Mistral Large 4: wat een Europees AI-model met 1 biljoen parameters betekent voor bedrijven

TL;DR

• Wat: Het Franse Mistral AI lanceert Mistral Large 4, een open-weight AI-model met 1 biljoen parameters dat is gebouwd voor agent-werkstromen in onder meer juridisch, financieel en cybersecurity-werk.
• Waarom relevant: Als Europees model met open gewichten kan het een interessant alternatief zijn voor ondernemers die niet volledig afhankelijk willen zijn van Amerikaanse of Chinese AI-aanbieders.
• Wat je ermee kunt: De API is nu al beschikbaar om te testen; de open gewichten volgen eind oktober — een goed moment om te evalueren of dit model past bij jouw bedrijfsprocessen.

Gisteren lanceerde het Franse Mistral AI zijn nieuwe vlaggenschipmodel: Mistral Large 4, intern ook wel "Le Chonk" genoemd. Ik viel erover omdat het een Europees model is dat nadrukkelijk mikt op zakelijke toepassingen — niet als chatbot voor consumenten, maar als motor achter geautomatiseerde werkstromen. Dat maakt het voor mij als ondernemer direct interessanter dan veel andere modellanceringen.

Wat is Mistral Large 4 precies?

Mistral Large 4 is een zogeheten mixture-of-experts-model. Dat klinkt technisch, maar het idee is eigenlijk elegant: het model heeft in totaal 1,05 biljoen parameters (vergelijk het met 1,05 biljoen afstelknopjes), maar bij elke vraag die je stelt worden er "slechts" 49 miljard tegelijk geactiveerd. Dat maakt het model een stuk zuiniger in gebruik dan je op basis van die enorme omvang zou verwachten.

Het model kan zowel tekst als afbeeldingen verwerken, ondersteunt meer dan 160 talen en heeft een contextvenster van 1 miljoen tokens. Dat laatste betekent in de praktijk dat je hele documenten, contracten of rapporten in één keer kunt meegeven zonder dat het model de draad kwijtraakt.

Wat mij opvalt: Mistral zegt dit model getraind te hebben op 4.000 Nvidia GPU's. Volgens Pierre Stock, VP Science bij Mistral, is dat twee tot drie keer minder dan wat Chinese concurrenten gebruiken, en aanzienlijk minder dan de grote Amerikaanse spelers. Of dat klopt, kan ik niet onafhankelijk verifiëren, maar het zou betekenen dat Mistral relatief efficiënt te werk gaat.

Waar zit de zakelijke relevantie?

De meeste AI-modellen worden gepresenteerd met benchmarks die voor ondernemers weinig zeggen. Wat mij bij Mistral Large 4 wél aanspreekt, is dat er resultaten zijn op domeinspecifieke taken die dichter bij dagelijks bedrijfswerk liggen.

Juridisch werk

Op de Harvey Legal Agent Benchmark — een toets voor juridische AI-toepassingen — scoort het model een taakslagingspercentage van 15,83%. Dat klinkt laag, en dat ís het ook. Maar het plaatst het model op de zesde plek van 75 geteste modellen. Dat geeft context: juridisch redeneren is voor AI nog buitengewoon moeilijk. Je kunt hier dus niet blind op vertrouwen, maar het laat wel zien dat het model in die richting beweegt.

Financiële taken

Op de Finance Agent v2-benchmark haalt het model 54,68% nauwkeurigheid, tegen kosten van circa $1,20 per test. Ter vergelijking: het scoort daarmee beter dan GPT-6 Astra op dezelfde test, al duurt het wel langer (26 minuten versus 11 minuten). Stel dat je als ondernemer regelmatig financiële analyses of onderzoeksrapporten moet samenvatten — dan zou dit soort capaciteit relevant kunnen zijn.

Cybersecurity

Met 93% op de Cybench-beveiligingsevaluatie en 81,7% op de CyberGym-test voor defensieve kwetsbaarheidstaken scoort het model opvallend sterk op beveiligingsgebied. Voor bedrijven die met gevoelige data werken, is dat een interessant signaal.

Agent-werkstromen: wat betekent dat concreet?

De brontweet van Mistral noemt nadrukkelijk "general-purpose agents" die informatie verzamelen en afgewerkte resultaten opleveren. Wat wordt daarmee bedoeld?

Een AI-agent is in feite een stuk software dat niet alleen antwoord geeft op een vraag, maar zelfstandig stappen zet om een taak uit te voeren. Denk aan: informatie opzoeken, code schrijven, documenten analyseren, en het resultaat netjes opleveren — zonder dat jij elke tussenstap hoeft aan te sturen.

Mistral biedt via zijn Agents API de mogelijkheid om meerdere gespecialiseerde agents samen te laten werken. Eén agent kan bijvoorbeeld een gesprek overdragen aan een andere agent met andere kennis of vaardigheden. Dat heet een handoff. De agents kunnen ook een geheugen bijhouden, zodat ze context niet kwijtraken over langere werkstromen.

Kun je je voorstellen wat dit betekent als je een bedrijf runt met terugkerende administratieve of onderzoekstaken? Stel dat je wekelijks marktonderzoek moet doen, contracten moet doornemen, of klantdata moet analyseren. Een goed werkende agent zou dat werk deels kunnen overnemen — niet als vervanging van menselijk oordeel, maar als assistent die het voorwerk doet.

Ik wil hier wel een kanttekening bij plaatsen. Zoals een van de bronnen terecht opmerkt: het feit dat deze functies beschikbaar zijn, zegt nog niets over hoe goed ze in de praktijk werken voor jóúw specifieke situatie. De aanbeveling die ik meerdere keren tegenkwam, is helder: test de workflow die je daadwerkelijk draait, met dezelfde tools en acceptatiecriteria, en houd een sterker generalistisch model achter de hand voor taken waar dit model tekortschiet.

Europees en open: waarom dat ertoe doet

Wat mij betreft is een van de meest relevante aspecten van deze lancering het feit dat het een Europees model is met open gewichten. Die gewichten — de kern van het model — worden eind oktober vrijgegeven, naar verwachting op 31 oktober via Hugging Face. De exacte licentievoorwaarden zijn op het moment van schrijven nog niet gepubliceerd.

Waarom doet dat ertoe voor een ondernemer? Omdat open gewichten betekenen dat je het model in principe zelf kunt draaien, op je eigen infrastructuur, zonder dat je data naar een Amerikaanse cloudprovider hoeft te sturen. Voor bedrijven die werken met privacygevoelige gegevens — denk aan de zorg, juridische dienstverlening, of financiële sector — kan dat een doorslaggevend voordeel zijn.

Mistral positioneert zich bewust als een derde weg: niet de gesloten Amerikaanse modellen, niet de Chinese open alternatieven, maar een Europees model dat transparantie combineert met zakelijke toepasbaarheid. Of dat in de praktijk standhoudt, moet nog blijken. Maar het is in ieder geval een positie die voor Europese ondernemers het overwegen waard is.

Prijzen en beschikbaarheid

De API is nu beschikbaar in preview. De standaardtarieven zijn $1,36 per miljoen invoertokens en $4,18 per miljoen uitvoertokens. Er zijn ook lagere preview-tarieven ($0,68 en $2,09) en een cached-invoertarief van $0,14 per miljoen tokens.

Om dat in perspectief te plaatsen: als je een document van 10.000 woorden door het model haalt (ruwweg 13.000 tokens), kost de invoer je minder dan 2 cent. De uitvoer hangt af van hoeveel het model genereert, maar voor de meeste zakelijke taken blijf je ruim onder de euro per interactie.

Zelf hosten kan pas als de open gewichten eind oktober beschikbaar komen. Tot die tijd ben je aangewezen op Mistral's eigen API.

Een signaal, geen conclusie

Voor mij is deze lancering vooral een signaal dat de AI-markt breder wordt. Het is niet langer alleen OpenAI, Google en Anthropic die modellen leveren die serieus genoeg zijn voor bedrijfstoepassingen. Een Frans bedrijf levert nu een model dat op specifieke zakelijke taken kan meekomen met — en soms beter presteert dan — de gevestigde namen.

Of Mistral Large 4 het juiste model is voor jouw bedrijf, hangt volledig af van wat je ermee wilt doen. Maar het feit dat er een Europees, open alternatief is dat serieus meedoet in het segment van agent-werkstromen — dat vind ik op zichzelf al opmerkelijk.