Mistral Large 4: wat betekent Europa's nieuwste open AI-model?

TL;DR

• Wat: Mistral AI lanceert Large 4 ("Le Chonk"), een open-weight model met 1 biljoen parameters dat hoog scoort op cybersecurity- en codeer-benchmarks.
• Waarom relevant: Het is een Europees model dat je straks zelf kunt hosten — je data hoeft de EU niet te verlaten.
• Wat je ermee kunt: Zodra de gewichten eind oktober beschikbaar komen, kun je evalueren of dit model een alternatief is voor Amerikaanse of Chinese AI-diensten.

Vandaag kondigde het Franse Mistral AI zijn nieuwste model aan: Mistral Large 4, intern ook wel "Le Chonk" genoemd. Ik viel over de benchmarkresultaten en vooral over de Europese invalshoek — want dit model wordt getraind en gehost in Europese datacenters. Dat maakt het voor mij als ondernemer in de EU direct interessanter dan weer een Amerikaans of Chinees alternatief.

Wat is Mistral Large 4 precies?

Mistral Large 4 is een zogeheten Mixture of Experts-model (MoE). Dat betekent dat het in totaal 1,05 biljoen parameters heeft, maar bij elke vraag slechts 49 miljard daarvan actief gebruikt. Vergelijk het met een groot kantoorgebouw waar op elk moment maar een paar verdiepingen verlicht zijn — je hebt de capaciteit, maar je verbruikt niet continu alles.

Het model is multimodaal: het verwerkt tekst, afbeeldingen, documenten en zelfs satellietbeelden. Het spreekt meer dan 160 talen, waaronder alle officiële EU-talen. Het is getraind op 3.800 NVIDIA Grace Blackwell GPU's in Europese datacenters, volgens Mistral met een stroomverbruik van ongeveer 10 megawatt over twee maanden.

Wat mij opvalt: Mistral noemt een prijs van $1,36 per miljoen input-tokens en $4,18 per miljoen output-tokens. Dat is niet goedkoop, maar ook niet in de bovenste prijsklasse. Het model is nu beschikbaar als preview via de API, en de gewichten — waarmee je het zelf kunt draaien — volgen eind oktober 2026 onder een Apache 2.0-licentie.

Hoe scoort het op benchmarks?

De brontweet van @testingcatalog noemt twee dingen: een zesde plek op de Open-Weight Artificial Analysis Index, en een score van 82 op de CyberGym-E2E-benchmark.

Laat me dat ontleden.

Artificial Analysis Index

De Artificial Analysis Intelligence Index combineert tien evaluaties op gebieden als coderen, kennis, agentisch werken en wetenschap tot één score. Mistral Large 4 scoort daar 38 punten. Dat is boven het gemiddelde, maar er zijn nuances: volgens Artificial Analysis staan er nog zeven Chinese open-weight modellen boven. Xiaomi's MiMo-V2.6-Pro leidt met 46,3 punten, gevolgd door Z.ai's GLM-5.3 (44,8) en Moonshot AI's Kimi K3 (43,6). Mistral Large 4 is daarmee wel het sterkste niet-Chinese open model.

Cybersecurity-benchmarks

Hier wordt het voor mij pas echt interessant. Op CyberGym-E2E — een benchmark die AI-modellen vraagt om echte kwetsbaarheden in opensourcesoftware te reproduceren en vervolgens te patchen — scoort het model 82%. Dat is volgens Mistral de hoogste score van alle geteste modellen. Op Cybench, een set van 40 oefeningen uit beveiligingscompetities, haalt het 93%.

Ik vind dit bijzonder omdat cybersecurity een domein is waar veel modellen bewust terughoudend zijn. Mistral claimt dat hun model hier beter presteert dan sommige gesloten modellen die beveiligingstaken weigeren uit voorzorg. Tegelijkertijd rapporteert Mistral een score van 93,3% op B3 Attack Resistance, wat aangeeft dat het model zelf ook weerbaar is tegen prompt-injectieaanvallen. Of die balans in de praktijk standhoudt, moet nog blijken.

Wat betekent dit voor Europese ondernemers?

Hier zit voor mij de kern. Mistral positioneert dit model nadrukkelijk als een Europees alternatief in een wereld waar AI steeds meer een geopolitiek speelveld wordt.

Drie dingen vallen mij op:

Data blijft in de EU

Omdat de gewichten straks beschikbaar komen onder Apache 2.0, kun je het model zelf hosten. Je data hoeft Europa niet te verlaten. Voor bedrijven die werken met gevoelige klantgegevens, juridische documenten of financiële data is dat een relevant verschil met diensten die via Amerikaanse clouds lopen.

Geen vendor lock-in

Open gewichten betekenen dat je niet afhankelijk bent van één aanbieder. Stel dat je als ondernemer een AI-toepassing bouwt op basis van dit model — dan kun je in principe van hostingpartij wisselen zonder je hele systeem om te bouwen. Dat is geen klein voordeel.

Serieuze klanten aan boord

Mistral noemt industriële klanten als Airbus, BMW, ASML en CMA CGM. Dat zijn geen kleine namen. Het suggereert dat het model al in productieomgevingen wordt geëvalueerd, al zegt een klantenlijst natuurlijk nog niets over hoe diep die integraties gaan.

Kanttekeningen

Ik wil eerlijk zijn over wat we nog niet weten.

Ten eerste: het model is een preview. De gewichten zijn nog niet beschikbaar. Je kunt het nu alleen via de API testen, niet zelf draaien. Eind oktober moet dat veranderen, maar tot die tijd is het lastig om onafhankelijk te verifiëren hoe het model zich gedraagt buiten de benchmarks om.

Ten tweede: benchmarks zijn nuttig, maar ze vertellen niet het hele verhaal. Een score van 82% op CyberGym klinkt indrukwekkend, maar hoe het model presteert op jouw specifieke taak — klantenservice in het Nederlands, het samenvatten van contracten, het analyseren van facturen — dat weet je pas als je het test.

Ten derde: de prijs. Voor een MKB-ondernemer die nu al werkt met ChatGPT of Claude is de stap naar een zelfgehost model met 1 biljoen parameters niet triviaal. Je hebt serieuze hardware of een cloudbudget nodig. De MoE-architectuur helpt — je hebt niet de rekenkracht nodig voor alle parameters tegelijk — maar gratis is het niet.

Een signaal uit Parijs

Wat mij betreft is Mistral Large 4 geen model dat je morgen installeert in je bedrijf. Maar het is wel een signaal dat er serieuze Europese alternatieven ontstaan voor de grote Amerikaanse en Chinese AI-modellen. Het feit dat een Frans bedrijf een model met 1 biljoen parameters traint in Europese datacenters en de gewichten opensourcet, is op zichzelf al opmerkelijk.

Voor mij is de les vooral: houd dit in de gaten. Niet omdat je er vandaag iets mee moet, maar omdat de keuze die je als ondernemer hebt — waar je AI draait, wie je data ziet, hoe afhankelijk je bent van één leverancier — steeds concreter wordt. En dat is, wat mij betreft, goed nieuws.