Mistral ist zurück: Le Chonk schlägt GPT-6 Astra und Claude

Mistral war im Top-Segment der Open-Weight-Modelle eine Zeit lang vergleichsweise ruhig. Nach Mistral Large 3 im Dezember 2025 dominierten Kimi, DeepSeek, GLM und Qwen die Diskussion. Am 6. Oktober 2026 antwortete Mistral mit Mistral Large 4: einem Mixture-of-Experts-Modell mit 1 Billion Parametern, das das Team intern „Le Chonk“ nennt.

Apidog heute testen

Die auffälligste Zahl lautet: Large 4 erreicht laut Mistral 82 % in einem Cyber-Benchmark, während Claude Opus 5.5 und GPT-6 Astra nahezu null Punkte erzielen. Der notwendige Kontext: Diese geschlossenen Modelle verweigern die Aufgabe. Dieser Beitrag ordnet die Benchmark-Ergebnisse ein und zeigt, wie Sie Large 4 praktisch gegen Ihre eigenen API-Workflows testen.

TL;DR

• Modell: Mixture-of-Experts mit 1,05 Billionen Parametern, davon 49 Milliarden aktiv. Dazu kommen ein Vision-Encoder mit 1,6 Milliarden Parametern, Text- und Bildeingaben sowie ein Kontextfenster von 1 Million Token.
• API-Modell-ID: mistral-large-4; öffentliche Vorschau über die Mistral API.
• Gewichte: laut Mistral bis Ende Oktober 2026; die Lizenz war zum Zeitpunkt der Ankündigung noch nicht veröffentlicht.
• Preis: Listenpreis von 1,36 $ Input und 4,18 $ Output pro Million Token. In der Vorschau: 0,68 $ / 2,09 $. Gecachte Eingaben kosten 0,07 $ pro Million Token.
• Cyber-Benchmark: 82 % im AA Cyber Index für die Reproduktion von Schwachstellen. Die nahezu null Punkte von Opus 5.5 und Astra entstehen laut Mistral durch deren Verweigerung der Aufgabe.
• Codequalität: In einer menschlichen Codebewertung liegt Claude Opus 5 mit 4,22 vor Large 4 Preview mit 3,74 von 5 Punkten.

Warum „Mistral ist zurück“ berechtigt ist

Die stärksten Open-Weight-Modelle kamen 2026 größtenteils aus China. Mistral veröffentlichte weiter Modelle wie Medium 3.5, Devstral 2 und Small 4, hatte aber kein Modell, das bei vielen Frontier-Aufgaben direkt mit führenden geschlossenen Modellen konkurrierte.

Mit Large 4 ändert sich das. Mistral beschreibt das Modell als deutlich stärker als andere in den USA oder Europa entwickelte Open-Weight-Modelle. Für Teams mit EU-Anforderungen sind vor allem diese Punkte relevant:

• Training von Grund auf auf 3.800 NVIDIA Grace Blackwell GPUs in europäischen Mistral-Rechenzentren
• Unterstützung für mehr als 160 Sprachen, einschließlich aller offiziellen EU-Sprachen
• Veröffentlichung kurz nach einer Series-D-Runde über 3 Milliarden Euro

Auch das Timing ist relevant: Large 4 erschien direkt nach Reflections Open-Weight-Modell Beam. Damit hat das Open-Model-Rennen zwischen den USA und China einen dritten ernsthaften Teilnehmer.

Die Cyber-Schlagzeile richtig einordnen

Der Artificial Analysis Cyber Index umfasst einen Test, bei dem ein Modell eine echte Schwachstelle in Open-Source-Software reproduzieren und anschließend patchen soll. Mistral meldet für Large 4 82 %, den höchsten Wert aller getesteten Modelle.

Mistral nennt selbst den entscheidenden Vorbehalt: Mehrere führende geschlossene Modelle, darunter Claude Opus 5.5 und GPT-6 Astra, erzielen nahezu null Punkte, weil sie die Aufgabe verweigern.

Behauptung	Was sie tatsächlich bedeutet
„Large 4 schlägt Astra und Opus 5.5 im Cyber-Bereich“	In diesem Test verweigern die geschlossenen Modelle die Aufgabe. Large 4 beantwortet sie und ist häufig erfolgreich.
„Large 4 ist das beste Hacking-Modell“	Nicht belegt. Eine Verweigerung ist eine Policy-Entscheidung, keine direkte Leistungsgrenze.
„Large 4 ist unsicher“	Ebenfalls nicht belegt. Mistral meldet eine höhere durchschnittliche Ablehnungsrate bei Cyber-Prompts aus JailbreakBench, StrongREJECT und AgentHarm als bei anderen Open-Weight-Modellen.

Abseits dieser Einordnung sind die Ergebnisse dennoch relevant:

• Cybench: 93 % bei 40 Capture-the-Flag-Übungen
• B3 Agent Security Benchmark: 93,3 % der Angriffe werden abgewehrt

Für Security- und API-Teams ist die Kombination interessant: ein selbst hostbares Modell, das bei der Reproduktion und Behebung einer CVE im eigenen Code unterstützen kann, gleichzeitig aber viele eindeutig schädliche Anfragen ablehnt.

Wo Large 4 GPT-6 Astra außerhalb des Cyber-Bereichs schlägt

Die Cyber-Zahl erzeugt die meisten Schlagzeilen. Aussagekräftiger sind Benchmarks, bei denen beide Modelle die Aufgabe tatsächlich bearbeitet haben.

Benchmark	Mistral Large 4	GPT-6 Astra	Einordnung
Dense 200, visuelle Verankerung	42 %	41 %	Ein realer, aber kleiner Vorsprung.
Finance Agent v2 (vals.ai)	Vorn	Hinten	Mistral nennt die Rangfolge, nicht die Punktwerte.
Harvey Legal Agent Benchmark	Bestes Open-Modell	Aufgeführt	Keine direkten Vergleichszahlen veröffentlicht.

Gegen andere Open-Weight-Modelle berichtet Mistral größere Abstände:

Benchmark	Mistral Large 4	Vergleich
AutomationBench, 657 Workflows	59,9 %	Vor Kimi K3 und DeepSeek V4 Pro
AA-Briefcase, Wissensarbeit	1.393 Elo	Vor DeepSeek V4 Pro
DeepSWE v1.1, Coding	61,7 %	Führendes Open-Weight-Modell
SWE-Atlas-QnA	59,4 %	—
Terminal-Bench 4.0	28,3 %	—

Wichtig für Produktionsentscheidungen: Das sind von Mistral gemeldete Werte des Vorschau-Modells. Unabhängige Reproduktionen standen zum Start noch aus. Euronews berichtete außerdem, dass das Reinforcement Learning zu diesem Zeitpunkt noch nicht abgeschlossen war. Nutzen Sie die Zahlen als Signal, nicht als abschließendes Urteil.

Wo Large 4 weiterhin verliert

Mistral veröffentlichte auch einen Benchmark, in dem ein geschlossenes Modell klar vorn liegt: eine menschliche Bewertung der Codequalität von Surge AI.

Modell	Menschliche Codebewertung, von 5
Claude Opus 5	4,22
Mistral Large 4 Preview	3,74
GLM-5.3	3,60
Kimi K3	3,59
GLM-5.2	3,40

Large 4 liegt damit vor den aufgeführten chinesischen Open-Modellen, aber etwa einen halben Punkt hinter Claude Opus 5. Die Mistral-Formulierung, dass Large 4 „die Lücke zu den führenden Modellen“ beim Coding schließt, ist deshalb treffender als ein pauschaler Sieg.

Außerdem fehlen in den Startmaterialien direkte Vergleiche mit Claude Fable 5.1 oder GPT-6 Sol. Wenn ein Anbieter oder Beitrag behauptet, Large 4 schlage eines dieser Modelle, sollte der konkrete Benchmark genannt werden.

Spezifikationen auf einen Blick

Spezifikation	Mistral Large 4
API-Modell-ID	mistral-large-4, Alias mistral-large-4-0
Version	26.10, öffentliche Vorschau
Architektur	Mixture-of-Experts, hybride Instruktion + Reasoning
Parameter	1,05 T insgesamt, 49 B aktiv, 1,6 B Vision-Encoder
Kontextfenster	1 Million Token
Eingabe	Text, Bilder
Reasoning	reasoning_effort: "high" oder "none"
Tools	Function Calling, strukturierte Ausgaben, integrierte Agenten-Tools
Endpunkte	/v1/chat/completions, /v1/conversations, /v1/agents, /v1/batch
Gewichte	Bis Ende Oktober 2026 angekündigt; Lizenz noch nicht veröffentlicht

Large 4 per API aufrufen

Für einen ersten Test genügt der Chat-Completions-Endpunkt:

curl https://api.mistral.ai/v1/chat/completions \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mistral-large-4",
    "messages": [
      {
        "role": "user",
        "content": "Prüfe diesen API-Fehlerbericht und nenne reproduzierbare Debugging-Schritte."
      }
    ],
    "reasoning_effort": "high"
  }'

Für einen fairen Modellvergleich sollten Sie denselben System-Prompt, dieselben Tools, dieselbe Temperatur und identische Testdaten verwenden. Vergleichen Sie anschließend nicht nur Textqualität, sondern auch:

1. HTTP-Status und Fehlerrate
2. Latenz
3. Input- und Output-Token
4. Kosten je erfolgreichem Workflow
5. Formatstabilität bei strukturierten Ausgaben
6. Verhalten bei mehrsprachigen Eingaben

Preis: günstig für ein Frontier-Modell, aber mit Vorschau-Risiko

Die Mistral-Preisseite listet Large 4 während der Vorschau zum halben Listenpreis.

Modell	Input / 1 Mio. Token	Output / 1 Mio. Token	Open Weights
Mistral Large 4, Vorschaupreis	0,68 $	2,09 $	Ja, Ende Oktober angekündigt
Mistral Large 4, Listenpreis	1,36 $	4,18 $	Ja, Ende Oktober angekündigt
Claude Opus 5.5	4,00 $	20,00 $	Nein
GPT-6 Astra	10,00 $	50,00 $	Nein

Zum Vorschaupreis kostet der Output von Large 4 ungefähr ein Vierundzwanzigstel des Astra-Outputs. Selbst beim Listenpreis liegt er bei der Ausgabe ungefähr zwölfmal darunter.

Gecachte Eingaben kosten 0,07 $ pro Million Token. Das ist besonders für agentische Workflows relevant, die bei jedem Turn denselben System-Prompt, dieselben Tool-Definitionen oder große Referenzdokumente erneut übertragen.

Mistral hat nicht angegeben, wann der Vorschau-Rabatt endet. Kalkulieren Sie für längerfristige Entscheidungen daher mit dem Listenpreis.

Sollten Sie wechseln?

Large 4 ist besonders prüfenswert, wenn:

• Sie agentische Workflows oder Wissensarbeit automatisieren und aktuell Frontier-Preise zahlen.
• Sie mehrsprachige Antworten über EU-Sprachen oder EU-gehostete Inferenz für Compliance benötigen.
• Sie defensive Security-Arbeit durchführen und legitime Schwachstellen-Reproduktionen häufig an Modellverweigerungen scheitern.
• Sie perspektivisch ein Frontier-Modell selbst hosten möchten.
• Sie Tool Calling, strukturierte Outputs und lange Kontexte in API-Workflows nutzen.

Warten sollten Sie, wenn:

• menschlich bewertete Codequalität Ihre wichtigste Metrik ist; hier führt Claude Opus 5 weiterhin.
• Sie Benchmarks für eine formale Architektur- oder Einkaufsentscheidung verteidigen müssen; warten Sie auf unabhängige Tests nach Veröffentlichung der Gewichte.
• Sie Large 3 produktiv einsetzen; die Vorschau kann sich ändern, und eine stabile versionierte ID war noch nicht verfügbar.

Large 4 in Apidog gegen Ihre eigenen APIs testen

Benchmarks zeigen, wie ein Modell bei fremden Aufgaben abschneidet. Für eine Architekturentscheidung sollten Sie Large 4 mit Ihren eigenen Prompts, APIs und Fehlerfällen testen. Mit Apidog können Sie diese Vergleiche ohne zusätzlichen Test-Client aufsetzen.

1. Eine Basisanfrage anlegen Erstellen Sie eine Anfrage an POST https://api.mistral.ai/v1/chat/completions. Speichern Sie den Schlüssel als Umgebungsvariable und setzen Sie den Header:

   Authorization: Bearer {{MISTRAL_API_KEY}}

1. Eine Anfrage pro Modell klonen
   
   Duplizieren Sie die Anfrage und ändern Sie nur das Feld model, etwa zwischen mistral-large-4 und Ihrem aktuellen Modell. So bleiben Prompt und Parameter vergleichbar.

2. Kosten und Latenz erfassen
   
   Prüfen Sie Status, Antwortzeit, Antwortgröße und den usage-Block. Daraus können Sie Token-Kosten pro Prompt oder pro Workflow berechnen.

3. Antworten automatisch validieren
   
   Fügen Sie Assertions für einen 200-Status, nicht-leere Antworten und JSON-Schema-Konformität hinzu. Damit wird aus einem manuellen Test ein wiederholbarer Regressionstest.

4. Bei jedem Modell-Update erneut ausführen
   
   Gruppieren Sie die Anfragen in einem Testszenario. Führen Sie es erneut aus, wenn Mistral die Vorschau aktualisiert oder die Gewichte veröffentlicht. So erkennen Sie Qualitäts- oder Formatabweichungen vor Ihren Nutzern.

Ein minimales Request-Body-Beispiel für strukturierte Ausgaben kann so aussehen:

{
  "model": "mistral-large-4",
  "reasoning_effort": "high",
  "messages": [
    {
      "role": "user",
      "content": "Analysiere diesen API-Fehler und liefere eine priorisierte Liste von Debugging-Schritten."
    }
  ]
}

Zwei Eigenschaften von Large 4 passen gut zu API-Workflows:

• Die Security-Ergebnisse machen das Modell zu einem möglichen zweiten Prüfer für API-Sicherheitstests, etwa bei der Reproduktion eines Auth-Bypasses in einer eigenen Staging-API.
• Function Calling und strukturierte Ausgaben erleichtern es, eine in Apidog entworfene OpenAPI-Spezifikation in Tool-Definitionen für einen Agenten zu überführen.

Für eine vollständige Code-Anleitung mit API-Schlüssel, Reasoning-Chunks, Bildern, Function Calling und Kostenberechnung lesen Sie den Mistral Large 4 API-Leitfaden. Wenn Sie von einem älteren Mistral-Modell migrieren, gelten die Mistral AI API-Grundlagen und der Mistral Medium 3.5 API-Leitfaden weiterhin: gleiche Basis-URL, gleiche Authentifizierung, neue Modell-ID.

FAQ

Ist Mistral Large 4 Open Source?

Es ist Open-Weight, nicht automatisch Open Source. Mistral kündigte die Gewichte für Ende Oktober 2026 an. Die Lizenz war noch nicht veröffentlicht; Sie sollten deshalb nicht davon ausgehen, dass sie der Apache-2.0-Lizenz von Large 3 entspricht.

Schlägt Mistral Large 4 wirklich GPT-6 Astra?

Laut Mistrals Zahlen liegt es bei visueller Verankerung mit 42 % zu 41 % vorn und führt auch bei Finance Agent v2. Beim Cyber-Schwachstellentest erzielt Astra nahezu null Punkte, weil es die Aufgabe verweigert. Das ist kein direkter Leistungsnachweis.

Schlägt Large 4 Claude?

Nicht bei der menschlich bewerteten Codequalität. Claude Opus 5 führt dort mit 4,22 gegenüber 3,74 für Large 4 Preview. Claude Opus 5.5 verweigert außerdem die Cyber-Reproduktionsaufgabe und erzielt deshalb in diesem Test nahezu null Punkte.

Was bedeutet „Le Chonk“?

Das ist Mistrals inoffizieller Spitzname für das Modell und spielt auf dessen Größe an. Der offizielle Name lautet Mistral Large 4 oder ML4.

Kann ich Large 4 kostenlos nutzen?

Mistrals kostenloser Plan enthält 10 $ API-Guthaben pro Monat sowie Zugriff auf aktuelle Modelle in Le Chat und Vibe. Zum Vorschaupreis entsprechen 10 $ ungefähr 4,8 Millionen Output-Token auf Large 4.

Fazit

Mistral ist wieder Teil der Frontier-Diskussion. Large 4 ist nach Mistrals Angaben ein führendes Open-Weight-Modell außerhalb Chinas, kostet deutlich weniger als Astra oder Opus 5.5 und soll in wenigen Wochen selbst hostbar sein.

Die Aussage, Large 4 schlage Astra und Claude im Cyber-Bereich, braucht jedoch Kontext: Die geschlossenen Modelle verweigern die relevante Aufgabe. Bei menschlich bewerteter Codequalität liegt Large 4 hinter Claude.

Testen Sie das Modell deshalb mit Ihren eigenen Prompts, APIs, Tool-Definitionen und Fehlerfällen. Nutzen Sie den Vorschaupreis für reproduzierbare Vergleichstests, und treffen Sie eine Produktionsentscheidung erst, wenn unabhängige Benchmarks und die endgültlichen Gewichte verfügbar sind.