Het checkpoint Le Chonk van Mistral met 1 biljoen parameters verschijnt op Hugging Face

Mistral AI heeft op 29 oktober 2026 de gewichten vrijgegeven van Mistral Large 4, zijn vlaggenschipmodel met 1 biljoen parameters dat van oorsprong multimodaal is en bekendstaat als Le Chonk. Daarmee is het checkpoint beschikbaar om te downloaden van Hugging Face en zelf te hosten, en is het via de API en partnerplatforms beschikbaar onder een aangepaste MIT-licentie voor open gewichten.

De release volgt op de openbare preview van het model op 6 oktober 2026, toen Mistral het systeem met mixture-of-experts en 1,05 biljoen parameters voor het eerst introduceerde. In de aankondiging zei Mistral dat het de feedback uit de preview had verwerkt en tegelijk reinforcement learning verder had opgeschaald. Volgens het bedrijf leverde dat grote verbeteringen op in coderen, defensieve cyberbeveiliging en redeneerefficiëntie. Mistral omschreef Mistral Large 4 als het beste model met open gewichten voor coderen en zei dat de verbeteringen steeds sneller doorgingen, zonder tekenen van verzadiging.

Licentie, prijzen en beschikbaarheid

De gewichten zijn gepubliceerd op Hugging Face onder de Mistral Ecosystem Open-Weight License, een aangepaste versie van de MIT-licentie. Volgens de voorwaarden mag het model gratis worden gebruikt, aangepast, gefinetuned en commercieel geëxploiteerd. Er geldt één voorwaarde: bedrijven die een aanbod voor modellen als dienst exploiteren, moeten vóór commercieel gebruik van het model een afzonderlijke commerciële licentie van Mistral verkrijgen.

Volgens de modeldocumentatie van Mistral kost API-toegang $0,70 per miljoen invoertokens, $0,07 per miljoen gecachte invoertokens en $2,10 per miljoen uitvoertokens. Het model wordt aangeboden als mistral-large-4 via de Mistral API en Mistral Studio. Ook is het beschikbaar via OpenRouter, de codeerassistent Vibe Code van Mistral, door NVIDIA gehoste endpoints met een geoptimaliseerde NVIDIA NIM-container en Microsoft Foundry. Mistral zei dat Azure-ontwikkelaars via Foundry over opties voor privéimplementatie kunnen beschikken. Tina Schuchman, corporate vice president van Foundry bij Microsoft, zei dat Microsoft de eerste cloudprovider is die Mistral Large 4 aan klanten aanbiedt.

Benchmarks voor coderen en redeneermodi

Mistral meldde dat Mistral Large 4 bovenaan staat in Cognitions besloten benchmark FrontierCode 2.0, die de end-to-end-codekwaliteit beoordeelt en meet of een repositorybeheerder de wijziging van een agent zou samenvoegen. Het model behaalde een score van 19,7% en presteerde daarmee beter dan de vermelde modellen met open gewichten, waaronder GLM-5.3, Kimi K3 en DeepSeek V4.1 Flash.

Op de Artificial Analysis Coding Agent Index meldde Mistral een score van 48%. Het bedrijf omschreef dit resultaat als praktisch gelijk aan dat van het toonaangevende model met open gewichten, GLM-5.3, terwijl het model gemiddeld 47% minder tokens per taak gebruikte. Op Terminal-Bench 4.0 meldde het bedrijf een verbetering van 13 procentpunten ten opzichte van de openbare preview, tot 41%. Daarmee kwam het model op de eerste plaats onder de modellen met open gewichten, terwijl het aantal uitvoertokens met 30% daalde. In de door Mistral aangehaalde blinde paarsgewijze evaluaties van menselijke voorkeur op Surge Code kreeg het model de voorkeur boven GLM-5.3, Kimi K3 en DeepSeek V4.1 Flash. Van de geëvalueerde modellen eindigde alleen Claude Opus 5.5 hoger.

Het model ondersteunt drie redeneermodi: laag, gemiddeld en hoog, waarbij hoog de standaardinstelling is. Mistral zei dat de modus laag de eerdere redeneermodus “None” vervangt en geschikt is voor eenvoudige taken, terwijl gemiddeld bedoeld is voor dagelijks gebruik en hoog voor de moeilijkste toepassingen waarvoor grondig redeneren nodig is. Zo kunnen ontwikkelaars een afweging maken tussen prestaties en kosten.

Resultaten op het gebied van cyberbeveiliging en wijzigingen aan de veiligheidsmaatregelen

Mistral meldde een score van 51% op de Artificial Analysis Cyber Index, die meet hoe goed een model kwetsbaarheden in een codebase kan opsporen, reproduceren en valideren, en verhelpen zonder bestaande functionaliteit te beschadigen. Volgens het bedrijf kan het model legitieme defensieve beveiligingstaken uitvoeren zonder onnodige weigeringen, terwijl de ingebouwde veiligheidsmaatregelen onderscheid maken tussen defensieve taken en kwaadaardige offensieve taken. Mistral rapporteerde een gemiddeld weigeringspercentage van 96,6% voor kwaadaardige cyberverzoeken in de cybergerelateerde prompts van JailbreakBench, StrongREJECT en AgentHarm. Volgens het bedrijf is dat het hoogste percentage dat het meet onder modellen met open gewichten.

In de aankondiging maakte Mistral ook bekend dat het na de preview het gebruik voor cyberbeveiligingsdoeleinden in het liveverkeer had gemonitord. Het bedrijf zei te hebben gezien dat het model weigerde mee te werken aan black-boxaanvallen op doelen in de praktijk, maar ook mogelijkheden te zien om de capaciteiten voor het uitvoeren van echte aanvallen te vergroten. Daarom past het de veiligheidsmaatregelen aan; verdere updates zijn de komende maanden toegezegd. Ontwerppartners uit het bedrijfsleven, zoals Orange Cyberdefense, krijgen previewtoegang tot een gespecialiseerde variant van Mistral Large 4 die is geoptimaliseerd voor penetratietests, kwetsbaarheidsanalyses en red teaming. Toegang is afhankelijk van screening en contractuele waarborgen die tests beperken tot systemen die eigendom zijn van de gebruiker of waarvoor deze uitdrukkelijk toestemming heeft, en die in een gecontroleerde omgeving plaatsvinden.

De aankondiging bevatte evaluatieverklaringen van leidinggevenden bij Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik en Zscaler. Brad Medairy, president van de nationale cyberdivisie bij Booz Allen Hamilton, zei dat tests uitwezen dat het model op de interne benchmark van het bedrijf voor broncodebeveiligingsanalyses even goed scoorde als andere geavanceerde cybermodellen wat betreft het percentage gevonden kwetsbaarheden.

Architectuur en training

Volgens de modelkaart is Mistral Large 4 een fijnmazig mixture-of-expertsmodel met in totaal ongeveer 1 biljoen parameters en circa 52 miljard actieve parameters per token (49 miljard zonder embeddings en uitvoerlagen), met 128 gerouteerde experts, waarvan er vier per token actief zijn, plus één gedeelde expert. Het ondersteunt een contextvenster van 1 miljoen tokens en kan tekst en afbeeldingen als invoer verwerken, met tekst als uitvoer, via een vision encoder in Pixtral-stijl met 1,6 miljard parameters, die is getraind om verschillende afbeeldingsformaten en beeldverhoudingen te verwerken. Mistral zegt dat het model vanaf nul is getraind op 3.800 NVIDIA Grace Blackwell-GPU’s in de eigen datacentra van het bedrijf in Europa. Het beheerst van nature meer dan 160 talen, waaronder alle officiële talen van de Europese Unie.

Het checkpoint wordt geleverd met een ingebouwde draft head voor speculatieve decoding, die blokken van drie tokens voorstelt. Volgens metingen van Mistral levert die een tot 1,9 keer hogere doorvoer op dan wanneer alleen het doelmodel wordt uitgevoerd. Er is ook een gekwantiseerd NVFP4-checkpoint beschikbaar, bedoeld voor Blackwell-GPU’s. De modelkaart vermeldt een score van 26 op de Artificial Analysis Intelligence Index v5. Dat zou de hoogste score zijn onder westerse modellen met open gewichten, al merkt Mistral op dat toonaangevende Chinese modellen met open gewichten hoger scoren op de samengestelde index. Mistral meldde ook dat de score van Finch (FinWorkBench) steeg naar 73,3%, waarmee het model onder de open modellen op de tweede plaats staat, na Kimi K3; dat BrowseComp uitkwam op 84,5%, tegenover 75% voor een checkpoint dat met supervised fine-tuning was getraind; en dat de weerstand tegen aanvallen op de B3 Agent Security Benchmark 97,1% bedroeg, tegenover 93,3% in de preview.

Mistral zei dat Mistral Large 4 de basis zal vormen voor een nieuwe generatie gespecialiseerde en geoptimaliseerde Mistral-modellen, en verwees daarbij naar recente releases zoals Voxtral en Timestral.