Mistral AI kündigte am 6. Oktober 2026 die öffentliche Vorschau von Mistral Large 4, kurz ML4, genannt „the Chonk“, an. Das Modell verfügt über 1 Billion Parameter, davon 49 Milliarden aktiv, ist nativ multimodal und wurde von Grund auf auf 3.800 NVIDIA Grace Blackwell GPUs in den europäischen Rechenzentren des Unternehmens trainiert. Die Vorschau-API ist auf Mistral Studio verfügbar; die Gewichte werden vor Ende des Monats veröffentlicht, nach einer Testphase unter realen Bedingungen mit Verantwortlichen für Cybersicherheit, verifizierten Partnern und staatlichen Behörden, die Zugang zu einer Version mit reduzierter Moderation und erweiterten Cyber-Fähigkeiten erhalten.

Mistral positioniert ML4 als nahe an den weltweit besten offenen Modellen und deutlich vor jedem amerikanischen oder europäischen offenen Modell, mit Spitzenresultaten unter offenen Modellen in den Bereichen Cybersicherheit, Finanzen und Recht sowie Ergebnissen, die im visuellen Grounding einige geschlossene Modelle übertreffen.

Im Bereich Cybersicherheit rangiert das Modell unter den Top Fünf des Artificial Analysis Cyber Index und führt die offenen Modelle außerhalb Chinas an. Beim Test zur Reproduktion und anschließenden Behebung von Schwachstellen erzielt es 82 %, den höchsten genannten Wert, sowie 93 % bei Cybench. Der Beitrag erklärt, dass Claude Opus 5.5 und GPT-6 Astra bei diesem Test nahe null punkten, weil sie die Aufgabe verweigern, während die Verteidigung von Software oft damit beginnt, nachzuweisen, dass eine Schwachstelle real ist. Daraus wird gefolgert, dass dies den Wert offener Modelle zeigt, die privat oder On-Premises unter der eigenen Richtlinie der Organisation einsetzbar sind.

Im Bereich agentenbasierter Code erreicht ML4 61,7 % bei DeepSWE v1.1, 59,4 % bei SWE-Atlas-QnA und 28,3 % bei Terminal-Bench 4, was einem kombinierten Index von 49,8 % entspricht, vor DeepSeek V4 Pro 0813 und Qwen3.8 Max. Eine blinde menschliche Bewertung durch Surge AI stuft es auf Platz zwei von fünf ein (3,74), hinter Claude Opus 5 (4,22). Bei agentenbasierten Workflows erzielt es 59,9 % bei AutomationBench und 1.393 Elo bei AA-Briefcase. Im Bereich Wissensarbeit stuft vals.ai es in den Bereichen Finanzen und Recht vor GPT-6 Astra ein, und es übertrifft andere offene Modelle beim juristischen Benchmark von Harvey. Der Abschnitt zur Sicherheit nennt 93,3 % blockierte Angriffe beim B3-Benchmark von Lakera sowie eine höhere Ablehnungsrate für bösartige Cyber-Anfragen als bei den offenen Modellen, mit denen es verglichen wird.

Methodisch beschreibt Mistral eine zusammensetzbare Reinforcement-Learning-Bibliothek, in der Sandboxes, Websuche, APIs und Verifizierer (Reward-Modelle, Tests, Judges) kombiniert werden. Mit 3.000 GPUs erzeugt ein Trainingslauf etwa 33 Milliarden Tokens pro Tag. ML4 ist der erste Schritt der Roadmap, die durch die série D de 3 Md€ finanziert wird, und wird als Basis für spezialisierte Modelle dienen. Die Preisgestaltung liegt bei 1,36 $ pro Million Input-Tokens und 4,18 $ pro Million Output-Tokens.