Mistral Large 4 open gewichten uitgelegd: Le Chonk, het 1T-model dat je kunt downloaden

Mistral bracht de open gewichten van Mistral Large 4 uit op 29 oktober 2026, drie weken na de publieke preview van het model op 6 oktober. Bijgenaamd "Le Chonk", is het het vlaggenschip van het Franse lab: een native multimodaal mix-of-experts model met ongeveer 1 biljoen totale parameters, waarvan slechts ongeveer 52 miljard actief per token. Dat ontwerp is precies het punt. Je krijgt een schaal met een biljoen-parameter voor kennis en capaciteit, maar je betaalt slechts voor ongeveer 5 procent van de gewichten per token.

De release is belangrijk omdat het geen demo of alleen API-preview meer is. De inzet ligt op Hugging Face als Mistral-Large-4-1T-A52B, klaar om te downloaden, te verfijnen en te draaien op je eigen servers met vLLM of SGLang. Mistral presenteert Large 4 vooral op twee functies: agentische codering en defensieve cybersecurity. Elk benchmarkgetal hieronder wordt door de leverancier gerapporteerd door Mistral, dus beschouw het als de claim van het bedrijf totdat onafhankelijke testers het herhalen. Het volledige technische rapport staat nog steeds als binnenkort beschikbaar.

Het snelle oordeel

Wat is er veranderd sinds de preview van 6 oktober

De belangrijkste verbetering is op Terminal-Bench 4.0, een test van codeerwerk dat in een terminal wordt uitgevoerd. Mistral meldt dat de score steeg van 28 procent bij de preview naar 41 procent in de open-weight release, een stijging van 13 punten, terwijl outputtokens met 30 procent daalden. Mistral geeft drie extra weken reinforcement learning krediet voor de vooruitgang, inclusief efficiënter redeneren en lagere inferentiekosten.

Die ene sprong herdefinieert het model. Bij de preview leek Large 4 een veelbelovende maar achterblijvende coder. In de open-weight versie rapporteert Mistral 48 procent op de Artificial Analysis Coding Agent Index, effectief gelijk aan GLM-5.3, terwijl gemiddeld 47 procent minder tokens per taak wordt gebruikt. Op Cognitions private FrontierCode 2.0 benchmark, die test of een repository-beheerder de codewijziging van een agent zou combineren, rapporteert Mistral 19,7 procent, de hoogste score onder open-weight modellen die vermeld worden. Ter context: gesloten modellen liggen nog steeds ver voor op diezelfde test: Claude Opus 5.5 scoort 46 procent, volgens de berichtgeving over Mistrals aankondiging. Open weights verkleinen de kloof, ze hebben hem niet dichtgemaakt.

Benchmarktabel (alle door de leverancier gerapporteerd door Mistral)

Lees deze cijfers met twee waarschuwingen. Ten eerste zijn verschillende benchmarks niet met elkaar te vergelijken, dus een hoger percentage op de ene test betekent niet dat het model "beter" is dan op een andere. Ten tweede zijn onafhankelijke audits minder gul: een audit die in de coverage werd genoemd, plaatste Large 4 als 32e van 44 op een algemene index, terwijl het ook al dicht bij de top stond op een juridische benchmark. Leveranciersbenchmarks zijn een startpunt voor je eigen tests, geen oordeel.

Prijstabel

De prijs van de nieuwe API is ongeveer de helft van de preview-lijstprijs, wat overeenkomt met de lanceringskorting die Mistral tijdens de preview aanbood. Ter vergelijking: Moonshot's Kimi K3.1 Pro kost $2 input en $10 output per 1 miljoen tokens, dus de API van Large 4 is agressief geprijsd voor een frontier-klasse open model. De goedkopere tokenprijs helpt alleen als de token-efficiëntieclaim geldt in je werklast, dus meet de kosten per voltooide taak, niet de kosten per token.

De licentie, in eenvoudige taal

Big 4 wordt uitgebracht onder de Mistral Ecosystem Open-Weight-licentie, een aangepaste versie van de MIT-licentie. Je kunt het gebruiken, aanpassen, verfijnen en er gratis commerciële producten op bouwen. Er is één uitzondering, en die is belangrijk: bedrijven die een Model-as-a-Service-aanbod aanbieden, wat betekent dat ze gehoste toegang tot het model zelf verkopen, moeten eerst een aparte commerciële licentie van Mistral krijgen. De aankondiging merkt op dat de aankondiging niet duidelijk definieert waar het wrappen van het model in een SaaS-product eindigt en Model-as-a-Service begint, dus als je van plan bent toegang door te verkopen, laat dan de licentievraag schriftelijk beantwoorden voordat je daarop voortbouwt.

Soevereiniteit en veiligheid: de andere helft van het veld

Mistral heeft Large 4 vanaf nul getraind in zijn eigen Europese datacenters, naar verluidt op ongeveer 3.800 NVIDIA Grace Blackwell GPU's (sommige berichten plaatsen het aantal op 4.000), en presenteert het model als soevereine AI: organisaties kunnen het inspecteren, aanpassen en binnen hun eigen firewalls draaien zonder afhankelijk te zijn van Mistral's API. Dat is een echt voordeel voor gereguleerde sectoren, overheidswerk en iedereen met strikte regels voor gegevensresidentie.

Op het gebied van beveiliging bewandelt Mistral een zorgvuldige lijn. Het rapporteert een score van 51 procent op de Artificial Analysis Cyber Index en een weigeringspercentage van 96,6 procent bij kwaadaardige cyberverzoeken, en zegt dat vangrails defensief werk behouden terwijl ze aanvallen blokkeren. Tegelijkertijd geeft Mistral toe dat het potentie zag voor verbetering in het uitvoeren van echte aanvallen tijdens de preview, en een minder beperkte variant die is afgestemd op penetratietesten en red-teaming blijft beperkt tot gescreende enterprise-ontwerppartners, waaronder Orange Cyberdefense, onder contracten die testen beperken tot eigendom of expliciet geautoriseerde systemen. Zodra gewichten openbaar zijn, kunnen ze niet worden uitgeschakeld, dus de open release zelf is een oordeel of defensieve waarde zwaarder weegt dan het misbruikrisico.

Wat er nodig is om het zelf te runnen

Dit is geen laptopmodel. Volgens SGLang-documentatie die in de dekking wordt genoemd, draait de standaardversie op acht NVIDIA B300 GPU's, en een zwaarder gecomprimeerde variant op vier GB300's. De meeste teams zijn beter bediend door de gehoste API, door een partner-endpoint zoals Microsoft Foundry of OpenRouter, of door Mistral Forge voor het fijn afstellen van taakspecifieke varianten, in plaats van het volledige model zelf te hosten. Als je in plaats daarvan een klein open model wilt voor on-device werk, zie dan onze post over Liquid AI LFM3, zes 2B-klasse modellen die precies voor die taak zijn gebouwd. Voor een contrasterend geval van een krachtig model dat je helemaal niet kunt downloaden, zie Gemini 4 Carbon, Google's cybersecuritymodel dat momenteel beperkt is tot gescreende verdedigers. En als je open modellen afweegt tegen frontier gesloten, is onze Kimi K3.1 Pro-uitsplitsing een nuttig tweede datapunt.

Welke kies je

Kies de Mistral API als je Big 4 snel wilt testen, of als je frontier-klasse open-model code nodig hebt zonder GPU's te kopen. De prijs van $0,70/$2,10 en de context van 1 miljoen maken het goedkoop om te proberen.

Kies voor zelfhosting als dataresidentie, soevereiniteit of diepgaande aanpassing de doorslaggevende factor is en je het GPU-budget hebt. Je hebt volledige controle, maar je bezit ook de deployment, veiligheid en updatewerk.

Kies voor fine-tuning via Mistral Forge als je een smalle, goed gedefinieerde taak hebt, zoals een beveiligingsworkflow of een interne coderingsagent, waarbij een afgestemde kleinere variant het algemene model op kosten en nauwkeurigheid kan verslaan.

Sla het voorlopig over als je van plan bent om toegang tot gehoste modellen door te verkopen zonder de commerciële licentie te regelen, als je een model nodig hebt dat op bescheiden hardware draait, of als je workload al goed wordt bediend door een goedkoper klein model. En als je de allerbeste codeerscore wilt ongeacht openheid, leiden gesloten modellen zoals Claude Opus 5.5 nog steeds ruimschoots op FrontierCode 2.0, gebaseerd op de gerapporteerde cijfers.

Voor teams die productie-AI-systemen bouwen, is de modelkeuze slechts de helft van het werk. CodeMyPixel bouwt AI-agentontwikkelingsdiensten en helpt bedrijven een AI-automatiseringsbureau in te huren om modellen als deze in echte workflows te verwerken, met de vangrails, evaluatie en kostencontroles die een ruwe modeldownload niet biedt.

Wat is Mistral Large 4?

Mistral Large 4 is het vlaggenschip open-weight model van Mistral AI, bijgenaamd Le Chonk. Het is een native multimodaal mix-of-experts model met ongeveer 1 biljoen totale parameters en ongeveer 52 miljard actieve tokens per token, een contextvenster van 1 miljoen tokens en vloeiendheid in meer dan 160 talen.

Is Mistral Large 4 echt gratis?

De gewichten zijn gratis te downloaden, gebruiken, wijzigen, verfijnen en commerciële producten op te bouwen onder de Mistral Ecosystem Open-Weight-licentie. De enige uitzondering zijn Model-as-a-Service-bedrijven, die een aparte commerciële licentie van Mistral nodig hebben. Zelfhosting kost je nog steeds GPU-infrastructuur, of je betaalt de Mistral API-prijs van $0,70 per 1M inputtokens en $2,10 per 1M output tokens.

Hoe verhoudt Large 4 zich tot GLM-5.3 en Claude Opus 5.5?

Volgens door leveranciers gerapporteerde cijfers gelijk met GLM-5.3 met 48 procent op de Coding Agent Index, terwijl het 47 procent minder tokens gebruikt, en leidt het open modellen op FrontierCode 2.0 met 19,7 procent. Claude Opus 5.5 leidt diezelfde FrontierCode-test nog steeds met 46 procent, dus gesloten frontiermodellen blijven voorlopen op ruwe codeercapaciteit.

Welke hardware heb ik nodig om Mistral Large 4 te draaien?

De standaardversie heeft serieuze hardware nodig: acht NVIDIA B300 GPU's volgens SGLang-documentatie, of vier GB300's voor een gecomprimeerde variant. De meeste gebruikers zouden beter beginnen met de Mistral API, OpenRouter of Microsoft Foundry in plaats van zelfhosting.

Waar kan ik Mistral Large 4 downloaden?

De gewichten worden gepubliceerd op Hugging Face als Mistral-Large-4-1T-A52B, voor implementatie met vLLM of SGLang. Het model is ook beschikbaar via Mistral Studio, de Mistral API, OpenRouter, Microsoft Foundry en door NVIDIA gehoste endpoints.

Moet mijn bedrijf overstappen op Mistral Large 4?

Wissel als soevereiniteit, dataresidentie of fine-tuning control belangrijk voor je zijn, of als de token-efficiëntieclaim klopt in je eigen tests. Test het eerst op je eigen taken, bevestig de licentiepositie als je toegang doorverkoopt, en vergelijk kosten per voltooide taak, niet alleen kosten per token, voordat je je committeert.

• mistral large 4
• le chonk
• open weight models
• mistral ai
• ai coding
• cybersecurity ai
• frontier models