Mistral Large 4 är en förhandsvisning med 1T parametrar: Vikterna har inte släppts

Mistral Large 4 kom den 6 oktober 2026 som en offentlig förhandsversion – en mixture-of-experts-modell med en biljon parametrar, 49 miljarder aktiva parametrar, en vision-encoder med 1,6 miljarder parametrar och ett påstående från tillverkaren att det är den starkaste open-weight-modellen som byggts utanför Kina. Det som inte har kommit är den del som orden "open-weight" beskriver. Det finns inga checkpoints att ladda ner i dag, ingen licensfil och inget repository. Mistral säger att vikterna landar "i slutet av den här månaden", efter ett red-teaming-fönster under vilket granskade partner och nationella myndigheter får en upplåst version med reducerad moderering och utökad cyberkapacitet. Så den korrekta beskrivningen av Mistral Large 4 den här veckan är ett förhandsversions-API du kan anropa och en modell du ännu inte kan äga.

Den uppdelningen är själva historien, inte en fotnot till den. Varje siffra som Mistral publicerade tillsammans med tillkännagivandet — kodningsresultaten, cyberresultaten, de finansiella och juridiska utvärderingarna — togs fram på en build som fortfarande ändras, och varje rubrik som jämför den med en sluten frontier-modell jämför en artefakt som inte kommer att vara den artefakt du laddar ner. Det användbara med en lansering som den här är att separera det du kan verifiera i dag från det du ombeds att ta på tro, och mistral.ai:s eget inlägg är ovanligt generöst med vilket som är vilket.

Vad är egentligen live den 6 oktober?

Förhandsversionens API finns uppe på Mistral Studio under modell-id:t mistral-large-4-0. Mistrals eget modellkort beskriver den som "en toppmodern multimodell för allmänna ändamål med öppna vikter", byggd på en granulär MoE-arkitektur, och delar upp parameterantalet som 49B aktiva mot 1,05T totalt, plus visionskodaren. Företaget tränade den från grunden på 3 800 NVIDIA Grace Blackwell-GPU:er i sina egna europeiska datacenter, och förhandsversionen serveras på samma infrastruktur – ett suveränitetsargument som Mistral framför lika högt som prestandaargumentet.

Specifikationen, såsom leverantören anger den:

• Totala vs aktiva parametrar — 1,05 biljoner totalt, 49 miljarder aktiva per token, gles MoE

• Modaliteter – text och bild in, text ut; inbyggt multimodalt snarare än en påskruvad adapter

• Kontextfönster — Mistrals dokumentation anger 1M tokens; Artificial Analysis läser 524 288 i den konfiguration som den testar, så betrakta 1M som leverantörens tak snarare än det serverade fönstret

• Pris — 1,36 USD per miljon input-tokens och 4,18 USD per miljon output-tokens, med cachad input för 0,14 USD, enligt Mistrals publicerade prislista

• Lanseringserbjudande — samma kort visar en överstruken kampanj på $0,68 / $2,09 med $0,07 för cachad indata, dvs. halva priset

• Vikter – inte släppta; ”i slutet av denna månad”, enligt tillkännagivandet

• Licens – ej namngiven i tillkännagivandet och på dokumentationssidan, som endast märker posten som "Open"

Två av de raderna förtjänar att läsas två gånger. Kontextfönstret skiljer sig med en faktor två beroende på om du läser leverantörens eller tredjepartslabbets uppgifter, vilket inte är ovanligt för en förhandsversion vars serveringskonfiguration fortfarande ändras men är värt att känna till innan du dimensionerar en arbetsbelastning utifrån den. Och priset du betalar beror på om kampanjpriset överlever lanseringsfönstret; $1,36 / $4,18 är siffran i Mistrals egen prislista, och $0,68 / $2,09 är siffran de tar ut just nu. Utgå från det förra när du modellerar din faktura.

Benchmark-siffrorna, och körde dem

Mistrals inlägg är noggrant när det gäller härkomst, och försiktigheten är värd att ta med sig. Tre av de mest framträdande siffrorna för agentisk kodning – 61,7 % på DeepSWE v1.1, 59,4 % på SWE-Atlas-QnA och 28,3 % på Terminal-Bench 4.0, som tillsammans ger en poäng på 49,8 % i Coding Agent Index – är, med Mistrals egna ord, "de siffror som utvärderats privat av Artificial Analysis inför testramverkets offentliga lansering." De finns ännu inte i det offentliga indexet från Artificial Analysis. Det kommer de att göra när testramverket lanseras. Fram till dess är de av leverantören publicerade siffror som en tredje part har tagit fram men ännu inte publicerat, vilket är en starkare härkomst än de flesta lanseringspåståenden och fortfarande inte samma sak som en reproducerbar offentlig poäng.

Vad som är offentligt och oberoende i dag, avläst från modellsidan hos Artificial Analysis den 6 oktober: Mistral Large 4 Preview får 38,4 på Intelligence Index v4.3, tar cirka 507 sekunder per uppgift, med Terminal-Bench 4.0 på 26,8 % och Long-Context Reasoning på 81,3 %. Samma sida listar den som en open-weights-modell som i själva verket inte är open-weights — flaggan lyder isOpenWeights: false med kategoriseringen ”proprietär”, eftersom en förhandsversion som serveras från leverantörens eget kluster är vad som finns. Den flaggan är den tydligaste enskilda illustrationen av gapet som den här artikeln handlar om.

Det mest citerbara resultatet är det som Mistral inte själva körde. Surge AI, ett tredjepartsföretag för annotering, genomförde en blind mänsklig utvärdering av kodningskvalitet med dolda modellidentiteter, och professionella annotatörer betygsatte Mistral Large 4 Preview till 3,74 på en skala 1–5 – tvåa av fem, före Kimi K3 på 3,59, GLM-5.3 på 3,60 och GLM-5.2 på 3,40, och bara efter Claude Opus 5 på 4,22. En blind mänsklig utvärdering med ett namngivet labb i andra änden är en annan typ av bevis än ett egenkört benchmark, och det är den enskilt starkaste oberoende datapunkten i tillkännagivandet.

Sedan finns cyber, där Mistral gör sitt skarpaste påstående. På Artificial Analysis Cyber Index säger företaget att Mistral Large 4 rankas bland de fem bästa globalt och leder öppenviktsmodeller utvecklade utanför Kina. På ett specifikt test – återskapa en verklig sårbarhet i programvara med öppen källkod och sedan patcha den – får den 82 %, vilket beskrivs som högst av alla modeller, med 93 % på Cybenchs 40 tävlingsövningar. Mistral tillägger en skarp iakttagelse: flera ledande slutna modeller, Claude Opus 5.5 och GPT-6 Astra nämnda bland dem, får nära noll på samma test eftersom de vägrar utföra uppgiften. Utan tredjepartssidan framför dig är 82 % en leverantörssiffra; argumentet om vägransfrekvensen är en leverantörstolkning. Båda är rimliga och ingen av dem är oberoende bekräftad i dag.

Varför inramningen av förhandsgranskningen ändrar prisberäkningen

En förhandsversion är inte bara en fasbeteckning. Det innebär att modellen kan omdirigeras, prissättas på nytt eller avvecklas med kortare varsel än en GA-version, och det innebär att den serveringskonfiguration du benchmarkar mot kanske inte är den konfiguration du driftsätter mot. För ett routningsbeslut är det en verklig kostnad: en pipeline som trimmats på veckans build medför en räkning för omvalidering som du inte har budgeterat för.

På OrcaRouter, där över 200 modeller finns bakom en enda OpenAI-kompatibel endpoint till leverantörens listpris med 0 % påslag som förs vidare direkt, är en prisförändring på en leverantörs eget kort en prisförändring på vårt samma dag — vilket spelar roll här just för att den här lanseringen levererar två priser, ett överstruket. Automatisk failover är den andra halvan av svaret för en obeprövad förhandsversion: det låter dig lägga en bråkdel av produktionstrafiken på Mistral Large 4 medan en förstapartsmodell håller resten, så en förhandsversion som regredierar under din verkliga arbetsbelastning degraderas till en omdirigering i stället för en incident. Vad noggranna läsare inte bör anta är att Mistral Large 4 är dirigerbar på OrcaRouter idag. Den finns inte i katalogen — förhandsversionen nås via Mistrals eget API och flera tredjepartsplattformar, och dess vikter, när de kommer, kommer att vara ett självhostat alternativ.

Påståendet om öppna vikter är för närvarande ett löfte

Mistrals framing är att Mistral Large 4 "driver gränsen för öppna vikters prestanda" och att öppna vikter är mekanismen genom vilken företag behåller kontrollen över en modell. Det är ett försvarbart argument för den modell som Mistral avser att släppa. För den modell som släpptes den här veckan saknas mekanismen: inget Hugging Face-arkiv, ingen licenstext, ingen nedladdningsbar checkpoint. Företagets egen Hugging Face-organisation, kontrollerad den 6 oktober, har inget nyare än juli, och dess nyaste poster är inte relaterade till Large-serien.

Detta är inte en kritik av planen; ett stegvis utsläpp av vikter efter ett red-teaming-fönster är en sammanhängande policy, och Mistral är explicita om det. Det är en varning om adjektivet. "Open-weight" gör marknadsföringsarbete i ett stycke där vikterna är fyra veckor bort, och licensen som styr dem har inte namngetts. En tillåtande licens och Apache-liknande villkor är ett utfall; en licens för enbart forskning eller med intäktstak är ett annat, och tillkännagivandet väljer inte mellan dem.

Vad du bör kontrollera före slutet av oktober

Fem saker skulle göra att den här förhandsvisningen blir ett fastställt faktum, och var och en kan kontrolleras utan att fråga Mistral något:

• Ett Hugging Face-repositorium under Mistral-organisationen som innehåller checkpointen och en licensfil — släppet som Mistral har åtagit sig att göra denna månad

• Själva licensnamnet, som avgör huruvida "open weight" betyder Apache-2.0-liknande frihet eller ett beviljande med användningstak

• Huruvida kampanjpriset på $0.68 / $2.09 består, eller återgår till $1.36 / $4.18 enligt prislistan

• Huruvida Artificial Analysis flyttar de privat utvärderade kodningssiffrorna till sitt offentliga index när testramverket släpps, och huruvida de ligger kvar på samma värden

• Det serverade kontextfönstret, för närvarande listat som 1M av leverantören och avläst som 524,288 av det oberoende laboratoriet

Tills de är lösta är rätt hållning gentemot Mistral Large 4 den som dess egen lansering bjuder in till: anropa den, mät den mot din arbetsbelastning och håll produktionsvägen på en modell vars beteende inte är planerat att förändras. Vikterna är händelsen. Förhandsvisningen är trailern.