Das Unternehmen hat eine öffentliche Vorschau seiner neuesten großen Sprachmodells veröffentlicht und es Mistral Large 4 genannt, obwohl manche es informell „le Chonk“ nennen. Mistral AI teilt mit, dass das Modell, das 1 Billion Parameter enthält und mit 49 Milliarden aktiven Parametern arbeitet, das größte und leistungsfähigste Angebot des Unternehmens ist.
Die Vorschau-API von Mistral Studio ist jetzt online, und die vollständigen Gewichte sollen am Ende des Monats veröffentlicht werden. Das zugrunde liegende System wurde mit Blick auf Programmierung, Cybersicherheit und multimodales Verständnis entwickelt. Laut Mistral entspricht es bereits den besten Open-Source-Modellen der Welt und schlägt jedes Open-Weight-Modell, das in den USA oder Europa produziert wurde.
Die Zahlen hinter Le Chonk
Das Training für ML4 begann ohne Vorkenntnisse auf 3.800 NVIDIA Grace Blackwell GPUs in Mistrals eigenen europäischen Datenzentren. Ein großer Teil des Trainingsmaterials umfasst mehr als 160 Sprachen, darunter alle Amtssprachen der Europäischen Union.
Das Modell erreichte 61,7 % auf DeepSWE v1.1, 59,4 % auf SWE-Atlas-QnA und 28,3 % auf Terminal-Bench 4. Kombiniert liegt sein Coding Agent Index bei 49,8 %, vor DeepSeek V4 Pro 0813 und Qwen3.8 Max.
Der Artificial Analysis Cyber Index listet ML4 unter den Top-Fünf-Modellen der Welt für Cybersicherheit auf und liegt damit deutlich vor allen anderen Open-Weight-Modellen außerhalb Chinas. Bei Tests zur Fähigkeit, eine echte Schwachstelle in Open-Source-Software zu reproduzieren und dann zu beheben, erreichte ML4 82 %, den höchsten Wert aller Modelle.
Warum der Name Le Chonk funktioniert
Der Spitzname ist verspielt, aber das Modell, das er beschreibt, ist es nicht. Mistral sagt, ML4 sei auf „KI-Souveränität“ ausgelegt – der Idee, dass Länder und Unternehmen ihre eigenen KI-Systeme kontrollieren sollten, anstatt auf ausländische Anbieter angewiesen zu sein.
Organisationen können ihre eigenen Sicherheitsoperationen auf ihren eigenen Servern unter Verwendung des Designs des Modells durchführen, vorbehaltlich ihrer eigenen Richtlinien. Mistral argumentiert, dass Anbieter-level-Ablehnungen gültige Schwachstellenforschung und Incident Response verhindern können. Das Unternehmen warnt auch, dass der Verlust des Zugriffs auf eine Fähigkeit während eines Incidents zu einem ernsthaften Sicherheitsproblem wird.
Wie ML4 Closed-Source-Modelle übertrifft
Wenn es darum geht, wie sich das System im Vergleich zu anderen Modellen schlägt, liegt der eigentliche Kern des Interesses darin, wie mehrere führende, geschlossene Modelle auf einen bestimmten Test zur Reproduktion von Schwachstellen reagieren. Claude Opus 5.5 und GPT-6 Astra beispielsweise erzielen auf diesem Test nahe Null, da sie ihn einfach verweigern.
Das Argument gegen die Verweigerung des Zugangs beruht auf der Tatsache, dass der Nachweis der Existenz eines Fehlers genau das ist, womit die Verteidigung von Software normalerweise beginnt – und zwar die Art von Arbeit, die Sicherheitsfilter in geschlossenen Modellen verhindern können. Angreifer wenden sich nun ebenfalls diesen Modellen zu, um ihre eigenen Angriffsbemühungen zu unterstützen, und Sicherheitsteams benötigen Werkzeuge, die Schritt halten können, ohne die gleichen Ablehnungen zu erfahren.
Interne Tests zeigten, dass ML4 wirksam bei der Analyse von Malware, der Sortierung von Schwachstellen nach Priorität und der Erstellung von Erkennungsregeln ist. Das Modell bewältigte außerdem 93 % der Herausforderungen in Cybench, einer Sammlung von 40 Übungen aus Sicherheitswettbewerben – eine der höchsten Punktzahlen, die für ein Modell mit offenen Gewichten erzielt wurden.
Die Road Ahead
Das Modell wird voraussichtlich in mehreren Regionen der Welt verfügbar sein, so Mistral, einschließlich einer europäischen Bereitstellung, die das Unternehmen vollständig auf eigener, separater Infrastruktur betreibt, abseits anderer digitaler Dienstleister und unter Einhaltung europäischer Gesetze. Das Unternehmen testet das Modell außerdem in realen Szenarien zusammen mit führenden Cybersicherheitsexperten, geprüften Partnern und staatlichen Stellen, die das gleiche Modell mit reduzierter Moderation und verbesserten Cyber-Fähigkeiten nutzen werden.
Während das Unternehmen auf die Veröffentlichung der Gewichte hinarbeitet, hat es angekündigt, dass es weitere Informationen über das Design des Modells, seine Leistung im Vergleich zu anderen Systemen und wie es nach dem Training feinabgestimmt wurde, bereitstellen wird. ML4 wird als Basis für eine neue Familie von feinabgestimmten Mistral-Modellen positioniert.
Die Vorschau-API ist derzeit aktiv, und das Unternehmen ermutigt die Leute, sie auszuprobieren und ihre Gedanken online zu äußern.
Key Facts Box
- Modell: Mistral Large 4 („le Chonk“)
- Parameter: 1 Billion insgesamt, 49 Milliarden aktiv
- Trainingshardware: 3.800 NVIDIA Grace Blackwell GPUs
- Coding-Scores: 61,7 % DeepSWE v1.1, 59,4 % SWE-Atlas-QnA, 28,3 % Terminal-Bench 4
- Coding Index Wert: 49,8 %
- Cybersecurity-Ranking: Top fünf weltweit, führt bei Open-Weight-Modellen außerhalb Chinas
- Vulnerability-Reproduktions-Wert: 82 %
- Cybench-Wert: 93 %
- Gewichtsveröffentlichung: Ende dieses Monats
Mistral hat ein System entwickelt, dessen Name „le Chonk“ eine humorvolle Anspielung ist, während seine Ziele echter Bedeutung haben. Es wagt die Annahme, dass Open Weights – Modelle, die jeder selbst ausführen kann – den Anforderungen von Regierungen und Unternehmen gerecht werden, die die Kontrolle über ihre eigene KI übernehmen wollen. Die Leistung des Modells bei Cybersecurity-Aufgaben untermauert die Seriosität dieser Ambition.
Quellenmaterial: „Mistral Large 4: „Le Chonk““, Mistral AI.
Das Notizbuch abonnieren.
Die besten Geschichten des Tages und jedes neue Urteil, in klarem Deutsch, um sieben im Postfach. Eine Mail am Tag, nicht mehr.