Mistral Large 4 mit offenen Gewichten: Lizenz, Preise und Self-Hosting

Das offene Flaggschiff aus Europa

Am 29. Oktober 2026 hat Mistral AI die Gewichte von Mistral Large 4 (Spitzname „Le Chonk“) auf Hugging Face veröffentlicht. Die Preview vom 6. Oktober hatten wir im Überblick zu souveräner KI aus Europa eingeordnet, damals mit offenen Fragen zu Lizenz und Hardwarebedarf. Beides ist jetzt geklärt. Seit der Preview hat Mistral das Modell drei Wochen weiter mit Reinforcement Learning trainiert, vor allem für Programmierung und IT-Sicherheit.

Die Eckdaten laut Modellkarte:

• Architektur: Mixture-of-Experts mit rund 1 Billion Parametern, davon 49 Milliarden pro Token aktiv (52 Milliarden mit Embeddings), 128 Experten
• Kontext: 1 Million Token
• Eingabe: Text und Bilder, Ausgabe Text
• Sprachen: über 160, darunter alle Amtssprachen der EU
• Reasoning: drei Stufen low, medium und high (Standard), pro Anfrage einstellbar
• Training: von Grund auf in Mistrals eigenen Rechenzentren in Europa

Die Lizenz: frei intern, Lizenzpflicht für Modell-Anbieter

Mistral Large 4 steht unter der Mistral Ecosystem Open-Weight License, einer abgewandelten MIT-Lizenz. Nutzen, verändern, weitertrainieren und in eigene Produkte einbauen ist kostenlos erlaubt, auch kommerziell. Es gibt eine Ausnahme:

• Wer ein Model-as-a-Service-Geschäft betreibt, braucht vor der kommerziellen Nutzung eine separate Lizenz von Mistral.
• Als Model-as-a-Service gilt laut Lizenztext, Dritten Zugriff auf das Modell für Inferenz oder Training zu geben, etwa per API, sodass sie Eingaben, Parameter oder Trainingsdaten maßgeblich steuern können.
• Nicht darunter fallen: die interne Nutzung ohne Zugriff Dritter, Endprodukte, in denen das Modell nur in bestimmten Funktionen steckt, und das bloße Weiterleiten an Modelle, die andere hosten.

Für die meisten Unternehmen ist das unkritisch: Ein interner Assistent ist ausdrücklich frei, ein Kundenservice-Agent mit fest vorgegebenen Funktionen dürfte unter die Ausnahme für eingebettete Funktionen fallen. Wer dagegen als IT-Dienstleister das Modell als Plattform für Kunden anbietet, sollte die Abgrenzung vorab mit Mistral klären.

Benchmarks: stark bei Code und IT-Sicherheit

Mistral nennt vor allem eigene oder ausgewählte Messungen. Einordnen lassen sie sich so:

• Artificial Analysis Coding Agent Index: 48 Prozent, praktisch gleichauf mit GLM-5.3, bei laut Mistral 47 Prozent weniger Token pro Aufgabe
• Terminal-Bench 4.0: laut Mistral 41 Prozent, 13 Prozentpunkte mehr als die Preview. Artificial Analysis misst für die finale Fassung in der Standardstufe nur 25 Prozent, die Werte stammen offenbar aus unterschiedlichen Testaufbauten.
• Artificial Analysis Cyber Index: 51 Prozent beim Finden, Nachstellen und Beheben von Schwachstellen
• Artificial Analysis Intelligence Index v5: 26 Punkte, laut Mistral der beste Wert unter westlichen offenen Modellen. Die führenden offenen Modelle aus China liegen in diesem Gesamtindex höher.

Mistral Large 4 ist damit kein Allround-Spitzenreiter, aber ein starkes offenes Modell für Code-Agenten und Sicherheitsanalysen. Wie es im Vergleich mit Claude, GPT und Gemini liegt, zeigt der LLM-Benchmark auf dieser Website.

Preise und Bezugswege

Über die Mistral API (mistral-large-4) kostet das Modell 0,70 US-Dollar pro Million Eingabe-Token, 0,07 US-Dollar für gecachte Eingaben und 2,10 US-Dollar pro Million Ausgabe-Token. Weitere Wege:

• Mistral Studio und OpenRouter
• Microsoft Foundry als erster Cloud-Anbieter, mit privaten Deployments für Azure-Kunden
• NVIDIA NIM als optimierter Container und über NVIDIA-gehostete Endpunkte
• Eigene Infrastruktur: Gewichte von Hugging Face, Betrieb mit vLLM oder SGLang

Für Self-Hosting gehen die Beispielkonfigurationen der Modellkarte von einem Knoten mit acht GPUs aus. Eine quantisierte NVFP4-Fassung braucht weniger Speicher und ist für Blackwell-GPUs ausgelegt. Das ist Rechenzentrums-Hardware, kein Server für die Abteilung.

Wann Self-Hosting sinnvoll ist

Offene Gewichte heißen nicht automatisch, dass sich der eigene Betrieb lohnt. Bei den API-Preisen rechnet sich ein eigener GPU-Knoten nur bei sehr hohem, gleichmäßigem Volumen. Die stärkeren Gründe sind andere:

• Daten dürfen das Haus nicht verlassen, etwa bei Behörden, Banken oder Sicherheitsanalysen mit Kundendaten.
• Unabhängigkeit vom Anbieter: Das Modell läuft weiter, auch wenn sich API-Bedingungen ändern.
• Anpassung: Feintuning mit eigenen Daten, über Mistral Forge oder eigene Werkzeuge.

Ein Punkt wird beim Self-Hosting gern übersehen: Mistral schreibt selbst, das Modell könne echte Angriffe erleichtern, und passt die Schutzmechanismen laufend an. Ob diese Anpassungen in den Gewichten oder nur in der API stecken, sagt Mistral nicht. Wer die Gewichte selbst betreibt, sollte deshalb auf neue Versionen achten. Protokollierung, Zugriffsrechte und Filter liegen dann komplett in der eigenen Verantwortung.

Fazit

Mistral Large 4 ist ein offenes Modell aus Europa in der Billionen-Klasse, mit klarer Lizenz für den Unternehmenseinsatz. Für die meisten Teams ist der Einstieg über die API oder Microsoft Foundry der pragmatische Weg, mit EU-Herkunft und günstigen Token-Preisen. Self-Hosting lohnt sich dort, wo Datenhoheit Pflicht ist und die GPU-Infrastruktur ohnehin bereitsteht. Vor dem Produktiveinsatz: eigene Testfälle laufen lassen, statt sich auf die Herstellerzahlen zu verlassen.