Mistral AI maakte op 29 oktober 2026 de open weights van Mistral Large 4 beschikbaar om te downloaden. Organisaties kunnen de gewichten inspecteren, aanpassen en op hun eigen infrastructuur inzetten. De licentie stelt wel een aparte voorwaarde aan bepaalde Model-as-a-Service-diensten. Mistral AI kondigde de beschikbaarheid aan na de openbare API-preview van 6 oktober, waarover NeoTeo eerder schreef.
Wanneer vraagt de licentie om een aparte commerciële licentie?
De Mistral Ecosystem Open-Weight License is een aangepaste MIT-licentie. Ze staat onder voorwaarden onder meer commercieel gebruik, wijziging, distributie, verkoop, verdere training en het maken van afgeleide werken toe. Bij kopieën of substantiële delen moeten de auteursrecht- en toestemmingsmeldingen behouden blijven. De licentietekst vereist een aparte commerciële licentie van Mistral vóór commercieel gebruik van het model of afgeleiden als de licentienemer of een gelieerde onderneming een Model-as-a-Service-dienst exploiteert.
Die voorwaarde geldt voor een dienst die derden toegang geeft tot inferentie of verdere training, bijvoorbeeld via een API of gehost eindpunt, wanneer die derden betekenisvolle zeggenschap hebben over invoer, parameters of trainingsdata. De licentie noemt uitzonderingen voor modelmogelijkheden die uitsluitend in specifieke functies van een eindgebruikersproduct zijn ingebouwd, het doorsturen van verzoeken naar elders gehoste modellen en intern gebruik waarbij het model of afgeleiden niet aan derden beschikbaar worden gesteld. Ook gebruik via Mistrals officiële producten valt buiten de vereisten van artikel 2.
Hoe de modelkaart de parameteromvang telt
Mistral Large 4 heeft volgens de modelkaart op Hugging Face in totaal één biljoen parameters. Daarvan zijn er 49 miljard actief per token. Het getal wordt 52 miljard wanneer ook de embeddings en uitvoerlagen worden meegeteld. Die cijfers slaan dus op verschillende tellingen. De kaart beschrijft verder een contextvenster van één miljoen tokens, tekst- en beeldinvoer en tekstuitvoer.
Wat het voorbeeld voor vLLM zegt over serveren
De officiële vLLM-configuratie gebruikt tensorparallelisatie over acht GPU's. Dat is een voorbeeldconfiguratie. Als het GPU-geheugen tekortschiet, raadt de modelkaart aan de maximale model-lengte of het aantal gelijktijdige reeksen te verlagen. Welke instelling past, hangt dus mede af van de gekozen contextlengte en gelijktijdigheid.
Eén programmeerdemo met dezelfde opdracht
Amine AI vergelijkt in een Engelstalige video Mistral Large 4 en Claude Opus 5.5 met één opdracht voor een 3D-kaart van de aarde met satellieten. Het is een enkele demonstratie van de maker, geen gestandaardiseerde benchmark.
