Mistral zet gewichten van Large 4 vrij op Hugging Face

Wie Mistral Large 4 op eigen servers wil draaien, kan dat nu. Mistral AI heeft deze week de gewichten van zijn grootste model publiek gemaakt op Hugging Face, ruim drie weken nadat het model begin oktober als betaalde preview verscheen. Het Franse bedrijf belooft daarmee wat het bij de aankondiging zei: een open model van Europese makelij dat meekan met de top.

Een biljoen parameters, 52 miljard actief

Large 4 is een mixture-of-experts-model met in totaal een biljoen parameters. De naam van de repository, Mistral-Large-4-1T-A52B, laat zien dat er per token ongeveer 52 miljard actief zijn. Het model accepteert tekst en beeld en combineert gewone instructies met redeneren in drie standen: laag, middel en hoog. Volgens de aankondiging van Mistral spreekt het meer dan 160 talen; Nederlands staat expliciet in de lijst op Hugging Face. De bestanden zijn niet afgeschermd en staan er in FP8, verdeeld over 54 delen.

Toen wij de preview van Mistral Large 4 bespraken, was het model alleen via Mistral Studio en de API bereikbaar. Nu kan het ook via OpenRouter, Microsoft Foundry en endpoints van NVIDIA, of zelf gehost met vLLM en SGLang. Via de API kost het 0,70 dollar per miljoen inputtokens en 2,10 dollar per miljoen outputtokens.

Gericht op programmeurs en verdedigers

Mistral profileert het model met de slogan “Built for Coders, Trusted by Defenders”. Op Terminal-Bench 4.0 haalt de definitieve versie 41 procent, dertien punten meer dan de preview. Op de Coding Agent Index van Artificial Analysis staat het met 48 procent gelijk met GLM-5.3 van het Chinese Z.ai, terwijl het volgens Mistral 47 procent minder tokens per taak verbruikt. The New Stack schreef dat het open model een voorsprong van één punt op GLM-5.3 heeft bij programmeren.

Dat zijn cijfers van de maker zelf. Onafhankelijke metingen pakken minder gunstig uit: op de Vals Index eindigt Large 4 op plek 32 van de 44 geteste modellen.

Opvallend is de nadruk op beveiliging. Mistral meldt dat het model 96,6 procent van de kwaadwillige cyberverzoeken weigert, en noemt testpartners als het Europese cyberagentschap ENISA, Cisco, Cloudflare en CrowdStrike. Het bedrijf is ook eerlijk over een zwakke plek: een partner zag “a potential for uplift to conduct real attacks”, waarna Mistral de beveiligingsregels aanscherpt. Een aparte variant voor penetratietesten gaat alleen naar gescreende partners zoals Orange Cyberdefense. Google kiest bij Gemini 4 Carbon een vergelijkbare route door het model eerst aan beveiligers te geven.

Open, met één voorwaarde

De licentie is een aangepaste MIT-licentie. Gebruiken, aanpassen en commercieel inzetten mag vrij. Wie het model als dienst aan anderen wil verkopen, heeft wel een aparte licentie van Mistral nodig. Bij Large 3 gebruikte Mistral nog Apache 2.0.

Daarmee schuift Mistral op in een veld waar Chinese bedrijven de toon zetten. Moonshot bracht onlangs Kimi K3.1 Pro uit en ook DeepSeek levert sterke open modellen. Medeoprichter Guillaume Lample zei bij de lancering tegen Silicon UK dat de prestaties verder groeien zodra Mistral meer trainingscapaciteit heeft.

Wat betekent dit

Voor Europese bedrijven en overheden die data niet bij een Amerikaanse of Chinese aanbieder willen onderbrengen, is er nu een groot open model uit de EU dat zelf te hosten is. Makkelijk is dat niet: een model van deze omvang vraagt om een flinke GPU-cluster, dus voor de meeste organisaties blijft de API of een Europese cloudpartij de praktische route. Wie Mistral al kent van Voxtral 3 of de samenwerking met NVIDIA, ziet een bedrijf dat steeds vaker op specifieke beroepsgroepen mikt. De echte toets volgt nu iedereen het model kan downloaden en onafhankelijk kan doormeten.