte oss.

Separat och tydligt: Mistral Large 4 finns inte i OrcaRouters katalog. Vår aktuella modelllista, läst den 13 oktober, innehåller 207 modellidentifierare och inte en enda av dem är en modell i Mistral-familjen, under mistral-large-4, mistral-large-4-0 eller någon annan stavning. Här görs inga anspråk på någon rutt, och inget i detta stycke bör läsas som ett sådant.

En distributionsfråga som den här sidan inte kommer att besvara igen är Ollama-listningen. Mistral Large 4 visas i det biblioteket som en enda molntagg i stället för en nedladdningsbar storleksstege, vilket är en separat historia med sin egen artikel — mistral-large-4-ollama-cloud-only — och en läsare som har kommit hit för att ta reda på om de kan hämta vikterna till en lokal maskin bör läsa den sidan i stället för den här.

Benchmark-siffrorna, och körde dem

Mistrals lanseringsinlägg rapporterar en tät uppsättning resultat, och det är ovanligt tydligt med vilka av dem företaget inte självt körde. När det gäller agentisk kodning listar det 61,7 % på DeepSWE v1.1, 59,4 % på SWE-Atlas-QnA och 28,3 % på Terminal-Bench 4.0, vilket tillsammans blir en poäng på 49,8 % i Coding Agent Index som inlägget säger placerar modellen före DeepSeek V4 Pro 0813 och Qwen3.8 Max. För agentiska arbetsflöden rapporterar det 59,9 % på AutomationBench över 657 affärsarbetsflöden, och för kunskapsarbete över lång horisont rapporterar det 1 393 Elo på AA-Briefcase. För sina cyberutvärderingar rapporterar det en placering bland de fem bästa i Artificial Analysis Cyber Index, 82 % i ett test för att reproducera och patcha som beskrivs som det högsta av alla modeller, och 93 % på Cybenchs 40 tävlingsövningar. För multimodal grundning rapporterar det 42 % på Dense 200 mot 41 % för GPT-6 Astra. Alla dessa är leverantörsrapporterade siffror; några beskrivs i inlägget som utvärderade av en tredje part innan det ramverket blev offentligt, vilket är en starkare proveniens än en egenkörd siffra och fortfarande inte en publicerad sådan.

De oberoende siffrorna är tunnare och mer användbara. Artificial Analysis poängsätter Mistral Large 4 Preview till 38,4 i sitt Intelligence Index v4.3, vilket placerar modellen över medianen för dess jämförelseklass och på 65:e plats av 216 modeller i det indexet. Samma sida anger kostnaden för att köra en Intelligence Index-uppgift till 1,13 dollar, och dokumenterar något som lanseringsinlägget inte nämner alls: modellen genererade 200 miljoner utdatatoken under indexkörningen, mot en median på 85 miljoner, och hamnar på 107:e plats av 114 i mångordighet. En modell som ligger över genomsnittet i kvalitet och långt över genomsnittet i token som spenderas per svar förändrar kalkylen för en faktura på ett sätt som rubriksiffrorna inte gör.

Det finns också en blind utvärdering i lanseringsinlägget som är värd att skilja ut från resten, eftersom metoden är annorlunda. Surge AI genomförde en blind mänsklig jämförelse av kodningskvalitet med modellernas identiteter dolda; professionella annotatörer betygsatte Mistral Large 4 Preview till 3,74 på en skala från 1 till 5, tvåa av fem, före Kimi K3 på 3,59 och GLM-5.3 på 3,60 och efter Claude Opus 5 på 4,22. En blind panel med en namngiven tredje part i andra änden är en annan sorts bevis än en poäng som leverantören har valt ut, och det är den siffra i tillkännagivandet som en skeptisk läsare bör fästa störst vikt vid.

Vad har förändrats från Mistral Large 3, i tre meningar

Mistral Large 3 är en gles mixture-of-experts-modell med 675 miljarder parametrar, 41 miljarder aktiva parametrar, ett 256k kontextfönster, en visionskodare med 2,5 miljarder parametrar och Apache 2.0-vikter som du kan ladda ner idag. Mistral Large 4 höjer totalerna till 1,05 biljoner med 52 miljarder aktiva på leverantörens modellkort, lyfter den angivna kontexten till 1M tokens och lägger till resonemang till en modell som Mistral tidigare beskrev som en multimodell endast för instruktioner – vilket är en förändring i art, inte bara i skala. Den anländer också, för närvarande, utan den licens och den checkpoint som gjorde Large 3 enkelt att adoptera.

Artificial Analysis registrerar Mistral Large 3 som föråldrad och anger Mistral Large 4 som dess utfasningsmål, vilket är den tydligaste tillgängliga signalen på att dessa är successiva generationer av samma plats snarare än parallella alternativ. Mistrals egen prissida instämmer: Large 3 ligger på 0,50 USD för indata och 1,50 USD för utdata per miljon tokens, och Large 4 listas ovanför den med kampanjparet på plats.

Jämförelseuppsättningen, som ett index snarare än en dom

Nio head-to-head-sidor finns redan för den här modellen, och den här sidan kör medvetet inte om någon av dem. För en läsare som ska välja mellan Mistral Large 4 och något annat är sidorna 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 och -vs-qwen-3-8-max. Den uppmätta efterfrågan ligger precis i de sidorna — mistral large 4 vs claude med 78 visningar och 11 klick, vs opus 5.5 med 84 och 10 — och båda konverterar långt över den enskilda termens frekvens, vilket är ett argument för att behålla definitionen här och bedömningen där.

Beroendet som är värt att namnge är mistral-large-4-0-vs-glm-5-5, eftersom GLM-5.5 själv är en sida i samma batch och de två texterna måste stämma överens om en jämförelse i stället för att argumentera förbi varandra. Allt annat på listan är ett stabilt mål.

Vad är inte avgjort

Om vikterna landar före utgången av oktober, och under vilken licens. Och om kampanjprissättningen överlever förhandsgranskningsfönstret, eftersom standardprislistan och lanseringspriset skiljer sig med exakt hälften på alla tre raderna. Båda kan kontrolleras av en läsare utan att fråga någon: licensen och checkpointen kommer antingen att dyka upp på Hugging Face eller inte, och prislistan kommer antingen fortfarande att visa ett överstruket nummer eller inte.

Fram till dess är den hållning som den här modellen inbjuder till den som dess egen etikett för utvecklingsstadiet antyder. Anropa den, mät den mot din egen arbetsbelastning – inklusive token-åtgången, som är siffran som lanseringsinlägget utelämnar – och håll produktionsvägen på något vars beteende inte är planerat att ändras. En förhandsversion är inte bara en etikett på en prislista. Det innebär att modellen, licensen och fakturan alla kan ändras samtidigt.

Hos OrcaRouter dirigerar vi fler än 200 modeller genom en enda OpenAI-kompatibel endpoint till leverantörens listpris med 0 % påslag som förs vidare – så en prisförändring hos en leverantör är en prisförändring på vår sida samma dag, oavsett vilken modell den gäller. Automatisk failover är den andra halvan av det för allt i förhandsstadium: den låter en del av den verkliga trafiken möta en obeprövad modell medan en etablerad hanterar resten, så en regression dirigeras runt i stället för att larma någon. Inget av detta är ett påstående om Mistral Large 4, som vi inte tillhandahåller. Det är formen på svaret för nästa modell, och den här, som släpps innan dess licens gör det.

Inget av detta är hypotetiskt: de dokumenterade AI-misslyckandena och agentincidenterna som den här referensen är skriven mot samlas i OrcaRouter AI Incident Archive , där varje post har sina egna källor, allvarlighetsgrad, konfidensgrad och flagga för omtvistad status.