Mistral Large 4 Gewichte sind offen: Was Selbsthosting wirklich kostet

Hinweis: Dieser Beitrag wurde mit KI-Unterstützung erstellt und automatisiert veröffentlicht.

Die Mistral Large 4 Gewichte sind seit dem 29. Oktober 2026 frei herunterladbar. Damit löst Mistral ein, was das Unternehmen bei der Vorabversion am 6. Oktober angekündigt hatte – nachzulesen in meinem Beitrag Mistral Large 4: Offene Gewichte für Cyber-Arbeit ab Ende Oktober. Interessant ist diesmal aber weniger die Ankündigung als das Kleingedruckte.

Was Mistral tatsächlich freigegeben hat

Mistral Large 4, intern „Le Chonk“, ist ein multimodales Mixture-of-Experts-Modell mit rund einer Billion Parametern. Pro Token sind davon laut Modellkarte 49 Milliarden aktiv, 52 Milliarden inklusive Embedding- und Ausgabeschichten. Es arbeitet mit 128 gerouteten Experten, davon vier pro Token, plus einem geteilten Experten. Das Kontextfenster liegt bei einer Million Tokens. Trainiert wurde das Modell nach Firmenangaben auf 3.800 NVIDIA-Grace-Blackwell-GPUs in Mistrals eigenen europäischen Rechenzentren.

Die Zahlen aus den drei zusätzlichen Wochen Reinforcement Learning sind durchaus bemerkenswert. Auf Terminal-Bench 4.0 stieg der Wert von 28 auf 41 Prozent, bei 30 Prozent weniger Ausgabe-Tokens. Im Coding-Agent-Index von Artificial Analysis erreicht das Modell 48 Prozent und braucht dafür 47 Prozent weniger Tokens pro Aufgabe als das chinesische GLM-5.3. Im Cyber Index desselben Anbieters stehen 51 Prozent. Das ist dort allerdings nicht die Spitze: Laut Mistrals eigener Grafik liegen DeepSeek V4.1 Flash mit 57 und MiMo-V2.6-Pro mit 56 Prozent darüber. Mistrals Argument ist ein anderes, nämlich brauchbare Defensiv-Leistung bei wenigen unnötigen Verweigerungen. Wichtig zur Quellenlage: Coding-Agent-Index und Cyber Index misst Artificial Analysis selbst, im Intelligence Index v5 kommt das Modell dort auf 26 Punkte – der höchste Wert unter westlichen Open-Weight-Modellen, führende chinesische Modelle liegen darüber. Die Angaben zur Verweigerungsquote und zur Agent-Sicherheit stammen dagegen von Mistral.

Newsletter

Klartext zu KI, Security, Crypto

Einordnung statt Hype: was hinter den Tech-News steckt und was davon für dich zählt. Startbonus: die AD-Checkliste mit 12 Sofortmaßnahmen als PDF.

E-Mail-Adresse *

Mit der Anmeldung erhältst du die AD-Checkliste als PDF und danach den Tech-&-Tacheles-Newsletter mit Einordnungen zu Security, KI und Crypto sowie gelegentlichen Hinweisen auf meine Bücher und Produktempfehlungen (auch Affiliate-Links) – eingetragen bist du erst nach Klick auf den Bestätigungslink in der E-Mail (Double-Opt-in). Ich werte aus, ob du den Newsletter öffnest und Links anklickst, um ihn zu verbessern. Abmeldung jederzeit über den Link in jeder E-Mail, Details in der Datenschutzerklärung.

Drei Reasoning-Stufen – und eine stille Kostenfalle

Neu sind drei Reasoning-Stufen: low, medium und high. Der Standardwert ist high, und low ersetzt den früheren Modus „none“. Wer also nichts einstellt, bekommt die teuerste Variante. Dazu kommt ein Detail aus der Modellkarte, das in der Abrechnung weh tut: max_completion_tokens zählt die Reasoning-Tokens mit, nicht nur die sichtbare Antwort. Über die Mistral-API kostet das Modell 0,70 US-Dollar pro Million Input-Tokens, 0,07 Dollar für gecachten Input und 2,10 Dollar pro Million Output-Tokens.

Die Lizenz ist offen – mit einer Bedingung

Mistral veröffentlicht unter der Mistral Ecosystem Open-Weight License, einer abgewandelten MIT-Lizenz. Nutzen, verändern, feintunen und kommerziell einsetzen ist erlaubt. Eine Ausnahme gibt es: Wer das Modell als Model-as-a-Service anbietet, also Dritten gegen Geld Inferenz verkauft, braucht eine separate kommerzielle Lizenz von Mistral. Für den Eigenbetrieb im Unternehmen ist das irrelevant, für Dienstleister und Hoster aber nicht.

Mistral Large 4 Gewichte: Was das für dich bedeutet

Nach 25 Jahren IT bin ich bei „jetzt offen“ vorsichtig geworden. Offene Gewichte heißen nicht, dass das Ding auf deiner Workstation läuft. Mistrals eigene Referenzkonfiguration für vLLM setzt --tensor-parallel-size 8, also einen Knoten mit acht GPUs. Es gibt einen quantisierten NVFP4-Checkpoint für Blackwell-Karten und GGUF-Varianten für llama.cpp, aber ein Billion-Parameter-Modell bleibt eine Rechenzentrumsaufgabe. Für alles, was realistisch im Keller oder Büro läuft, sind kleinere Modelle die bessere Wahl – welche Hardware sich dafür lohnt, habe ich im Ratgeber zu Hardware für lokale KI und LLMs zusammengestellt.

Sicherheitstechnisch ist die Veröffentlichung zweischneidig, und Mistral sagt das selbst erfreulich offen. Im Livebetrieb habe das Modell Black-Box-Angriffe auf echte Ziele abgelehnt, man sehe aber „Potenzial für Uplift“, um echte Angriffe durchzuführen; die Guardrails würden entsprechend nachgeschärft. Meine Lesart: Mistral arbeitet an den Guardrails weiter. Bei einem Modell, das man herunterlädt, bekommt man aber immer den Stand, den die Datei mitbringt – Nachbesserungen erreichen dich erst mit einem neuen Checkpoint. Die ausdrücklich offensive Spezialvariante für Pentest und Red Teaming gibt Mistral nur an geprüfte Design-Partner wie Orange Cyberdefense, vertraglich beschränkt auf eigene oder autorisierte Systeme. Die Zahlen zur Abwehr sind trotzdem gut: 96,6 Prozent abgelehnte bösartige Cyber-Anfragen im Durchschnitt und 97,1 Prozent abgewehrte Angriffe im B3-Agent-Security-Benchmark, gegenüber 93,3 Prozent in der Vorschau.

Drei Dinge, die du vor dem Download klärst

• Reasoning-Stufe explizit setzen. Trage reasoning_effort in jeden Aufruf ein, statt den Standard high laufen zu lassen. Für Chat-Antworten genügt low, für Alltagsaufgaben medium. Das ist der schnellste Hebel gegen eine überraschende Rechnung.
• Lizenzlage prüfen, wenn du Dienstleister bist. Baust du für Kunden eine KI-Schnittstelle auf Basis dieser Gewichte, kläre vorher, ob das als Model-as-a-Service gilt. Diese Frage gehört vor den Proof of Concept, nicht danach.
• Behandle einen lokalen Agenten wie ein Dienstkonto. Eigene Identität, minimale Rechte, definierte Egress-Regeln, Protokollierung der Tool-Aufrufe. Ein Modell mit starken Cyber-Fähigkeiten im eigenen Netz ist ein Werkzeug mit Zugriff – kein Chatfenster.

Mein Fazit: Für europäische Organisationen mit Datenschutzauflagen ist das eine echte Option, weil Betrieb und Herkunft nachvollziehbar bleiben. Nur ist der Preis nicht null, er verschiebt sich lediglich von der API-Rechnung auf Hardware, Betrieb und Kompetenz.

Quellen

• Mistral AI: Mistral Large 4 (Le Chonk) is now open weight
• Modellkarte mistralai/Mistral-Large-4-1T-A52B auf Hugging Face
• Euronews, 29. Oktober 2026: Mistral stellt neues KI-Modell zum Download bereit