Mistral heeft Mistral Large 4 (Le Chonk) uitgebracht, een multimodaal open-weight model met 1 biljoen parameters. Het model is specifiek geoptimaliseerd voor programmeren, cybersecurity en complex redeneren, waarbij het in diverse benchmarks (zoals FrontierCode en Terminal-Bench) leidend is onder de open-weight modellen.
Belangrijkste kenmerken:
- Redeneermodi: Gebruikers kunnen kiezen uit drie modi (Low, Medium, High) om de balans tussen prestaties en inferentiekosten te optimaliseren.
- Cybersecurity: Het model blinkt uit in defensieve taken zoals het detecteren en patchen van kwetsbaarheden, terwijl het een zeer hoge weigeringsgraad (96,6%) behoudt voor kwaadaardige verzoeken.
- Soevereiniteit: Omdat het model volledig in Europa is ontwikkeld en de weights open zijn, kunnen organisaties het model inspecteren, aanpassen en zelf hosten zonder afhankelijk te zijn van een externe API.
- Enterprise-capaciteiten: Er zijn significante verbeteringen doorgevoerd voor de financiële sector (spreadsheet-workflows) en webbrowsing.
Het model is beschikbaar via de Mistral API, Hugging Face en NVIDIA-endpoints onder een gewijzigde MIT-licentie. Gebruik, modificatie en commercialisering zijn gratis, behalve voor bedrijven die het model als een Model-as-a-Service (MaaS) aanbieden.
Mistral Large 4 (Le Chonk) is nu open-weight
Mistral stelt de weights van Le Chonk beschikbaar om de grenzen van open modellen voor agentisch programmeren en cybersecurity te verleggen.
Eerder deze maand werd Mistral Large 4 in een public preview gelanceerd. De respons vanuit de ontwikkelaarsgemeenschap, early-access klanten en partners was overweldigend. Op basis van deze feedback is er verder geschaald met reinforcement learning, wat heeft geleid tot enorme verbeteringen in programmeren en defensieve cybersecurity. Deze vooruitgang versnelt nog steeds, zonder tekenen van verzadiging.
De huidige release van de verbeterde Mistral Large 4 bevat daarnaast aanzienlijke winst in redeneerefficiëntie, waardoor ontwikkelaars betere prestaties krijgen tegen lagere inferentiekosten.
Mistral Large 4 wordt beschouwd als het beste open-weight model voor programmeren en een van de meest capabele open modellen ter wereld. Het model is vanaf nul getraind op Europese infrastructuur, met een transparante herkomst vanaf het begin tot de release, wat organisaties een betrouwbare basis biedt voor Soevereine AI.
Gebouwd voor de makers
Mistral Large 4 vertoonde al sterke resultaten in de public preview. Na drie weken extra reinforcement learning heeft het model de koppositie in open-weight coding ingenomen, met een leidende positie op FrontierCode en Terminal-Bench. Op de Artificial Analysis Coding Agent Index matcht het de beste open-weight modellen, maar met een aanzienlijk hogere token-efficiëntie.
Op de private FrontierCode 2.0 benchmark van Cognition, die de end-to-end codekwaliteit beoordeelt (of een repository-beheerder de wijziging van de agent zou accepteren), leidt Mistral Large 4 met een score van 19,7%.
Efficiëntie in agentisch programmeren
Mistral Large 4 levert topprestaties bij het programmeren met significant minder tokens, waardoor geavanceerde coding-agents economischer op schaal te draaien zijn. Op de Artificial Analysis Coding Agent Index scoort het model 48%, wat effectief gelijk staat aan het leidende open-weight model GLM-5.3, terwijl het gemiddeld 47% minder tokens per taak gebruikt.
Ook in terminal-gebaseerde workflows zijn er verbeteringen. Op Terminal-Bench 4.0 steeg Mistral Large 4 met 13 procentpunten naar 41% ten opzichte van de preview, waarmee het de leiding neemt onder de open-weight modellen en tegelijkertijd de output-tokens met 30% vermindert.
Redeneermodi
Om ontwikkelaars controle te geven over de afweging tussen prestaties en kosten, ondersteunt Mistral Large 4 drie redeneermodi:
| Mode | Aanbevolen gebruik |
|---|
| Low | Eenvoudige taken; vervangt de 'None' redeneermodus |
| Medium | Dagelijkse taken |
| High (standaard) | De moeilijkste use-cases die hoge precisie en grondig redeneren vereisen |
Naast benchmarks wordt de kwaliteit bevestigd door menselijke voorkeur. In blinde pairwise evaluaties van Surge Code werd Mistral Large 4 verkozen boven leidende open-weight modellen zoals GLM-5.3, Kimi K3 en DeepSeek V4.1 Flash, en rangschikte het zich direct achter Claude Opus 5.5.
Gebouwd voor de verdedigers
Mistral heeft samengewerkt met toonaangevende cybersecurity-leveranciers om Mistral Large 4 in real-world omgevingen te testen op het gebied van kwetsbaarheidsreproductie en patching.
Het model scoort 51% op de Artificial Analysis Cyber Index, die meet hoe goed een model kwetsbaarheden in een codebase kan ontdekken, reproduceren, valideren en patchen zonder bestaande functionaliteit te breken. Belangrijk is dat Mistral Large 4 deze legitieme defensieve taken uitvoert zonder onnodige weigeringen.
Veiligheid en Guardrails
Naast de capaciteiten is ook de veiligheid verbeterd. De ingebouwde guardrails maken onderscheid tussen defensieve en kwaadaardige, offensieve cybersecurity-taken. Terwijl de prestaties op Cyber benchmarks sterk blijven, behaalt het model een gemiddelde weigeringsgraad van 96,6% bij kwaadaardige cyberverzoeken, de hoogste waarde die gemeten is onder open modellen.
Visies van cybersecurity-experts
- Brad Medairy (President National Cyber, Booz Allen Hamilton): "Testen door Booz Allen toonden het succes van het Europese Mistral Large 4 model aan tegen onze interne benchmark voor broncode-beveiligingsanalyse. Het model kon de recall-rates voor detectie van kwetsbaarheden matchen met andere frontier cyber-modellen, met een overtuigende kostencurve."
- Amy Chang (Head of Cisco's AI Threat Intelligence and Security Research): "Open-weight cybersecurity-modellen breiden transparantie uit naar bedrijven en overheden die AI onder hun eigen controle moeten hosten en aanpassen."
- Stephanie Cohen (Chief Strategy Officer, Cloudflare): "Wanneer dreigingen zich met machnesnelheid bewegen, kan menselijke defensie het tempo niet bijhouden. Mistral's ML4 stelt verdedigers in staat de architectuur te auditen, te implementeren op hun eigen infrastructuur en volledige soevereiniteit te behouden."
- Dr. Bartley Richardson (Chief AI and Autonomous Systems Officer, CrowdStrike): "Onze samenwerking met Mistral Large 4 test hoe goed frontier AI kan redeneren via complexe kwetsbaarheden, remediëring kan versnellen en ervoor kan zorgen dat verdedigers sneller bewegen dan aanvallers."
- James Spiteri (Senior Director, Product Management, Elastic): "Elastic geeft security-teams de vrijheid om de AI die ze vertrouwen naar de data die ze controleren te brengen, inclusief de open modellen van Mistral."
- Laura Heuvinck (Head of Communications, ENISA): "Open-weight modellen stellen organisaties in staat de controle te behouden over de technologie waarop hun veerkracht afhangt. ENISA test Mistral Large 4 voor het identificeren van beveiligingskwetsbaarheden, het auditen van code en het analyseren van defensieve logs."
- John Whittle (Chief Operating Officer, Fortinet): "Innovaties zoals Mistral Large 4 representeren veelbelovende stappen voorwaarts in het potentieel van AI om cyberdefensie te transformeren."
- Kari Briski (VP of Open Models and Software, NVIDIA): "Open modellen stellen security-onderzoekers en ontwikkelaars in staat om AI te inspecteren, aan te passen en erop voort te bouwen."
- Hugues Foulon (CEO, Orange Cyberdefense): "Door de kracht van AI te combineren met de expertise van onze teams en onze Cyber Threat Intelligence, versnellen we onze respons met vertrouwde Europese technologie."
- Anneka Gupta (Chief Product Officer, Rubrik): "Rubrik ondersteunt Mistral en de push voor 'soevereine AI', om Europese overheden en gereguleerde industrieën een geloofwaardig alternatief te bieden dat hun data niet naar andere landen routeert."
- Dhawal Sharma (EVP of AI and Data Security, Zscaler): "Mistral Large 4 brengt sterke cybersecurity en technisch redeneren naar open-weight AI, en veel Europese bedrijven omarmen het al als hun soevereine model van voorkeur."
Monitoring en Specialisatie
Sinds de preview is het gebruik in live traffic nauwlettend gevolgd. Hoewel het model weigert mee te werken aan black-box aanvallen op live targets, is er potentieel voor verbetering bij het uitvoeren van echte aanvallen. De guardrails worden daarom continu bijgewerkt.
Voor enterprise design partners, zoals Orange Cyberdefense, is er preview-toegang tot een gespecialiseerde variant van Mistral Large 4. Deze is geoptimaliseerd voor geavanceerde cybersecurity-workflows zoals penetratietesten, kwetsbaarheidsbeoordelingen en red-teaming. De toegang is onderhevig aan strikte screening en contractuele waarborgen.
Daarnaast kunnen klanten Mistral Large 4 aanpassen met eigen beveiligingsdata en detectielogica via Mistral Forge. Voor specifiek gedefinieerde taken kan het model worden geoptimaliseerd tot kleinere, taakspecifieke varianten voor grotere nauwkeurigheid.
Gebouwd voor werk
Mistral Large 4 is verder verbeterd op diverse enterprise-metrics.
- Financiële sector: De capaciteit voor real-world workflows, specifiek het maken en bewerken van spreadsheets voor finance en accounting, is verbeterd. De Finch-scores stegen naar 73,3%, waarmee het model (onder de open modellen) tweede is na Kimi K3.
- Webbrowsing: Via de RL-pipeline is een score van 84,5% behaald op BrowseComp (een stijging vanaf 75% in de SFT-checkpoint). Hiermee presteert Mistral Large 4 beter dan modellen als GLM-5.3 of DeepSeek Flash 4.1 1017.
- Agent Security: Het model is beter bestand tegen bedreigingen zoals system prompt exfiltration en malicious code injection. Op de B3 Agent Security Benchmark weerstaat Mistral Large 4 nu 97,1% van de aanvallen, tegenover 93,3% in de preview.
Zakaria Moursli (Executive Vice President, La Banque Postale) merkt op dat technologische soevereiniteit voor een publieke bank een vereiste is voor het behoud van klantvertrouwen, en dat de introductie van dit open model nieuwe mogelijkheden ontsluit.
Praktijkvoorbeelden
- Cyber Vulnerability Triage: Een agent leest inkomende rapporten over kwetsbaarheden, onderzoekt de broncode, reproduceert de fout in een sandbox en schrijft een patch totdat een exploit niet meer werkt.
- Agentic Webdev: Zonder menselijke hulp bouwt Mistral Large 4 Orbital Trace, een live 3D-kaart van circa 19.000 satellieten en brokstukken in een baan om de aarde, inclusief het debuggen van de eigen app via een browser.
- Quantum Chemistry Solver: Het model schrijft software die berekent waar elektronen zich in een molecuul bevinden, controleert dit tegen standaard chemistry-tools en bouwt een interactieve 3D-pagina waarbij gebruikers moleculen (zoals benzeen of water) uit elkaar kunnen trekken om de hergroepering van elektronen te zien.
Gebouwd voor soevereiniteit
Soevereiniteit betekent dat organisaties de controle behouden over de modellen waar ze van afhankelijk zijn en de intelligentie die ze creëren.
Met Mistral Large 4 begint die controle bij het model zelf: organisaties kunnen het model inspecteren, aanpassen en implementeren op hun eigen infrastructuur, zonder afhankelijk te zijn van een API van Mistral. Het model is volledig in Europa ontwikkeld en getraind.
Controle strekt zich ook uit tot de operatie:
- Mistral Forge: Voor aanpassing aan proprietary data.
- Mistral Studio: Voor het bouwen, beheren en verbeteren van agents en applicaties.
Industrieel perspectief op soevereiniteit
- Coen Klaver (Director Cyber Defense, ABN AMRO Bank N.V.): "Open en transparante AI-ecosystemen zijn essentieel voor het verantwoord stimuleren van innovatie binnen de financiële sector."
- Arnaud Hubaux (Head of AI Program and Strategy): "Onze vroege ervaring met Mistral Large 4 is veelbelovend, met name voor use-cases waarbij hogere modelprestaties cruciaal zijn in de chipfabricage."
- Nicolas Goosse (Head of Data Insights, Analytics & AI, Belfius): "Een open-weight model dat we kunnen finetunen en op onze eigen infrastructuur kunnen implementeren is een belangrijke stap voor financial-grade AI."
- Oliver Biton (Group CIO, Crédit Agricole): "Voor de meest gevoelige use-cases is toegang tot Europese open-weight modellen een vitale hefboom voor het versterken van onze strategische autonomie."
- Giuseppe Borghi (Head of ESA Φ-lab): "De mogelijkheid om een model aan te passen is essentieel voor ons gespecialiseerde werk met Earth observation data."
- Jeff Boudier (VP Product, Hugging Face): "AI-soevereiniteit gaat niet over het kiezen van een API, maar over de vrijheid om AI op je eigen voorwaarden te draaien en aan te passen."
- Steeve Morin (CEO, ZML): "Open weights geven bouwers meer controle over beslissingen in plaats van hen afhankelijk te maken van één enkele hosted service."
Voor organisaties die een managed service prefereren, is Mistral Large 4 beschikbaar via Microsoft Foundry, met private implementatieopties voor Azure-ontwikkelaars. Tina Schuchman (Corporate VP, Foundry, Microsoft) benadrukt dat deze combinatie flexibiliteit en controle biedt over data en infrastructuur.
Aan de slag met Le Chonk
Mistral Large 4 is direct beschikbaar om te testen, te implementeren en aan te passen.
- Toegang: Via Mistral Studio, de Mistral API, of OpenRouter.
- Zelfhosten: Download de open weights via Hugging Face en implementeer via vLLM of SGLang.
- Vibe Code: Test het model door functies te bouwen of bugs te fixen in je eigen repository.
- NVIDIA: Beschikbaar via NVIDIA-hosted endpoints als een geoptimaliseerde NVIDIA NIM-container. Voor aanpassingen kan de NeMo AutoModel library worden gebruikt, en voor high-throughput serving de TensorRT LLM library.
- Enterprise: Maatwerk via Mistral Forge.
Licentie en prijzen
Het model is beschikbaar onder de Mistral Ecosystem Open-Weight license (een gewijzigde MIT-licentie). Het is gratis om te gebruiken, te wijzigen, te finetunen en te commercialiseren, met één voorwaarde: bedrijven die een Model-as-a-Service aanbieden, moeten een aparte commerciële licentie verkrijgen van Mistral.
Prijsstelling:
- Input: $0,70 / M tokens
- Cached input: $0,07 / M tokens
- Output: $2,10 / M tokens
Wat is het vervolg?
Mistral Large 4 dient als fundament voor een nieuwe generatie gespecialiseerde en geoptimaliseerde Mistral-modellen. Voortbouwend op recente releases zoals Voxtral en Timestral, blijft Mistral de grenzen van open-weight AI verleggen om ontwikkelaars en bedrijven meer vrijheid te geven in het bezitten van hun eigen intelligentie.
Modeloverzicht: Mistral Large 4
- Type: Open-weight hybride instructie- en redeneer-MoE met multimodale input.
- Kenmerken: Unificeert instructie, redenering en agentische capaciteiten in één model.
- Specialisaties: State-of-the-art voor open weights in cybersecurity, finance en manufacturing.
- Talen: Natuurlijk vloeiend in meer dan 160 talen.
- Capaciteiten: Multimodaal, Redenering, Coding, Agentic, Cybersecurity.
Mistral Large 4 (Le Chonk) is nu open-weight
Mistral stelt de weights van Le Chonk beschikbaar om de grenzen van open modellen voor agentisch programmeren en cybersecurity te verleggen.
Eerder deze maand werd Mistral Large 4 in een public preview gelanceerd. De respons vanuit de ontwikkelaarsgemeenschap, early-access klanten en partners was overweldigend. Op basis van deze feedback is er verder geschaald met reinforcement learning, wat heeft geleid tot enorme verbeteringen in programmeren en defensieve cybersecurity. Deze vooruitgang versnelt nog steeds, zonder tekenen van verzadiging.
De huidige release van de verbeterde Mistral Large 4 bevat daarnaast aanzienlijke winst in redeneerefficiëntie, waardoor ontwikkelaars betere prestaties krijgen tegen lagere inferentiekosten.
Mistral Large 4 wordt beschouwd als het beste open-weight model voor programmeren en een van de meest capabele open modellen ter wereld. Het model is vanaf nul getraind op Europese infrastructuur, met een transparante herkomst vanaf het begin tot de release, wat organisaties een betrouwbare basis biedt voor Soevereine AI.
Gebouwd voor de makers
Mistral Large 4 vertoonde al sterke resultaten in de public preview. Na drie weken extra reinforcement learning heeft het model de koppositie in open-weight coding ingenomen, met een leidende positie op FrontierCode en Terminal-Bench. Op de Artificial Analysis Coding Agent Index matcht het de beste open-weight modellen, maar met een aanzienlijk hogere token-efficiëntie.
Op de private FrontierCode 2.0 benchmark van Cognition, die de end-to-end codekwaliteit beoordeelt (of een repository-beheerder de wijziging van de agent zou accepteren), leidt Mistral Large 4 met een score van 19,7%.
Efficiëntie in agentisch programmeren
Mistral Large 4 levert topprestaties bij het programmeren met significant minder tokens, waardoor geavanceerde coding-agents economischer op schaal te draaien zijn. Op de Artificial Analysis Coding Agent Index scoort het model 48%, wat effectief gelijk staat aan het leidende open-weight model GLM-5.3, terwijl het gemiddeld 47% minder tokens per taak gebruikt.
Ook in terminal-gebaseerde workflows zijn er verbeteringen. Op Terminal-Bench 4.0 steeg Mistral Large 4 met 13 procentpunten naar 41% ten opzichte van de preview, waarmee het de leiding neemt onder de open-weight modellen en tegelijkertijd de output-tokens met 30% vermindert.
Redeneermodi
Om ontwikkelaars controle te geven over de afweging tussen prestaties en kosten, ondersteunt Mistral Large 4 drie redeneermodi:
| Mode | Aanbevolen gebruik |
|---|
| Low | Eenvoudige taken; vervangt de 'None' redeneermodus |
| Medium | Dagelijkse taken |
| High (standaard) | De moeilijkste use-cases die hoge precisie en grondig redeneren vereisen |
Naast benchmarks wordt de kwaliteit bevestigd door menselijke voorkeur. In blinde pairwise evaluaties van Surge Code werd Mistral Large 4 verkozen boven leidende open-weight modellen zoals GLM-5.3, Kimi K3 en DeepSeek V4.1 Flash, en rangschikte het zich direct achter Claude Opus 5.5.
Gebouwd voor de verdedigers
Mistral heeft samengewerkt met toonaangevende cybersecurity-leveranciers om Mistral Large 4 in real-world omgevingen te testen op het gebied van kwetsbaarheidsreproductie en patching.
Het model scoort 51% op de Artificial Analysis Cyber Index, die meet hoe goed een model kwetsbaarheden in een codebase kan ontdekken, reproduceren, valideren en patchen zonder bestaande functionaliteit te breken. Belangrijk is dat Mistral Large 4 deze legitieme defensieve taken uitvoert zonder onnodige weigeringen.
Veiligheid en Guardrails
Naast de capaciteiten is ook de veiligheid verbeterd. De ingebouwde guardrails maken onderscheid tussen defensieve en kwaadaardige, offensieve cybersecurity-taken. Terwijl de prestaties op Cyber benchmarks sterk blijven, behaalt het model een gemiddelde weigeringsgraad van 96,6% bij kwaadaardige cyberverzoeken, de hoogste waarde die gemeten is onder open modellen.
Visies van cybersecurity-experts
- Brad Medairy (President National Cyber, Booz Allen Hamilton): "Testen door Booz Allen toonden het succes van het Europese Mistral Large 4 model aan tegen onze interne benchmark voor broncode-beveiligingsanalyse. Het model kon de recall-rates voor detectie van kwetsbaarheden matchen met andere frontier cyber-modellen, met een overtuigende kostencurve."
- Amy Chang (Head of Cisco's AI Threat Intelligence and Security Research): "Open-weight cybersecurity-modellen breiden transparantie uit naar bedrijven en overheden die AI onder hun eigen controle moeten hosten en aanpassen."
- Stephanie Cohen (Chief Strategy Officer, Cloudflare): "Wanneer dreigingen zich met machnesnelheid bewegen, kan menselijke defensie het tempo niet bijhouden. Mistral's ML4 stelt verdedigers in staat de architectuur te auditen, te implementeren op hun eigen infrastructuur en volledige soevereiniteit te behouden."
- Dr. Bartley Richardson (Chief AI and Autonomous Systems Officer, CrowdStrike): "Onze samenwerking met Mistral Large 4 test hoe goed frontier AI kan redeneren via complexe kwetsbaarheden, remediëring kan versnellen en ervoor kan zorgen dat verdedigers sneller bewegen dan aanvallers."
- James Spiteri (Senior Director, Product Management, Elastic): "Elastic geeft security-teams de vrijheid om de AI die ze vertrouwen naar de data die ze controleren te brengen, inclusief de open modellen van Mistral."
- Laura Heuvinck (Head of Communications, ENISA): "Open-weight modellen stellen organisaties in staat de controle te behouden over de technologie waarop hun veerkracht afhangt. ENISA test Mistral Large 4 voor het identificeren van beveiligingskwetsbaarheden, het auditen van code en het analyseren van defensieve logs."
- John Whittle (Chief Operating Officer, Fortinet): "Innovaties zoals Mistral Large 4 representeren veelbelovende stappen voorwaarts in het potentieel van AI om cyberdefensie te transformeren."
- Kari Briski (VP of Open Models and Software, NVIDIA): "Open modellen stellen security-onderzoekers en ontwikkelaars in staat om AI te inspecteren, aan te passen en erop voort te bouwen."
- Hugues Foulon (CEO, Orange Cyberdefense): "Door de kracht van AI te combineren met de expertise van onze teams en onze Cyber Threat Intelligence, versnellen we onze respons met vertrouwde Europese technologie."
- Anneka Gupta (Chief Product Officer, Rubrik): "Rubrik ondersteunt Mistral en de push voor 'soevereine AI', om Europese overheden en gereguleerde industrieën een geloofwaardig alternatief te bieden dat hun data niet naar andere landen routeert."
- Dhawal Sharma (EVP of AI and Data Security, Zscaler): "Mistral Large 4 brengt sterke cybersecurity en technisch redeneren naar open-weight AI, en veel Europese bedrijven omarmen het al als hun soevereine model van voorkeur."
Monitoring en Specialisatie
Sinds de preview is het gebruik in live traffic nauwlettend gevolgd. Hoewel het model weigert mee te werken aan black-box aanvallen op live targets, is er potentieel voor verbetering bij het uitvoeren van echte aanvallen. De guardrails worden daarom continu bijgewerkt.
Voor enterprise design partners, zoals Orange Cyberdefense, is er preview-toegang tot een gespecialiseerde variant van Mistral Large 4. Deze is geoptimaliseerd voor geavanceerde cybersecurity-workflows zoals penetratietesten, kwetsbaarheidsbeoordelingen en red-teaming. De toegang is onderhevig aan strikte screening en contractuele waarborgen.
Daarnaast kunnen klanten Mistral Large 4 aanpassen met eigen beveiligingsdata en detectielogica via Mistral Forge. Voor specifiek gedefinieerde taken kan het model worden geoptimaliseerd tot kleinere, taakspecifieke varianten voor grotere nauwkeurigheid.
Gebouwd voor werk
Mistral Large 4 is verder verbeterd op diverse enterprise-metrics.
- Financiële sector: De capaciteit voor real-world workflows, specifiek het maken en bewerken van spreadsheets voor finance en accounting, is verbeterd. De Finch-scores stegen naar 73,3%, waarmee het model (onder de open modellen) tweede is na Kimi K3.
- Webbrowsing: Via de RL-pipeline is een score van 84,5% behaald op BrowseComp (een stijging vanaf 75% in de SFT-checkpoint). Hiermee presteert Mistral Large 4 beter dan modellen als GLM-5.3 of DeepSeek Flash 4.1 1017.
- Agent Security: Het model is beter bestand tegen bedreigingen zoals system prompt exfiltration en malicious code injection. Op de B3 Agent Security Benchmark weerstaat Mistral Large 4 nu 97,1% van de aanvallen, tegenover 93,3% in de preview.
Zakaria Moursli (Executive Vice President, La Banque Postale) merkt op dat technologische soevereiniteit voor een publieke bank een vereiste is voor het behoud van klantvertrouwen, en dat de introductie van dit open model nieuwe mogelijkheden ontsluit.
Praktijkvoorbeelden
- Cyber Vulnerability Triage: Een agent leest inkomende rapporten over kwetsbaarheden, onderzoekt de broncode, reproduceert de fout in een sandbox en schrijft een patch totdat een exploit niet meer werkt.
- Agentic Webdev: Zonder menselijke hulp bouwt Mistral Large 4 Orbital Trace, een live 3D-kaart van circa 19.000 satellieten en brokstukken in een baan om de aarde, inclusief het debuggen van de eigen app via een browser.
- Quantum Chemistry Solver: Het model schrijft software die berekent waar elektronen zich in een molecuul bevinden, controleert dit tegen standaard chemistry-tools en bouwt een interactieve 3D-pagina waarbij gebruikers moleculen (zoals benzeen of water) uit elkaar kunnen trekken om de hergroepering van elektronen te zien.
Gebouwd voor soevereiniteit
Soevereiniteit betekent dat organisaties de controle behouden over de modellen waar ze van afhankelijk zijn en de intelligentie die ze creëren.
Met Mistral Large 4 begint die controle bij het model zelf: organisaties kunnen het model inspecteren, aanpassen en implementeren op hun eigen infrastructuur, zonder afhankelijk te zijn van een API van Mistral. Het model is volledig in Europa ontwikkeld en getraind.
Controle strekt zich ook uit tot de operatie:
- Mistral Forge: Voor aanpassing aan proprietary data.
- Mistral Studio: Voor het bouwen, beheren en verbeteren van agents en applicaties.
Industrieel perspectief op soevereiniteit
- Coen Klaver (Director Cyber Defense, ABN AMRO Bank N.V.): "Open en transparante AI-ecosystemen zijn essentieel voor het verantwoord stimuleren van innovatie binnen de financiële sector."
- Arnaud Hubaux (Head of AI Program and Strategy): "Onze vroege ervaring met Mistral Large 4 is veelbelovend, met name voor use-cases waarbij hogere modelprestaties cruciaal zijn in de chipfabricage."
- Nicolas Goosse (Head of Data Insights, Analytics & AI, Belfius): "Een open-weight model dat we kunnen finetunen en op onze eigen infrastructuur kunnen implementeren is een belangrijke stap voor financial-grade AI."
- Oliver Biton (Group CIO, Crédit Agricole): "Voor de meest gevoelige use-cases is toegang tot Europese open-weight modellen een vitale hefboom voor het versterken van onze strategische autonomie."
- Giuseppe Borghi (Head of ESA Φ-lab): "De mogelijkheid om een model aan te passen is essentieel voor ons gespecialiseerde werk met Earth observation data."
- Jeff Boudier (VP Product, Hugging Face): "AI-soevereiniteit gaat niet over het kiezen van een API, maar over de vrijheid om AI op je eigen voorwaarden te draaien en aan te passen."
- Steeve Morin (CEO, ZML): "Open weights geven bouwers meer controle over beslissingen in plaats van hen afhankelijk te maken van één enkele hosted service."
Voor organisaties die een managed service prefereren, is Mistral Large 4 beschikbaar via Microsoft Foundry, met private implementatieopties voor Azure-ontwikkelaars. Tina Schuchman (Corporate VP, Foundry, Microsoft) benadrukt dat deze combinatie flexibiliteit en controle biedt over data en infrastructuur.
Aan de slag met Le Chonk
Mistral Large 4 is direct beschikbaar om te testen, te implementeren en aan te passen.
- Toegang: Via Mistral Studio, de Mistral API, of OpenRouter.
- Zelfhosten: Download de open weights via Hugging Face en implementeer via vLLM of SGLang.
- Vibe Code: Test het model door functies te bouwen of bugs te fixen in je eigen repository.
- NVIDIA: Beschikbaar via NVIDIA-hosted endpoints als een geoptimaliseerde NVIDIA NIM-container. Voor aanpassingen kan de NeMo AutoModel library worden gebruikt, en voor high-throughput serving de TensorRT LLM library.
- Enterprise: Maatwerk via Mistral Forge.
Licentie en prijzen
Het model is beschikbaar onder de Mistral Ecosystem Open-Weight license (een gewijzigde MIT-licentie). Het is gratis om te gebruiken, te wijzigen, te finetunen en te commercialiseren, met één voorwaarde: bedrijven die een Model-as-a-Service aanbieden, moeten een aparte commerciële licentie verkrijgen van Mistral.
Prijsstelling:
- Input: $0,70 / M tokens
- Cached input: $0,07 / M tokens
- Output: $2,10 / M tokens
Wat is het vervolg?
Mistral Large 4 dient als fundament voor een nieuwe generatie gespecialiseerde en geoptimaliseerde Mistral-modellen. Voortbouwend op recente releases zoals Voxtral en Timestral, blijft Mistral de grenzen van open-weight AI verleggen om ontwikkelaars en bedrijven meer vrijheid te geven in het bezitten van hun eigen intelligentie.
Modeloverzicht: Mistral Large 4
- Type: Open-weight hybride instructie- en redeneer-MoE met multimodale input.
- Kenmerken: Unificeert instructie, redenering en agentische capaciteiten in één model.
- Specialisaties: State-of-the-art voor open weights in cybersecurity, finance en manufacturing.
- Talen: Natuurlijk vloeiend in meer dan 160 talen.
- Capaciteiten: Multimodaal, Redenering, Coding, Agentic, Cybersecurity.
Groetjes,