Ing. Calogero Bono
Mistral hat die Gewichte von Mistral Large 4 veröffentlicht, das den Spitznamen Le Chonk trägt und rund tausend Milliarden Parameter hat. Das geschah Ende Oktober, nach einer öffentlichen Vorschau Anfang des Monats. Du kannst das Modell bei Hugging Face herunterladen und auch über eine API nutzen. Es zählt, weil es ein offenes Modell ist, das der französische Anbieter auf Code und Cybersicherheit ausrichtet, und weil niemand es aus der Ferne abschalten kann.
Ein paar Begriffe, bevor wir zu den Fakten kommen. Die Gewichte (weights) sind die numerischen Parameter, die beim Training gelernt werden und das Modell funktionsfähig machen. Open-weight heißt, dass man sie herunterladen kann, nicht dass der gesamte Code frei ist. MoE (Mixture-of-Experts) ist eine Architektur, bei der für jedes Token nur eine kleine Gruppe interner "Experten" arbeitet. Ein Token ist ein Textstück, das das Modell verarbeitet. Ein Benchmark ist ein Standardtest, um Modelle zu vergleichen.
Was ist Mistral Large 4?
Laut dem offiziellen Eintrag bei Hugging Face ist es ein multimodales und mehrsprachiges Modell vom Typ MoE. Es nimmt Text und Bilder an und erzeugt Text. Es hat etwa 1 Billion Parameter insgesamt, 49 Milliarden aktive und ein Kontextfenster von 1 Million Token.
Die Lizenz ist die Mistral Ecosystem Open-Weight License, eine Ableitung der MIT-Lizenz mit Einschränkungen für alle, die das Modell als Dienst anbieten wollen. Punto Informatico berichtet, dass es über 160 Sprachen unterstützt und mit 3.800 NVIDIA-Grace-Blackwell-Chips trainiert wurde. ZDNET nennt dagegen die Angabe von Mistral zu 4.000 GPUs über zwei Monate. Die beiden Zahlen passen nicht zusammen, deshalb geben wir beide als Angaben der jeweiligen Quelle wieder.
Welche Zahlen nennt Mistral?
Beim Code gibt der Hugging-Face-Eintrag 61,7 % auf DeepSWE v1.1 und 28,3 % auf Terminal-Bench 4 an. Dazu kommt ein Coding Agent Index von 49,8 %. Laut ZDNET ist Terminal-Bench 4.0 gegenüber 28 % der Vorschau auf 41 % gestiegen und liegt damit einen Punkt vor GLM-5.3. Im Gesamtindex steht das Modell bei 48, GLM-5.3 bei 49.
Mistral behauptet, es sei mit GLM-5.3 konkurrenzfähig und brauche dafür 47 % weniger Token pro Aufgabe, wie TechCrunch berichtet. Im Cyber-Bereich nennt Hugging Face 82 % in einem Test, bei dem ein echter Fehler reproduziert und danach behoben werden muss, sowie 93 % auf Cybench (40 Aufgaben). Punto Informatico schreibt, dass im eigens dafür gedachten Benchmark nur DeepSeek V4.1 Flash besser ist. ZDNET sagt, Le Chonk liege auf CyberGym knapp vor DeepSeek V4.1 Flash. Die Quellen stimmen an dieser Stelle nicht überein.
Warum sind offene Gewichte für die Sicherheit wichtig?
Mistrals Argument ist die Kontrolle. Pierre Stock, Vizepräsident für Wissenschaft, sagte WIRED, KI werde wie Strom sein, und niemand solle sie abdrehen können. Geschlossene Modelle können Anfragen zur Analyse von Malware oder Schwachstellen blockieren, weil sie nach Angriffen aussehen. Mit den Gewichten im eigenen Haus bleiben Nutzungsregeln und Betrieb bei dir.
Es gibt aber auch die Kehrseite. Rafe Pilling von Sophos bezeichnet das Modell als Technologie mit doppeltem Verwendungszweck, weil sie auch von Angreifern heruntergeladen und angepasst werden kann. Laut Mistral lehnt das Modell schädliche Anfragen in 97 % der Fälle ab, eine Angabe, die Punto Informatico übernimmt. Hugging Face erklärt, die durchschnittliche Ablehnungsrate bei Cyber-Prompts sei höher als bei jedem anderen offenen Modell.
Um den Hintergrund des Vorfalls zu verstehen, auf den sich die Medien beziehen, lies unseren Artikel zum Fall Hugging Face.
Wie nutzt man es in der Praxis?
Das Modell unterstützt von Tag null an transformers, vLLM und llama.cpp, dazu gibt es GGUF-Quantisierungen. Außerdem gibt es Inference Endpoints und Inference Providers. Entwickler erreichen es auch über Mistral Studio, per API und über OpenRouter.
Die Denkstufe kann low, medium oder high sein. Standard ist high, und laut Eintrag lässt sich das Denken nicht abschalten. Die NVFP4-Version für vLLM braucht NVIDIA-Blackwell-GPUs, und das offizielle Beispiel nutzt 8 GPUs. Das ist kein Modell für einen kleinen Server. Wenn du eine KI suchst, die leichter zu handhaben ist, schau dir den Leitfaden zu KI für KMU an.
Grenzen, die du kennen solltest
Fast alle Zahlen stammen von Mistral selbst. ZDNET erinnert daran, dass Benchmarks mit Vorsicht zu genießen sind. Die Quellen widersprechen sich, wer im Cyber-Bereich vorne liegt und welche Trainingsressourcen eingesetzt wurden. Hugging Face führt das Modell auf Platz fünf unter den offenen Modellen im Artificial Analysis Intelligence Index, während Mistral laut WIRED von dem besten Modell weltweit für Code und Cyber im offenen Bereich spricht. Das sind unterschiedliche Aussagen.
Unabhängig geprüft ist nicht, ob das Modell nach einem Fine-Tuning bösartiger Nutzung standhält. Es fehlen reale Betriebskosten und Tests mit italienischen Fällen. Außerdem beschränkt die Lizenz das Anbieten als Dienst.
Was sich für alle ändert, die mit Digitaltechnik arbeiten
Für Entwickler gibt es jetzt eine offene europäische Alternative für Code-Assistenten und Sicherheitsanalysen, die man im eigenen Haus betreiben kann. Wer sensible Daten verwaltet, vermeidet mit einem On-Prem-Betrieb, dass Code und Logs an Dritte gehen. Wie Stock gegenüber TechCrunch sagte, lässt sich der Zugang nicht widerrufen.
Für ein kleines Unternehmen braucht es allerdings erhebliche Hardware oder einen Anbieter. Vieles hängt vom Dienstleister ab. Wichtig ist auch der rechtliche Rahmen, deshalb verweisen wir auf den Leitfaden zum AI Act für Entwickler. Wenn du Server betreibst, bleiben auch Hosting und verwaltete Server mit Sicherheitsupdates die Grundlage, egal welches Modell du nutzt.
Unsere Einschätzung
Der Schritt ist interessant, und die Entscheidung, die Gewichte zu veröffentlichen, ergibt für die Verteidigung Sinn. Wer eine Schwachstelle untersucht, sollte nicht mitten in einem Vorfall die Tür vor der Nase zugeschlagen bekommen. Weniger überzeugt uns der geopolitische Wettlauf-Ton. Pillings Worte sind ein gutes Gegengewicht, denn das Risiko hängt von Überwachung und Kontrollen ab, nicht von der Herkunft des Modells.
Außerdem ist ein Modell mit tausend Milliarden Parametern für fast kein italienisches KMU erreichbar. Der konkrete Vorteil liegt im Moment bei Behörden, Großunternehmen und Anbietern. Wir warten auf unabhängige Tests, bevor wir es das beste nennen.
Häufige Fragen
Ist Mistral Large 4 wirklich Open Source?
Es ist open-weight, nicht Open Source im engeren Sinn. Die Gewichte kannst du bei Hugging Face herunterladen. Die Lizenz leitet sich von der MIT-Lizenz ab, schränkt aber das Anbieten als Dienst ein.
Kann man es kostenlos nutzen?
Die Gewichte sind laut Punto Informatico kostenlos verfügbar. Das Modell laufen zu lassen kostet aber Hardware. Das offizielle Beispiel nutzt 8 GPUs.
Ist es besser als chinesische Modelle?
Das hängt vom Test ab. Mistral sagt, es erreiche oder übertreffe Modelle wie DeepSeek und Z.ai. ZDNET spricht im Gesamtindex von einem Punkt Rückstand auf GLM-5.3.
Kann es für Angriffe genutzt werden?
Ja, wie jedes herunterladbare Modell. Mistral gibt an, gefährliche Anfragen in 97 % der Fälle abzulehnen. Nach einem Fine-Tuning könnte sich das Verhalten aber ändern.
Welche Sprachen werden unterstützt?
Über 160 laut Punto Informatico, darunter alle europäischen. Es nimmt Text und Bilder an und erzeugt Text.
Worauf du in den nächsten Monaten achten solltest, zwischen unabhängigen Tests und realen Kosten
- Verfolge unabhängige Tests, etwa von Artificial Analysis, und verlass dich nicht nur auf die Zahlen des Unternehmens.
- Berechne die Betriebskosten, in Hardware oder über die API, bevor du einen Arbeitsablauf umstellst. Für den Einstieg in kleinem Rahmen schau dir fünf KI-Anwendungen für kleine Betriebe an.
- Bereite Abwehrmaßnahmen gegen Missbrauch vor, beginnend mit Jailbreaks und Prompt Injection.
