Mistral Large 4: wat de Europese 1-biljoen-parameter AI betekent voor jou

TL;DR

• Wat: Mistral AI lanceert Large 4 ('Le Chonk'), een Europees AI-model met 1 biljoen parameters dat sterk scoort op financiële, juridische en coderingstaken.
• Waarom relevant: Als Europees open-weight model kan het een serieus alternatief worden voor Amerikaanse en Chinese AI-diensten — inclusief voor gevoelige bedrijfsdata.
• Wat je ermee kunt: Houd eind oktober in de gaten of de open weights verschijnen; dan kun je het model (laten) testen voor jouw specifieke werkprocessen.

Ik viel vanochtend over een bericht van @testingcatalog dat Mistral AI — het Franse AI-bedrijf — een nieuw model heeft aangekondigd met opvallende benchmarkscores op financiële en juridische taken. Dat trok mijn aandacht, want dit gaat niet over weer een chatbot die leuke gedichtjes schrijft. Het gaat over werkprocessen die veel ondernemers herkennen.

Wat is Mistral Large 4 precies?

Mistral Large 4, intern ook wel 'Le Chonk' genoemd, is een AI-model met in totaal 1 biljoen parameters. Dat klinkt als een absurd getal, en dat is het ook. Ter vergelijking: het vorige grote model van Mistral had er een fractie van. Maar er zit een slimme truc achter: het model gebruikt een zogeheten Mixture-of-Experts-architectuur. Dat betekent dat bij elke vraag die je stelt niet het hele model actief is, maar slechts 49 miljard parameters — de 'experts' die op dat moment het meest relevant zijn. Vergelijk het met een groot kantoor waar op elk moment alleen de specialisten aan het werk zijn die je nodig hebt.

Het model is getraind op ongeveer 3.800 Nvidia-chips in Europese datacenters van Mistral zelf, gedurende zo'n twee maanden. Het ondersteunt meer dan 160 talen en kan tot 1 miljoen tokens aan context verwerken — dat is ruwweg een boek van 750 pagina's in één keer.

Volgens VentureBeat is het model nu beschikbaar als API-preview, met een prijs van $1,36 per miljoen inputtokens en $4,18 per miljoen outputtokens. De open weights — zodat je het model zelf kunt draaien — zijn gepland voor eind oktober 2026.

De benchmarkscores: financiën, recht en code

Wat mij het meest opvalt aan dit model zijn niet de ruwe technische specs, maar de benchmarks waarop Mistral de nadruk legt. Drie ervan springen eruit:

Codering: 62% op DeepSWE

DeepSWE is een test waarbij AI-modellen echte software-engineeringtaken moeten oplossen — bugs vinden, code schrijven, problemen debuggen. Mistral Large 4 scoort hier 62% (of preciezer: 61,7%). Dat is hoger dan het Chinese GLM-5.3 (61%) en DeepSeek-V4-Pro (57%). Niet een enorme voorsprong, maar het plaatst het model wel in de kopgroep van open-weight modellen.

Financiële taken: 67% op Finch

Finch (voluit FinWorkBench) is een benchmark met 384 taken die typisch financieel werk nabootsen: spreadsheets analyseren, documenten doorzoeken, rapportages maken op basis van rommelige bedrijfsdata. Mistral Large 4 scoort hier 67%, gelijk aan DeepSeek-V4-Pro en boven GLM-5.3 (65%). Wat mij hier opvalt: het vorige Mistral-model (Medium 3.5) scoorde slechts 37% op dezelfde test. Dat is bijna een verdubbeling.

Kun je je voorstellen wat dit betekent als je een financieel adviseur bent, of als je regelmatig kwartaalcijfers moet doorpluizen? Het model is nog lang geen vervanging voor een accountant, maar als hulpmiddel voor eerste analyses wordt het steeds interessanter.

Juridisch werk: 15% op Harvey's Legal Agent Benchmark

Deze benchmark is ontwikkeld door Harvey, een AI-bedrijf dat zich richt op de juridische sector. De test omvat 24 rechtsgebieden en 1.250 specifieke taken. Een score van 15% klinkt misschien laag, maar het is de hoogste score onder alle open-weight modellen. Ter context: OpenAI's GPT-6 Astra scoort hier slechts 5%. Ik vind het eerlijk gezegd veelzeggend dat zelfs de beste modellen nog zo laag scoren op juridisch werk. Het laat zien hoe complex en genuanceerd die taken zijn — en hoe ver we nog zijn van een AI die zelfstandig juridisch werk kan doen.

Een belangrijk voorbehoud

Ik moet hier wel iets bij zeggen. Zoals VentureBeat terecht opmerkt: deze benchmarkscores zijn door Mistral zelf gerapporteerd. Het model verschijnt op het moment van schrijven nog niet in onafhankelijke evaluaties zoals die van Artificial Analysis of het publieke DeepSWE-leaderboard. Dat betekent dat de claims voorlopig zijn, totdat externe partijen het model kunnen testen met de definitieve weights.

Dat is geen beschuldiging — het is standaardpraktijk in de AI-wereld dat bedrijven hun eigen scores publiceren bij een lancering. Maar als ondernemer zou ik wachten op onafhankelijke bevestiging voordat ik beslissingen neem op basis van deze cijfers.

Waarom dit relevant is voor Nederlandse ondernemers

Er zijn een paar redenen waarom ik denk dat dit model de moeite waard is om te volgen:

Europese herkomst en datasoevereiniteit

Mistral is een Frans bedrijf dat traint in Europese datacenters. Voor ondernemers die zich zorgen maken over waar hun data naartoe gaat — en met de AVG is dat een reële zorg — kan een Europees alternatief interessant zijn. Zodra de open weights beschikbaar komen, kun je het model in principe op eigen infrastructuur draaien, zonder dat data naar externe servers gaat.

Praktische toepassingen worden concreter

De benchmarks die Mistral uitlicht — financiële analyses, juridische taken, codering — zijn geen abstracte academische tests. Het zijn werkzaamheden die in veel Nederlandse bedrijven dagelijks voorkomen. Een MKB-ondernemer die regelmatig contracten moet beoordelen, financiële rapportages moet doornemen, of software laat ontwikkelen, kan hier op termijn profijt van hebben.

Stel dat je als ondernemer wekelijks leverancierscontracten doorneemt. Een model dat juridische tekst kan analyseren — zelfs als het nog niet perfect is — kan je helpen om sneller de belangrijkste clausules te identificeren. Niet als vervanging van je jurist, maar als eerste filter.

De concurrentie wordt scherper

Wat mij ook opvalt: Mistral positioneert zich expliciet als het sterkste open-weight model buiten China. De concurrentie met Chinese modellen als GLM-5.3 en DeepSeek is direct. Voor ondernemers betekent dit meer keuze, en meer keuze leidt doorgaans tot betere producten en lagere prijzen.

Een technisch rapport ontbreekt nog

De tweet van @testingcatalog eindigt met een opmerking die ik deel: "We need a tech report." Op dit moment is er geen gedetailleerd technisch rapport beschikbaar van Mistral over dit model. Dat maakt het lastig om de architectuurkeuzes en trainingsdata goed te beoordelen. Voor een model van deze omvang — en met claims over prestaties op gevoelige domeinen als cybersecurity en recht — zou transparantie via een tech report wat mij betreft vanzelfsprekend moeten zijn.

Voor mij is dit vooral een signaal dat de Europese AI-sector serieuzer wordt. Of Mistral Large 4 zijn beloften waarmaakt, weten we pas echt als de weights eind oktober beschikbaar komen en onafhankelijke onderzoekers ermee aan de slag kunnen. Tot die tijd: interessant om te volgen, te vroeg om er beleid op te baseren.