Mistral AI kondigde op 6 oktober 2026 publieke previewtoegang tot Mistral Large 4 aan via de API. Het model telt volgens de officiële documentatie 1,05 biljoen totale parameters, waarvan 52 miljard actief zijn. Mistral is van plan de downloadbare gewichten eind oktober 2026 vrij te geven: dat is een volgende stap, los van de previewtoegang.
Mistral Large 4 gaat naar publieke preview
De aankondiging van Mistral AI beschrijft Mistral Large 4 als een open-weights, multimodaal model. De publieke preview is beschikbaar via de API. Mistral noemt het model in de documentatie ook „Open” en plant een latere publicatie van de gewichten.
Die twee fasen zijn niet hetzelfde: met de preview krijgen gebruikers API-toegang tot het model; de geplande gewichtenpublicatie is bedoeld voor wie de modelbestanden zelf wil beheren en hosten. Mistral presenteert zelf hosten als een mogelijkheid zodra de gewichten zijn vrijgegeven.
Wat de officiële specificaties zeggen
Mistral vermeldt 1,05 biljoen parameters in totaal en 52 miljard actieve parameters. Dat zijn twee verschillende maten: het eerste getal beschrijft het totale aantal parameters, het tweede het actieve deel dat tijdens verwerking wordt ingezet. Bij een Mixture-of-Experts-model worden niet alle experts tegelijk gebruikt.
| Kenmerk | Specificatie volgens Mistral AI |
| Totale parameters | 1,05 biljoen |
| Actieve parameters | 52 miljard |
| Visuele encoder | 1,6 miljard parameters |
| Architectuur | Granulaire Mixture-of-Experts |
| Modaliteit | Multimodaal |
Het aantal parameters geeft een indruk van de schaal van een model, maar bepaalt op zichzelf niet hoe goed het een specifieke taak uitvoert. Mistral beschrijft Large 4 als multimodaal; het noemt daarnaast een visuele encoder met 1,6 miljard parameters.
Wat een publicatie van de gewichten zou veranderen
Mistral AI is van plan de gewichten eind oktober 2026 vrij te geven. Daarmee zou de stap naar zelf hosten mogelijk worden voor organisaties die de bestanden op hun eigen infrastructuur willen inzetten. De preview via de API is een andere manier om het model te gebruiken en is al aangekondigd.
Wat Mistral over de prestaties meldt
Mistral rapporteerde 61,7% op DeepSWE v1.1 en 28,3% op Terminal-Bench 4. Voor Cybench meldde het bedrijf 93% over 40 uitdagingen op het gebied van cyberbeveiliging. Op Dense 200 visual grounding rapporteerde Mistral 42%, tegenover 41% voor GPT-6-Astra.
Deze cijfers horen bij verschillende tests en taken. Ze geven dus geen universele rangorde voor elk gebruik: een resultaat op een codeerbenchmark zegt bijvoorbeeld niet automatisch iets over prestaties bij visuele taken.
De trainingsaanpak volgens Mistral
Mistral zegt dat het Large 4 vanaf nul trainde op 3.800 NVIDIA Grace Blackwell-GPU’s in eigen Europese datacenters. Volgens het bedrijf omvatte een aanzienlijk deel van de trainingsdata meer dan 160 talen, waaronder alle officiële talen van de Europese Unie.
Bij de aankondiging op 6 oktober meldde Mistral dat de reinforcement-learningfase voor de preview nog liep.
