AnswersPublished19 sources
Mistral zet de gewichten van Le Chonk open: wat betekent dat?
Mistral bracht op 29 oktober de gewichten van Mistral Large 4 uit, na een publieke preview op 6 oktober.[9] De score op Terminal Bench 4.0 steeg volgens gerapporteerde cijfers van 28% naar 41% na extra reinforcement learning.[10][11] Mistral meldt ook 48% op de Artificial Analysis Coding Agent Index, gelijk aan GLM...
Gepubliceerd doorAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Mistral bracht op 29 oktober de gewichten van Mistral Large 4 uit, na een publieke preview op 6 oktober.[9]
- De score op Terminal Bench 4.0 steeg volgens gerapporteerde cijfers van 28% naar 41% na extra reinforcement learning.[10][11]
- Mistral meldt ook 48% op de Artificial Analysis Coding Agent Index, gelijk aan GLM 5.3 en met 47% minder tokens per taak.[11]
- Het model heeft 1,05 biljoen parameters in totaal, waarvan 52 miljard actief zijn; de licentie is een aangepaste MIT licentie.[1][7]
AI 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 web, ai safety, openai, agents, ai. 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, charts w
Mistral heeft op 29 oktober de gewichten van Mistral Large 4 vrijgegeven. Het model, dat het bedrijf ook “Le Chonk” noemt, werd op 6 oktober al als publieke preview aangekondigd.9 Mistral zegt dat het na extra reinforcement learning beter presteert bij programmeertaken en defensieve cybersecurity. De cijfers zijn interessant, maar ze bewijzen niet dat het model in elke praktijksituatie de beste keuze is.
Wat is er uitgebracht?
Mistral Large 4 is een multimodaal model met een mixture-of-experts-architectuur: het telt 1,05 biljoen parameters, waarvan er per taak 52 miljard actief zijn. Daarnaast bevat het een vision-encoder van 1,6 miljard parameters.1 Mistral zegt dat het model is getraind met 3.800 Nvidia Grace Blackwell-gpu’s in zijn Europese datacenters.
15
Met open gewichten kunnen ontwikkelaars het model downloaden en aanpassen of zelf draaien. Dat is niet automatisch hetzelfde als volledig open source: bij deze release hoort een aangepaste MIT-licentie, de Mistral Ecosystem Open-Weight License.7 Een secundaire bron meldt dat de aanvullende commerciële beperking vooral betrekking heeft op aanbieders die het model als dienst doorverkopen; de beschikbare informatie geeft niet genoeg detail om alle verplichtingen voor gehoste diensten vast te stellen.
12
Betere score voor programmeertaken
Op Terminal-Bench 4.0 steeg de gerapporteerde score van 28% bij de preview naar 41% na extra reinforcement learning: een verbetering van 13 procentpunten.10
11 Op de Artificial Analysis Coding Agent Index rapporteert Mistral 48%, gelijk aan GLM-5.3, met 47% minder tokens per taak.
11
Dat laatste kan wijzen op efficiënter gebruik van tokens bij de geteste taken. Het is op zichzelf geen bewijs dat de totale kosten lager zijn: daarvoor zijn ook zaken als hardware, snelheid, gebruikspatronen en prijzen van belang. En benchmarkresultaten zeggen niet automatisch hoe goed een model presteert op de specifieke code en systemen van een organisatie.
Cybersecurity: verdedigingsscore én gebruiksrisico
In berichtgeving over de release wordt een score van 51% op de Cyber Index genoemd. Ook zou het model gemiddeld 96,6% van de kwaadaardige cyberverzoeken weigeren.8 Dat zijn gerapporteerde evaluatiecijfers; zonder volledige informatie over de testopzet zijn ze geen algemene veiligheidswaarborg.
Een model kan nuttig zijn voor defensieve beveiliging en tegelijk risico’s opleveren als de mogelijkheden voor schadelijke doeleinden worden ingezet. Een hoge weigeringsscore betekent dus niet dat open beschikbaarheid zonder risico is.
Wat betekent ‘open gewichten’ voor gebruikers?
De release geeft ontwikkelaars een extra modeloptie die ze zelf kunnen draaien en aanpassen, in plaats van uitsluitend via een API van een aanbieder te gebruiken. Mistral profileert Large 4 als een Europees alternatief op een markt met zowel gesloten frontiermodellen als open-gewichtmodellen van andere aanbieders.9
14 Het relevante verschil voor gebruikers is vooral de mate van controle over implementatie en toegang; de herkomst van het model is op zichzelf geen prestatiebewijs.
De belangrijkste conclusie is daarom tweeledig: de gemelde resultaten maken Mistral Large 4 een interessante kandidaat voor code- en beveiligingstaken, terwijl de praktische waarde afhangt van eigen tests, de licentievoorwaarden en het risicobeheer. De beschikbare bronnen onderbouwen de genoemde benchmarkcijfers en modelgegevens, maar niet een universele claim dat het model voor elk gebruik de beste of veiligste keuze is.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Mistral zet de gewichten van Le Chonk open: wat betekent dat?"?
Mistral bracht op 29 oktober de gewichten van Mistral Large 4 uit, na een publieke preview op 6 oktober.[9]
What are the key points to validate first?
Mistral bracht op 29 oktober de gewichten van Mistral Large 4 uit, na een publieke preview op 6 oktober.[9] De score op Terminal Bench 4.0 steeg volgens gerapporteerde cijfers van 28% naar 41% na extra reinforcement learning.[10][11]
What should I do next in practice?
Mistral meldt ook 48% op de Artificial Analysis Coding Agent Index, gelijk aan GLM 5.3 en met 47% minder tokens per taak.[11]