Aktuelles

Eine Billion Parameter aus Paris: Mistral Large 4 setzt auf Cybersecurity statt Chatbot-Charme

Ein KI-Modell soll eine echte Sicherheitslücke in Open-Source-Software nachbauen und sie danach schließen. Mistral Large 4 schafft das in 82 Prozent der Fälle. Mehrere der bekanntesten US-Modelle landen beim selben Test nahe null, nicht weil sie es nicht könnten, sondern weil sie die Aufgabe verweigern. Mit genau diesem Unterschied will das Pariser KI-Labor zurück an die Weltspitze. Der offizielle Spitzname des neuen Modells: „Le Chonk“. Das ist Internet-Slang für ein gut genährtes Haustier. Bescheidenheit klingt anders.

Am 6. Oktober 2026 hat Mistral AI eine öffentliche Preview von Mistral Large 4 gestartet, kurz ML4. Es ist das größte und leistungsfähigste Modell, das die Franzosen je gebaut haben. Und es ist eine Kampfansage in einem Rennen, das viele schon als Zweikampf zwischen den USA und China abgehakt hatten.

Eine Billion Parameter, aber nur 49 Milliarden im Einsatz

Erst die Eckdaten. ML4 hat eine Billion Parameter, ist von Haus aus multimodal und versteht neben Text also auch Bilder, Diagramme und Dokumente. Technisch handelt es sich um ein Mixture-of-Experts-Modell: Pro Anfrage arbeiten nur 49 Milliarden Parameter, der Rest wartet auf seinen Einsatz. Das spart Rechenleistung und damit jede Menge Geld.

Das Modell vereint klassische Anweisungen, schrittweises Nachdenken und agentische Fähigkeiten in einem System. Über 160 Sprachen flossen ins Training ein, darunter alle Amtssprachen der EU. Für ein Unternehmen aus Paris ist das kein Zufall, sondern ein knallhartes Verkaufsargument.

In der Preview-API kostet ML4 1,36 US-Dollar pro Million Input-Tokens und 4,18 Dollar pro Million Output-Tokens. Die Gewichte, also das eigentliche Modell zum Herunterladen, will Mistral bis Ende Oktober freigeben. Mehrere Medien nennen den 27. Oktober als Datum.

Warum ausgerechnet Cybersecurity?

Mistral hätte ML4 als nächsten Allround-Chatbot vermarkten können. Stattdessen setzt das Unternehmen voll auf Sicherheit, und die Zahlen dazu sind beachtlich. Auf dem Cyber Index von Artificial Analysis, einer unabhängigen Bewertung, wie gut KI-Modelle Sicherheitslücken in echter Software finden und beheben, landet ML4 laut Mistral unter den fünf besten Modellen weltweit. Bei Cybench, einer Sammlung von 40 Aufgaben aus Hacking-Wettbewerben, löst es 93 Prozent.

Spannender als die Prozentzahlen ist aber das Argument dahinter. Mistral sagt: Wer Software verteidigen will, muss oft erst beweisen, dass eine Lücke wirklich existiert. Genau das blockieren die Sicherheitsfilter vieler geschlossener Modelle. Laut Mistral verweigern etwa Claude Opus 5.5 und GPT-6 Astra im Reproduktionstest die Arbeit. Gleichzeitig knacken Angreifer genau diese Modelle mit Jailbreaks. Die Verteidiger stehen dann mit gebundenen Händen da.

Dazu kommt ein zweiter Punkt, der jedem IT-Verantwortlichen sofort einleuchtet: Was passiert, wenn mitten in einem Sicherheitsvorfall der US-Anbieter den Zugang dreht? Mistral nennt diesen Kontrollverlust selbst ein Sicherheitsrisiko. Mit offenen Gewichten lässt sich ML4 auf eigener Hardware oder in der Private Cloud betreiben, nach eigenen Regeln. In internen Tests half das Modell laut Mistral auch bei der Malware-Analyse, beim Priorisieren von Schwachstellen und beim Schreiben von Erkennungsregeln.

Das Dilemma mit dem offenen Werkzeugkasten

Natürlich hat die Sache einen Haken. Ein Modell, das Sicherheitslücken nachbauen kann, ist auch für Angreifer interessant, Mistral weiß das. Bis zur Freigabe testet das Unternehmen ML4 deshalb mit ausgewählten Sicherheitsexperten, geprüften Partnern und staatlichen Stellen. Diese bekommen eine Version mit weniger Moderation und erweiterten Cyber-Fähigkeiten. Alle anderen sprechen derzeit über einen Endpunkt mit Schutzmechanismen mit dem Modell.

Mistrals Wissenschaftschef Pierre Stock erklärte gegenüber TechCrunch, man wolle mit Partnern und Regierungen sicherstellen, dass die Gewichte zur Verteidigung taugen, aber nicht für Angriffe. Wie genau das bei einem frei verfügbaren Modell funktionieren soll, bleibt erst einmal offen. Immerhin: Bei bösartigen Cyber-Anfragen aus gängigen Testsammlungen verweigert ML4 laut Mistral häufiger als jedes andere offene Modell. Und gegen indirekte Prompt-Injections, also untergeschobene Befehle in Dokumenten oder Webseiten, wehrt es im Lakera-Benchmark 93,3 Prozent der Angriffe ab.

Programmieren: stark, aber nicht an der Spitze

Beim zweiten großen Versprechen, dem Programmieren, lohnt der genaue Blick. ML4 erreicht 61,7 Prozent auf DeepSWE und 28,3 Prozent auf Terminal-Bench 4. Im kombinierten Coding Agent Index von Artificial Analysis kommt es auf 49,8 Prozent und liegt damit vor DeepSeek V4 Pro und Qwen3.8 Max. Das sind die Messlatten unter den offenen Modellen.

Gegen die geschlossene US-Konkurrenz sieht es anders aus. In einer verblindeten Bewertung durch professionelle Gutachter landete ML4 bei der Code-Qualität auf Platz zwei von fünf, mit 3,74 von 5 Punkten. Vorn lag mit deutlichem Abstand Claude Opus 5 mit 4,22. CNBC und Quartz berichten übereinstimmend, dass Mistral selbst einräumt: Beim Coding hinkt ML4 den führenden Frontier-Modellen noch hinterher. Das ist ehrlich – und für ein Modell, das ausdrücklich fürs Programmieren optimiert sein soll, eine Einschränkung, die man kennen sollte.

Kennzahl	Mistral Large 4 (Preview)
Parameter gesamt / aktiv	1 Billion / 49 Milliarden
Architektur	Mixture of Experts, multimodal, mit Reasoning
Sprachen	über 160, alle EU-Amtssprachen
Training	rund 3.800 Nvidia-Grace-Blackwell-GPUs in Mistrals eigenen europäischen Rechenzentren
Cybench	93 % der 40 Aufgaben gelöst
Lücke nachbauen und patchen	82 %
DeepSWE 1.1	61,7 %
Terminal-Bench 4	28,3 %
Coding Agent Index	49,8 %
Preis Preview-API	1,36 $ Input / 4,18 $ Output pro Million Tokens
Offene Gewichte	angekündigt bis Ende Oktober 2026

Wichtig: Alle Werte stammen aus Mistrals eigener Ankündigung. Unabhängig nachprüfen lässt sich das Ganze erst, wenn die Gewichte zum Download bereitstehen. Zudem läuft das Reinforcement-Learning-Training laut Mistral noch. Die Preview ist also ausdrücklich ein Zwischenstand.

Made in Europe – diesmal wirklich

Der vielleicht wichtigste Satz der Ankündigung steht nicht bei den Benchmarks. ML4 wurde komplett in Mistrals eigenen Rechenzentren in Europa trainiert, und auch die Preview läuft auf dieser Infrastruktur. Mistral verspricht zudem einen europäischen Betrieb, den das Unternehmen vollständig selbst verantwortet, unabhängig von anderen Digitaldienstleistern und unter europäischem Recht.

Für ein Modell dieser Klasse war das Training dabei erstaunlich sparsam. Pierre Stock beziffert den Rechenaufwand auf zwei- bis dreimal weniger GPUs, als die chinesische Konkurrenz einsetzt. Zur Finanzierung: Im September sammelte Mistral drei Milliarden Euro in einer Series D ein, angeführt von Samsung, bei einer Bewertung von 21 Milliarden Euro. Laut Mistral ist das die größte Eigenkapitalrunde, die je ein europäisches Tech-Unternehmen gestemmt hat. Die vorherige Runde hatte der niederländische Chipmaschinenbauer ASML angeführt. Kein Wunder also, dass auch Chipdesign zu den Einsatzfeldern zählt, die Mistral für ML4 nennt. Frankreichs Präsident Emmanuel Macron spricht in diesem Zusammenhang von einem „dritten Weg“ in der KI, zwischen den USA und China.

Und was heißt das für Agenturen und Mittelstand?

Kurz gesagt: eine echte Alternative, aber keine für den Bürorechner. Eine Billion Parameter passen auf keine handelsübliche Grafikkarte. Wer ML4 selbst betreiben will, braucht ernsthafte Serverhardware oder einen europäischen Cloud-Anbieter. Für die meisten kleineren Unternehmen dürfte die API der realistische Weg sein.

Trotzdem lohnt sich der Blick. Wer Kundendaten oder Quellcode nicht über US-Server schicken will, bekommt mit ML4 erstmals ein europäisches Modell, das in Sicherheitsfragen mit der Weltspitze mithalten soll. Das ist für Code-Reviews, Schwachstellenanalysen und die Absicherung von Websites relevant. Gerade dort, wo DSGVO und Kundenverträge eine klare Ansage machen, wo die Daten liegen dürfen.

Und für alle, die heute schon mit KI programmieren: Die Ankündigung zeigt, dass ein Modell nicht nur nach Benchmark-Platz bewertet werden sollte. Ein Werkzeug, das im entscheidenden Moment die Arbeit verweigert, ist ein schlechtes Werkzeug. Ein Werkzeug, das jedem alles erlaubt, ist ein gefährliches. Die Kunst liegt irgendwo dazwischen und genau dort will sich Mistral positionieren.

Die eigentliche Prüfung kommt Ende Oktober

Bis dahin ist Le Chonk vor allem ein Versprechen. Ein gut begründetes, mit beeindruckenden Zahlen aber eben mit Zahlen, die Mistral selbst ausgerechnet hat. Bald werden Forscher, Sicherheitsteams und vermutlich auch die weniger freundlichen Teile des Internets das Modell zerlegen. Dann zeigt sich, ob Europas KI-Hoffnungsträger nur kräftig gebaut ist oder auch kräftig zubeißt.

Die vollständige Ankündigung mit allen Benchmarks gibt es bei Mistral AI.

07.10.2026