Mistral öppnar förhandsversionen och lyfter fram förmågan konkurrenterna håller tillbaka
Mistral AI lanserade en publik förhandsversion av Mistral Large 4 den 6 oktober, en modell bolaget kallar ML4 och mer informellt “le Chonk”. Det är en inbyggt multimodal mixture-of-experts-modell med tusen miljarder parametrar totalt och 49 miljarder aktiva per token, och Mistral säger att den är den största och mest kapabla bolaget har byggt. Vikterna är inte släppta ännu: Mistral uppger att de publiceras i slutet av oktober, när red teaming är klar.
Fram till dess är åtkomsten tvådelad. Förhandsversionens API är öppet i Mistral Studio för 1,36 dollar per miljon inmatade tokens och 4,18 dollar per miljon utmatade. En andra grupp — “ledande inom cybersäkerhet, granskade partner och statliga myndigheter”, med Mistrals egna ord — får samma modell med minskad moderering och utökade cyberförmågor.
Argumentet är en modell som inte vägrar
Mistrals centrala påstående handlar om säkerhetsarbete, och bolaget är ovanligt tydligt med vem jämförelsen gäller. På Artificial Analysis Cyber Index, en oberoende utvärdering av hur väl modeller hittar och åtgärdar brister i verklig programvara, säger Mistral att ML4 ligger bland de fem bästa modellerna i världen. På indexets test som ber en modell återskapa en verklig sårbarhet i öppen programvara och sedan laga den rapporterade Mistral 82 procent, vilket bolaget säger är den högsta siffran för någon modell.
Skälet är enligt Mistral inte förmåga ensamt. Bolaget skriver att Claude Opus 5.5 och GPT-6 Astra “får nära noll på samma test eftersom de vägrar utföra uppgiften”. Argumentet är att försvar börjar med att bevisa att en brist är verklig, och att ett nekande från leverantören mitt i en incident i sig är en säkerhetsrisk. På Cybench, 40 övningar hämtade från säkerhetstävlingar, rapporterade Mistral 93 procent — en siffra från bolagets egna tester, inte från en oberoende körning.
Beskedet kommer dagar efter att Google gav sin första Gemini 4-modell till cyberförsvarare med cyberskydden avstängda, och pekar på samma olösta fråga: vem som får en modell som utför offensivt säkerhetsarbete på begäran.
Resten av siffrorna är mest Mistrals egna
På kodning rapporterade Mistral 61,7 procent på DeepSWE v1.1, 28,3 procent på Terminal-Bench 4 och 59,4 procent på SWE-Atlas-QnA, samt ett sammanvägt Coding Agent Index på 49,8 procent som bolaget placerar före DeepSeek V4 Pro och Qwen3.8 Max. På AutomationBench — 657 affärsflöden i verktyg som Gmail, Google Sheets, Slack och Salesforce — rapporterade bolaget 59,9 procent.
En blind mänsklig utvärdering tillsammans med Surge AI placerade ML4 på andra plats av fem modeller i kodkvalitet, med 3,74 av 5, före Moonshot AI:s Kimi K3 på 3,59 och GLM-5.3 på 3,60, och efter Claude Opus 5 på 4,22. På visuell förankring säger Mistral att ML4 får 42 procent på Dense 200 mot 41 procent för GPT-6 Astra — det enda stället där bolaget hävdar att det går om en sluten frontmodell.
Mistrals egen sammanfattning är noga avgränsad: ML4 är “konkurrenskraftig med de starkaste öppna källkodsmodellerna globalt” samtidigt som den “väsentligt överträffar varje öppenviktsmodell utvecklad i USA eller Europa”. Det är ett påstående om ett regionalt fält, inte det globala, och de kinesiska öppenviktsmodellerna är fortfarande måttstocken.
Tränad i Europa, på 3 800 chip
Mistral uppger att ML4 tränades från grunden på 3 800 Nvidia Grace Blackwell-GPU:er i bolagets egna europeiska datacenter, och att den publika förhandsversionen körs på samma infrastruktur. En betydande del av träningsdatan var flerspråkig, enligt bolaget, med över 160 språk inklusive samtliga officiella språk i Europeiska unionen, och en europeisk driftsättning ska skötas från början till slut under europeisk rätt, oberoende av andra digitala tjänsteleverantörer.
Vad som saknas är allt som skulle låta någon utifrån pröva påståendena: vikterna, arkitekturen, metoden för efterträning och licensvillkoren. Mistral säger att allt följer med släppet i slutet av månaden. Fram till dess är varje siffra ovan en leverantörssiffra, med det enda undantaget av placeringen i Artificial Analysis-indexet.
