Mistral AI und das Maß der Billion

Die Schwelle von einer Billion Parametern zu überschreiten, ist nicht länger amerikanischen Labors oder chinesischen Konzernen vorbehalten. Mit der Vorschau auf Mistral Large 4, Spitzname "Le Chonk", bringt das französische Unternehmen sein bislang größtes Modell heraus: eine multimodale Mixture-of-Experts-Architektur mit insgesamt 1,05 Billionen Parametern. Laut der offiziellen Dokumentation von Mistral AI aktiviert das Modell davon 52 Milliarden pro Token (einige Medien nennen 49 Milliarden) und nutzt einen visuellen Encoder mit 1,6 Milliarden Parametern sowie ein Kontextfenster von einer Million Token. Es ist die erste europäische Architektur dieser Größenordnung, die mit dem Versprechen offener Gewichte vorgestellt wird. Zugleich ist es das erste Modell nach der Finanzierungsrunde über drei Milliarden Euro, die Mistral im September abgeschlossen hat, wie The Next Web berichtet.

Vorerst ist der Zugang allerdings nur über die API in der öffentlichen Vorschau auf Mistral Studio möglich, die in den europäischen Rechenzentren des Unternehmens läuft. Im offiziellen Blog schreibt Mistral: "We will release the weights by the end of the month"; The Next Web nennt den 27. Oktober als voraussichtliches Datum. Offen bleibt dagegen die Lizenz, und damit die Frage, ob die Apache-2.0-Regelung des Vorgängers Mistral Large 3 beibehalten wird. Auch beim Preis gilt Vorsicht: Der offizielle Listenpreis von 1,36 Dollar pro Million Input-Token und 4,18 Dollar pro Million Output-Token ist derzeit um 50 % rabattiert, ohne dass bekannt ist, wann der Rabatt endet.

Die Erzählung des Unternehmens stellt Cybersicherheit und Programmierfähigkeiten in den Mittelpunkt. Nach von Mistral veröffentlichten Zahlen, die das Unternehmen selbst als vorläufig und änderbar bezeichnet, weil das Reinforcement Learning noch läuft, erreicht Large 4 in einem Test zur Reproduktion und zum Patchen von Schwachstellen 82 %, während Claude Opus 5.5 und GPT-6 Astra nahezu null Punkte erzielen sollen, weil sie die Aufgabe verweigern: eine Angabe des Unternehmens, nicht von Dritten geprüft. In einer Blindbewertung zum Programmieren durch Surge AI meldet Mistral für Large 4 3,74 von 5 Punkten, Platz zwei von fünf Modellen hinter Claude Opus 5 (4,22). Der Mitgründer und Chief Scientist von Mistral AI erklärte, "cyber defense capabilities will enable enterprises and governments to defend themselves", und kündigte eine Version mit reduzierter Moderation für Fachleute und Behörden an. Solange eine externe, unabhängige Validierung dieser Daten fehlt, ist jedoch die übliche methodische Vorsicht geboten.

Laut Mistral wurde das Modell von Grund auf mit 3.800 NVIDIA-Grace-Blackwell-GPUs in den eigenen europäischen Rechenzentren trainiert; The Next Web spricht dagegen von rund 4.000 GPUs, etwa zwei Monaten Training und einer Leistung von rund 10 Megawatt. Diese Infrastruktur trägt die Lokalisierung des Modells, das mit mehr als 160 Sprachen trainiert wurde, sowie die künftige Option eines vollständig innerhalb der Grenzen der Europäischen Union betriebenen Deployments. Bei der Vorstellung beanspruchte der CEO von Mistral AI einen strategischen Platz für den Kontinent: "So the narrative that Europe cannot compete is something that is not true".

Technologische Souveränität bemisst sich auch daran, wie offen die versprochenen Gewichte tatsächlich sind. Viel hängt von zwei noch offenen Punkten ab: der tatsächlichen Veröffentlichung der Gewichte und der Lizenz, die sie begleiten wird und die bislang nicht bekannt ist. Erst dann lässt sich messen, wie offen Europas erste Billion wirklich ist. — Olya