Ing. Calogero Bono
Mistral heeft de gewichten van Mistral Large 4 vrijgegeven, bijgenaamd Le Chonk, een model van ongeveer duizend miljard parameters. Dat gebeurde eind oktober, na een publieke preview begin van de maand. Je downloadt het via Hugging Face en gebruikt het ook via een API. Het is belangrijk omdat het een open model is dat het Franse bedrijf positioneert op code en cyberverdediging, en omdat niemand het op afstand kan uitschakelen.
Een paar termen, voordat we naar de feiten gaan. De gewichten (weights) zijn de numerieke parameters die tijdens de training worden geleerd en die het model laten werken. Open-weight betekent dat je ze kunt downloaden, niet dat alle code vrij is. MoE (Mixture-of-Experts) is een architectuur waarbij per token alleen een kleine groep interne "experts" werkt. Een token is een stukje tekst dat het model verwerkt. Een benchmark is een standaardtest om modellen met elkaar te vergelijken.
Wat is Mistral Large 4?
Volgens de officiële pagina op Hugging Face is het een multimodaal en meertalig MoE-model. Het accepteert tekst en afbeeldingen en genereert tekst. Het heeft ongeveer 1T totale parameters, 49B actieve en een contextvenster van 1M tokens.
De licentie is de Mistral Ecosystem Open-Weight License, een afgeleide van de MIT met beperkingen voor wie het model als dienst wil aanbieden. Punto Informatico meldt dat het meer dan 160 talen ondersteunt en dat het is getraind met 3.800 NVIDIA Grace Blackwell-chips. ZDNET noemt daarentegen de verklaring van Mistral over 4.000 GPU's gedurende twee maanden. De twee cijfers komen niet overeen, dus we geven ze beide als bron weer.
Welke cijfers geeft Mistral op?
Op het gebied van code geeft de Hugging Face-pagina 61,7% op DeepSWE v1.1 en 28,3% op Terminal-Bench 4. Een Coding Agent Index van 49,8%. Volgens ZDNET is Terminal-Bench 4.0 gestegen naar 41% tegenover 28% in de preview, een punt boven GLM-5.3. Op de totaalindex staat het model op 48 tegenover 49 van GLM-5.3.
Mistral beweert dat het concurreert met GLM-5.3 met 47% minder tokens per taak, zoals TechCrunch meldt. Op het cyberdeel spreekt Hugging Face van 82% in een test waarbij het model een echte kwetsbaarheid moet reproduceren en vervolgens corrigeren, en van 93% op Cybench (40 uitdagingen). Punto Informatico schrijft dat alleen DeepSeek V4.1 Flash beter scoort op de specifieke benchmark, terwijl ZDNET stelt dat Le Chonk net boven DeepSeek V4.1 Flash zit op CyberGym. De bronnen zijn op dit punt niet eensluidend.
Waarom zijn open gewichten belangrijk voor veiligheid?
Het argument van Mistral is controle. Pierre Stock, vicepresident wetenschap, zei tegen WIRED dat AI als elektriciteit wordt en dat je niet wilt dat iemand de stroom kan uitzetten. Gesloten modellen kunnen verzoeken om analyse van malware of kwetsbaarheden blokkeren, omdat ze op aanvallen lijken. Met de gewichten bij jou thuis blijven het gebruiksbeleid en de uitrol in jouw handen.
Er is ook een keerzijde. Rafe Pilling van Sophos noemt het model een technologie met dubbel gebruik, omdat ook wie aanvalt het kan downloaden en aanpassen. Volgens Mistral weigert het model schadelijke verzoeken in 97% van de gevallen (cijfer gemeld door Punto Informatico). Hugging Face stelt dat het gemiddelde weigeringspercentage bij cyberprompts hoger ligt dan bij elk ander open-weight model.
Om de context van het incident dat de media noemen te begrijpen, lees ons artikel over de zaak Hugging Face.
Hoe gebruik je het in de praktijk?
Het model heeft day-0-ondersteuning voor transformers, vLLM en llama.cpp, met GGUF-kwantisaties. Er zijn ook Inference Endpoints en Inference Providers. Ontwikkelaars bereiken het ook via Mistral Studio, API en OpenRouter.
Het redeneerniveau kan low, medium of high zijn. De standaard is high en volgens de pagina kan het redeneren niet worden uitgeschakeld. De NVFP4-versie voor vLLM vereist NVIDIA Blackwell-GPU's, en het officiële voorbeeld gebruikt 8 GPU's. Dit is geen model voor een kleine server. Als je een toegankelijkere AI zoekt, bekijk de gids over AI voor mkb-bedrijven.
Beperkingen om te kennen
Bijna alle cijfers zijn door Mistral zelf opgegeven. ZDNET herinnert eraan dat benchmarks met voorzichtigheid moeten worden gelezen. De bronnen verschillen over wie er voorop loopt op cyber en over de trainingsmiddelen. De ranglijst van Hugging Face plaatst het model vijfde onder de open-weight modellen op de Artificial Analysis Intelligence index, terwijl Mistral volgens WIRED spreekt van het beste open model ter wereld voor code en cyber. Dat zijn verschillende beweringen.
Niet onafhankelijk geverifieerd is of het model bestand is tegen kwaadwillig gebruik na fine-tuning. Er ontbreken reële uitvoeringskosten en tests op Italiaanse praktijkvoorbeelden. Bovendien beperkt de licentie het aanbieden als dienst.
Wat verandert er voor wie met digitale techniek werkt
Voor ontwikkelaars is er nu een open Europees alternatief voor codeassistenten en beveiligingsanalyse, dat je thuis kunt draaien. Voor wie gevoelige gegevens beheert, voorkomt uitrol on-premises dat code en logs naar derden gaan. Zoals Stock tegen TechCrunch zei, kan de toegang niet worden ingetrokken.
Voor een klein bedrijf is echter zware hardware of een provider nodig. Veel hangt af van de leverancier. Ook het juridische kader telt, daarvoor verwijzen we naar de gids over de AI Act voor ontwikkelaars. Als je servers beheert, blijven hosting en beheerde servers met beveiligingsupdates de basis, welk model je ook gebruikt.
Onze mening
De zet is interessant, en het vrijgeven van de gewichten is zinvol voor de verdediging. Wie een kwetsbaarheid onderzoekt, mag midden in een incident niet de deur voor de neus zien dichtgaan. Minder overtuigend vinden we de toon van geopolitieke wedloop. De woorden van Pilling zijn een goed tegengif, want het risico hangt af van monitoring en controles, niet van de vlag van het model.
Bovendien is een model van duizend miljard parameters voor vrijwel geen enkel Italiaans mkb-bedrijf haalbaar. Het concrete voordeel ligt voorlopig bij overheden, grote bedrijven en leveranciers. We wachten op onafhankelijke tests voordat we het het beste noemen.
Veelgestelde vragen
Is Mistral Large 4 echt open source?
Het is open-weight, niet open source in strikte zin. De gewichten download je via Hugging Face. De licentie is afgeleid van de MIT maar beperkt het aanbieden als dienst.
Kun je het gratis gebruiken?
De gewichten zijn gratis beschikbaar, volgens Punto Informatico. Het model draaien kost echter hardware. Het officiële voorbeeld gebruikt 8 GPU's.
Is het beter dan Chinese modellen?
Dat hangt van de test af. Mistral zegt dat het modellen als DeepSeek en Z.ai evenaart of overtreft. ZDNET meldt een punt minder dan GLM-5.3 op de totaalindex.
Kan het gebruikt worden om aan te vallen?
Ja, zoals elk downloadbaar model. Mistral meldt dat het gevaarlijke verzoeken in 97% van de gevallen weigert. Na fine-tuning kan het gedrag echter veranderen.
Welke talen ondersteunt het?
Meer dan 160, volgens Punto Informatico, inclusief alle Europese talen. Het accepteert tekst en afbeeldingen en genereert tekst.
Waar je de komende maanden op moet letten, tussen onafhankelijke tests en reële kosten
- Volg onafhankelijke tests, zoals Artificial Analysis, en vertrouw niet alleen op de cijfers van het bedrijf.
- Reken de uitvoeringskosten uit, in hardware of via API, voordat je een workflow migreert. Om klein te beginnen, bekijk vijf AI-toepassingen voor kleine bedrijven.
- Bereid verdediging tegen misbruik voor, te beginnen met jailbreak en prompt injection.
