AntwortenVeröffentlicht25 Quellen
Mistral Large 4: bessere Coding-Werte, aber kein Freifahrtschein
Mistral veröffentlichte die Gewichte von Large 4 am 29. Oktober. Das multimodale Modell hat insgesamt 1,05 Billionen Parameter.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Mistral veröffentlichte die Gewichte von Large 4 am 29. Oktober.
- Das multimodale Modell hat insgesamt 1,05 Billionen Parameter. Die Lizenz ist eine modifizierte MIT Lizenz – wer einen gehosteten Dienst anbieten will, sollte die genauen Bedingungen prüfen.
- Mistral nennt 51 Prozent im Cyber Index und eine Ablehnungsquote von durchschnittlich 96,6 Prozent bei schädlichen Cyber Anfragen.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What are the key details and implications of France’s Mistral releasing the open weights of its flagship Mistral Large 4 model, nicknamed “L. Article summary: Mistral released the open weights of Mistral Large 4, “Le Chonk,” on October 29, following its October 6 preview, and claims leading open-weight performance in coding and defensive cybersecurity.[9] The available evidenc. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Mistral hat am 29. Oktober die offenen Gewichte von Mistral Large 4 veröffentlicht. Das Modell, das den Spitznamen „Le Chonk“ trägt, war am 6. Oktober zunächst als Vorschau vorgestellt worden. Mistral positioniert es als leistungsfähigere offene Option für Programmieraufgaben und defensive Cybersecurity. Die gemeldeten Verbesserungen sind beachtlich – sie beziehen sich aber auf bestimmte Tests und sind kein Beleg dafür, dass das Modell bei jeder Aufgabe die Konkurrenz übertrifft.4
7
9
18
Was hat sich seit der Vorschau getan?
Mistral zufolge erhöhte zusätzliches Reinforcement Learning den Wert von Large 4 bei Terminal-Bench 4.0 von 28 Prozent in der Vorschau auf 41 Prozent in der veröffentlichten Version – ein Plus von 13 Prozentpunkten.21
31 Im Coding Agent Index von Artificial Analysis erreicht das Modell laut Angaben 48 Prozent und liegt damit gleichauf mit GLM-5.3. Für diesen Vergleich wird außerdem ein um 47 Prozent geringerer Tokenverbrauch pro Aufgabe berichtet.
31
35
Das sind Ergebnisse für konkrete Benchmarks. Sie sagen nicht automatisch voraus, wie gut das Modell bei allen Programmierarbeiten abschneidet. Auch folgt aus weniger Tokens nicht zwingend, dass der gesamte Betrieb günstiger ist. Die vorliegenden Berichte liefern zudem keinen belastbaren, direkten Zahlenvergleich mit Anthropics Mythos 5.1.
Ein multimodales Modell mit einer Billion Parametern
Mistrals Dokumentation beschreibt Large 4 als multimodales Mixture-of-Experts-Modell mit insgesamt 1,05 Billionen Parametern und einem Vision-Encoder mit 1,6 Milliarden Parametern.17 Die Gesamtzahl braucht eine Einordnung: Laut Modellbeschreibung auf Hugging Face sind pro Token 49 Milliarden Parameter aktiv – beziehungsweise 52 Milliarden, wenn Embeddings und Ausgabeschicht mitgezählt werden.
20
In der Vorschau-Ankündigung erklärte Mistral, das Modell sei mit 3.800 Nvidia-Grace-Blackwell-GPUs in den europäischen Rechenzentren des Unternehmens trainiert worden.6 Für den Einsatz bietet Large 4 laut Berichten drei Einstellungen für den Denkaufwand: niedrig, mittel und hoch.
34
Offene Gewichte – aber nicht einfach „MIT“
Die Modellgewichte sind über Hugging Face verfügbar. Die veröffentlichte Lizenz heißt Mistral Ecosystem Open-Weight License und bezeichnet sich als modifizierte Version der MIT-Lizenz.18
32 „Offene Gewichte“ bedeutet deshalb nicht automatisch, dass jede Weiterverbreitung und jedes gehostete Angebot uneingeschränkt unter den üblichen MIT-Bedingungen steht. Wer daraus ein kommerzielles Angebot machen möchte, sollte den Lizenztext prüfen und klären, welche Bedingungen für den konkreten Einsatz gelten.
32
36
Für Teams ist vor allem wichtig, dass sie die Gewichte beziehen können, statt ausschließlich über die API eines Anbieters auf das Modell zuzugreifen. Das kann Selbsthosting oder Anpassungen ermöglichen. Welche Infrastruktur ein bestimmter Einsatz erfordert, lässt sich aus der Veröffentlichung allein jedoch nicht ableiten.
Cybersecurity-Angaben mit Vorsicht lesen
Laut Berichten erreicht Large 4 im Artificial Analysis Cyber Index 51 Prozent. Bei schädlichen Cyber-Anfragen soll das Modell durchschnittlich 96,6 Prozent der Anfragen ablehnen.31
33 Das sind berichtete Testergebnisse – keine Garantie, dass jede schädliche Anfrage zurückgewiesen wird oder dass offene Gewichte kein Missbrauchsrisiko mit sich bringen.
Ein guter Wert bei defensiver Sicherheit und eine hohe Ablehnungsquote bei schädlichen Anfragen messen unterschiedliche Dinge. Für die Bewertung zählen auch die Details der Tests und die konkreten Anforderungen beim Einsatz. Die beiden Zahlen beantworten für sich genommen nicht, welche Risiken mit einem breit verfügbaren Modell verbunden sind.
Was die Veröffentlichung bedeutet – und was nicht
Large 4 erweitert die Auswahl an in Europa entwickelten Modellen mit offenen Gewichten in einem Markt, in dem auch offene und geschlossene Modelle aus anderen Regionen konkurrieren. Mistral hebt die europäische Trainingsinfrastruktur und die Ergebnisse im Vergleich zu anderen offenen Modellen hervor.6
15
18 Für Nutzerinnen und Nutzer ist vor allem entscheidend, dass die Gewichte verfügbar sind und sich damit untersuchen oder selbst betreiben lassen – nicht eine pauschale Aussage über die Qualität eines Modells aufgrund seiner Herkunft.
Die belastbare Schlussfolgerung fällt enger aus: Mistral berichtet von deutlichen Fortschritten bei einem Coding-Benchmark zwischen Vorschau und Veröffentlichung sowie von einem konkurrenzfähigen Coding-Agent-Wert bei geringerem Tokenverbrauch in einem Vergleich. Das kann Large 4 für eigene Tests interessant machen. Eine generelle Überlegenheit ist damit ebenso wenig bewiesen wie jede Cybersecurity-Aussage unabhängig bestätigt. Lizenzbedingungen und Risiken des Betriebs müssen weiterhin geprüft werden.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Mistral Large 4: bessere Coding-Werte, aber kein Freifahrtschein“?
Mistral veröffentlichte die Gewichte von Large 4 am 29. Oktober.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Mistral veröffentlichte die Gewichte von Large 4 am 29. Oktober. Das multimodale Modell hat insgesamt 1,05 Billionen Parameter. Die Lizenz ist eine modifizierte MIT Lizenz – wer einen gehosteten Dienst anbieten will, sollte die genauen Bedingungen prüfen.
Was soll ich als nächstes in der Praxis tun?
Mistral nennt 51 Prozent im Cyber Index und eine Ablehnungsquote von durchschnittlich 96,6 Prozent bei schädlichen Cyber Anfragen.