AI News
Alle Meldungen
Offiziell

Mistral gibt Large 4 zum Download frei und senkt die API-Preise

Laut Mistral steht Large 4 zum Download bereit. Zusätzliches Reinforcement Learning soll die Coding-Leistung verbessert haben, die API-Preise sinken auf 0,70 und 2,10 US-Dollar pro Million Token.

Modelle · · Aktualisiert · 2 Min. Lesezeit

Mistral hat die Gewichte von Mistral Large 4 veröffentlicht, seinem Modell mit einer Billion Parametern. Damit kann es jeder herunterladen und betreiben. Die Lizenz enthält allerdings eine bemerkenswerte Einschränkung: Unternehmen, die das Modell als gehosteten Dienst anbieten wollen, brauchen dafür eine eigene kommerzielle Lizenz von Mistral.

Large 4 ist ein Mixture-of-Experts-Modell. Es enthält also weit mehr Parameter, als es für ein einzelnes Token tatsächlich nutzt. Die Model Card auf Hugging Face beschreibt 128 geroutete Experten, von denen pro Token 4 aktiv sind, dazu kommt ein geteilter Experte. Laut Model Card sind pro Token rund 49 Milliarden Parameter aktiv, zählt man Embedding- und Ausgabeschichten mit, sind es 52 Milliarden. Das technische Paper von Mistral nennt 52 Milliarden aktive Parameter. Das Modell verarbeitet Text und Bilder als Eingabe und gibt Text aus. Es unterstützt ein Kontextfenster von 1 Million Token und bietet drei Reasoning-Stufen (niedrig, mittel und hoch), wobei hoch voreingestellt ist. Nach Angaben von Mistral wurde das Modell komplett neu auf 3.800 Nvidia-Grace-Blackwell-GPUs in den eigenen europäischen Rechenzentren trainiert.

Bereits Anfang dieses Monats hatte Mistral eine öffentliche Vorschauversion veröffentlicht. Die Verbesserungen führt das Unternehmen auf drei weitere Wochen Reinforcement Learning zurück. Im Artificial Analysis Coding Agent Index meldet der Blog einen Wert von 48 %, praktisch gleichauf mit GLM-5.3, bei durchschnittlich 47 % weniger Token pro Aufgabe. Auf Terminal-Bench 4.0 sind es 41 %, ein Plus von 13 Prozentpunkten gegenüber der Vorschau, bei 30 % weniger Ausgabe-Token. Der prominent herausgestellte Wert von 19,7 % auf FrontierCode 2.0 stammt aus einem privaten Benchmark von Cognition, den Außenstehende nicht selbst ausführen können. Das technische Paper stellt diesem Ergebnis 19,3 % für DeepSeek V4.1-Flash 1017 gegenüber, und zwar auf einem einzelnen, namentlich genannten Benchmark und nicht in einem breiten Ranking.

Ein Großteil der Effizienzgewinne hängt am Serving. Das Paper von Mistral beschreibt einen kalibrierten NVFP4-Checkpoint mit 606 GB, der laut Mistral bei den Evaluierungen der FP8-Referenz entspricht und auf vier GB300-GPUs laufen kann. Zum Checkpoint gehört außerdem ein Draft Head für Speculative Decoding. Bei diesem Verfahren schlägt eine kleine Komponente einen Block aus drei Token vor, den das Hauptmodell anschließend prüft. Die Ausgabe bleibt dadurch unverändert, der Durchsatz steigt. Mistral hat einen bis zu 1,9-mal höheren Durchsatz gemessen als beim Betrieb des Modells allein, weist aber darauf hin, dass die tatsächlichen Gewinne von Hardware und Workload abhängen. Die Serving-Ergebnisse im Paper betreffen die Geschwindigkeit pro Anfrage und pro GPU, nicht die Zahl der Token, die ein Agent zur Erledigung einer Aufgabe erzeugt.

Im Blog bezeichnet Mistral Large 4 als das beste Open-Weight-Modell für Coding. Hugging Face meldet hingegen einen Wert von 26 im Artificial Analysis Intelligence Index, den höchsten unter westlichen Open-Weight-Modellen, und hält fest, dass führende chinesische Open-Weight-Modelle in dieser Gesamtwertung besser abschneiden. Die im Blog genannten Ergebnisse zu menschlichen Präferenzen stammen von Surge Code, wo Large 4 unter den bewerteten Modellen nur hinter Claude Opus 5.5 landete. Das Modell ist zudem über die Mistral-API als mistral-large-4 verfügbar. Laut der Hugging-Face-Seite laufen die offiziellen Demos in der ersten Woche nach der Veröffentlichung mit einem kleinen kostenlosen Kontingent pro Besucher.

Was sich ändert

Art: Neue Funktion · Betrifft: Mistral Large 4, mistral-large-4

Warum es wichtig ist

Unternehmen können Large 4 für Coding-Aufgaben selbst hosten. Anbieter gehosteter Modelle müssen dagegen erst eine Lizenzvoraussetzung erfüllen, bevor sie es anbieten dürfen.

Was Sie tun können

Technische Führungskräfte, die Open-Weight-Modelle für Coding evaluieren, könnten Large 4 mit den bisherigen Optionen vergleichen. Rechtsabteilungen sollten die Lizenzbedingungen vor jeder gehosteten Nutzung prüfen.

Wie sich die Meldung entwickelt hat

  1. Ergänzt die Werte von Artificial Analysis (26 im Intelligence Index v5) und die Lizenzbedingungen für Model-as-a-Service-Anbieter.

  2. Beiträge aus der Community ergänzen die MoE-Architektur mit 1 Billion Parametern insgesamt und 52 Milliarden aktiven Parametern, 1 Million Token Kontext, Text- und Bildeingabe sowie LoRA-Unterstützung in Axolotl ab dem ersten Tag.

  3. Ergänzt den Fokus auf Cybersicherheit sowie die Aussage von Mistral, auf Cyber-Benchmarks mit GLM-5.3 gleichzuziehen, bei 47 % weniger Token pro Aufgabe.

  4. Mistral beschreibt Large 4 als multimodales Modell mit 1 Billion Parametern und bezeichnet es als das beste Open-Weight-Modell für Coding, trainiert in Europa.

Originalquelle

Weitere Berichte

Wo wir es gesehen haben

4 Quellen

Latent Space, Mistral AI, The AI Report, Turing Post

KI hat diese Zusammenfassung aus den genannten Quellen geschrieben und ins Deutsche übersetzt. Niemand hat sie vor der Veröffentlichung einzeln geprüft. Bitte prüfen Sie die Originalquelle, bevor Sie sich darauf verlassen. So funktioniert es