Mistral zet open-weight model in tegen OpenAI

Mistral opent begin juli de deur naar een nieuwe generatie open-weight modellen. CEO Arthur Mensch bevestigde een mixture-of-experts-familie die hij zelf omschrijft als “fat but sparse”: veel parameters op papier, maar per token rekent het model met slechts een fractie daarvan. Techtimes bracht het bericht op 6 juli. Voor het Franse lab is de timing geen toeval, want de druk uit China en de VS neemt toe.

Wat betekent fat but sparse

Een mixture-of-experts splitst een model op in tientallen gespecialiseerde subnetwerken. Een routeerfunctie stuurt elk inkomend token naar alleen de paar experts die er iets mee kunnen. Zo draagt het model een enorm totaal aantal parameters, terwijl de rekenkracht per token dicht bij die van een veel kleiner model blijft. Voor bedrijven die zelf willen draaien scheelt dat direct in de serverrekening.

Open-weight betekent hier dat de getrainde gewichten te downloaden zijn. Organisaties kunnen het model op eigen hardware draaien, finetunen op eigen data en gebruiken zonder elke aanvraag langs een Amerikaanse API te sturen. Dat sluit aan bij de lijn die Mistral eerder koos met Mistral OCR 4, dat documenten binnen de eigen muren houdt. Datasoevereiniteit is voor Europese klanten een verkoopargument dat verder gaat dan alleen prijs.

De prijsoorlog dwingt tot keuzes

Mistral komt niet in een rustige markt. Volgens VentureBeat verslaat het open-weight GLM-5.2 van het Chinese Z.ai op meerdere langdurige codeer-benchmarks GPT-5.5, tegen ongeveer een zesde van de kosten. Bij Vercel groeide het dagelijkse tokenvolume van dat model in de eerste week zo’n 27 keer. CNBC tekende bij Vercel op dat open Chinese modellen 60 tot 90 procent goedkoper kunnen zijn dan de topmodellen van OpenAI en Anthropic, en dat teams eenvoudige taken steeds vaker naar het goedkoopste model routeren dat goed genoeg is. Die verschuiving zagen we ook terug bij Chinese AI-modellen die terrein winnen bij Amerikaanse bedrijven en bij de manier waarop Meituan LongCat-2.0 op Chinese chips trainde.

Mistral zet daar een eigen kaart tegenover. Het lab bouwt volgens Techtimes aan een datacenter van 4 miljard euro en zit boven de 400 miljoen dollar aan jaarlijks terugkerende omzet. Dat past bij de eerdere kapitaalronde waarin Mistral op 23 miljard werd gewaardeerd. Genoeg kapitaal om een frontier-model te trainen, en genoeg reden om de gewichten open te gooien in plaats van te concurreren op ruwe API-prijs.

“Open gewichten geven een Europees bedrijf iets wat een gehuurde API nooit biedt: je houdt je data in huis en je bepaalt zelf op welke hardware het model draait. Wie dat verstandig wil inzetten, moet niet alleen naar de prijs kijken maar ook naar de eigen kennis.” Leon Tindemans, AI-expert en Copilot- & ChatGPT-trainer, benadrukt dat organisaties eerst hun eigen AI-geletterdheid op orde moeten hebben voordat ze zulke modellen zelf gaan draaien.

Wat betekent dit

Voor Nederlandse bedrijven verschuift de vraag van “welk model is het beste” naar “welk model past bij deze taak en bij mijn eisen aan controle”. Een open-weight MoE van Mistral maakt lokaal draaien haalbaar zonder dat de rekening ontspoort, en dat is precies waar Europese klanten om vragen. De prijsoorlog met China dwingt iedereen om per taak te kiezen. Wie de early access begin juli test, ziet snel of Mistral het gat met de frontier-labs echt dicht, of dat de goedkope Chinese modellen voorlopig de toon blijven zetten. Vergelijk het ook met hoe Claude Sonnet 5 op tarief en tokenizer wordt afgerekend.