Mistral hat am 6. Oktober 2026 die öffentliche Vorabversion von Mistral Large 4 über die API in Mistral Studio zugänglich gemacht. Laut Unternehmen verbindet das nativ multimodale Modell die Befolgung von Anweisungen, logisches Schlussfolgern und agentische Fähigkeiten in einem System. Die Veröffentlichung der Modellgewichte plant Mistral für Ende Oktober.
Programmierung: Agententests und blinde Bewertung der Codequalität
Für Programmieragenten meldet Mistral 61,7 % in DeepSWE v1.1, 59,4 % in SWE-Atlas-QnA und 28,3 % in Terminal-Bench 4.0. Der zusammengefasste Wert im Coding Agent Index beträgt 49,8 % und liegt laut Unternehmen vor DeepSeek V4 Pro 0813 und Qwen3.8 Max. Artificial Analysis hat die Ergebnisse dieser drei Tests vor der Veröffentlichung der Testumgebung in einer nicht öffentlichen Auswertung ermittelt.
Eine weitere Perspektive liefert die blinde Bewertung der Codequalität, die Mistral gemeinsam mit Surge AI durchführte. Professionelle Bewertende vergaben Noten von 1 bis 5, ohne die Identität des jeweiligen Modells zu kennen. ML4 Preview belegte mit 3,74 Punkten den zweiten Platz hinter Claude Opus 5 mit 4,22 Punkten; GLM-5.3 erreichte 3,60, Kimi K3 3,59 und GLM-5.2 3,40 Punkte.
Arbeitsagenten und die Erstellung von Dokumenten
Laut Mistral kann Large 4 universelle Agenten steuern, die Informationen sammeln, Werkzeuge nutzen und fertige Arbeitsergebnisse erstellen. Das Unternehmen nennt einen Wert von 59,9 % in AutomationBench, der 657 betriebliche Arbeitsabläufe umfasst. Zu den verwendeten Anwendungen gehören Gmail und Google Sheets sowie Slack und Salesforce; in diesem Test übertraf das Modell laut Mistral Kimi K3, MiMo-V2.6-Pro und DeepSeek V4 Pro.
Bei den Arbeitsergebnissen nennt das Unternehmen Tabellen, Präsentationen und PDFs. Für AA-Briefcase, der längerfristige Wissensarbeit bewertet, meldet es 1 393 Elo und ein Ergebnis vor DeepSeek V4 Pro. Neben der Erstellung soll das Modell laut Mistral auch komplexe Tabellen und Dokumente bearbeiten und korrigieren können.
Mistral berichtet außerdem, dass Large 4 bei der Bewertung repräsentativer Rechts- und Finanzaufgaben über vals.ai GPT-6-Astra übertroffen habe. Im Legal-Agent-Benchmark von HarveyAI lag es laut Unternehmen vor allen Open-Source-Modellen.
Bildanalyse von Zeichnungen, PDFs und Geodaten
In seinen Demonstrationen verbindet Mistral die Erkennung und Lokalisierung von Objekten mit agentischen Abläufen. Large 4 demonstriert dabei die Identifikation von Objekten in komplexen Szenen und die Prüfung mechanischer Bauteile in technischen Zeichnungen. Weitere Demos zeigen die Suche nach Belegen in PDFs und das Durchsuchen großflächiger geospatialer Bilddaten; während der Analyse vergrößert das Modell Bildausschnitte, untersucht sie und prüft sie wiederholt.
Zur visuellen Lokalisierung hat das Unternehmen auch einen direkten Vergleich im Test Dense 200 veröffentlicht. Large 4 erreichte darin laut Mistral 42 %, während GPT-6-Astra auf 41 % kam.
Wissenschaftlicher Code und Vergleich mit GLM-5.3
Für wissenschaftliche Aufgaben schreibt Mistral dem Modell Fähigkeiten zur agentischen Programmierung für Datenanalyse, Modellierung und physikalische Simulationen zu. Beispielsweise könne es in einem einzigen Versuch eine vollständige Hartree-Fock-Simulation erstellen. Das Unternehmen bezeichnet es zugleich als bestes Modell mit offenen Gewichten in SciCode-Verified, der die Umsetzung komplexer wissenschaftlicher Abläufe in Code bewertet.
Mistrals interne Bewertung zeigt allerdings auch Bereiche mit ähnlichen Ergebnissen. Fachkundige Bewertende verglichen Large 4 mit GLM-5.3 in Programmierung, computergestütztem Entwerfen beziehungsweise CAD, Finanzen, Mathematik und Physik. Sie bevorzugten Large 4 bei CAD und in den STEM-Fächern, während seine Leistung bei Finanzen und Programmierung mit GLM-5.3 vergleichbar war oder nahe daran lag.
Schwachstellensuche und Widerstand gegen schädliche Anweisungen
Für einen Test, der die Reproduktion einer realen Schwachstelle in Open-Source-Software und ihre anschließende Behebung verlangt, meldet Mistral 82 %. Das Unternehmen bezeichnet dies als das höchste Ergebnis aller Modelle. In Cybench, einer Sammlung von 40 Aufgaben aus Sicherheitswettbewerben, löste Large 4 laut Mistral 93 % der Aufgaben.
Separat nennt das Unternehmen ein Ergebnis aus Lakeras Sicherheitsbenchmark B3: Das Modell widerstand demnach 93,3 % der Angriffe. Mistral bringt diesen Wert mit der Widerstandsfähigkeit gegen indirekt eingeschleuste schädliche Anweisungen in Verbindung und gibt an, bei Wettbewerbern keine höheren Werte zu beobachten.
Europäische Infrastruktur und Vorbereitung der Modellgewichte
Large 4 verfügt laut Mistral über eine MoE-Architektur mit einer Billion Parametern, von denen 49 Milliarden aktiv sind. Das Unternehmen gibt an, das Modell von Grund auf mit 3 800 NVIDIA Grace Blackwell GPUs in seinen eigenen europäischen Rechenzentren trainiert zu haben. Auf derselben Infrastruktur läuft auch die öffentliche Vorabversion.
Laut Mistral umfasste ein erheblicher Teil der Trainingsdaten mehr als 160 Sprachen, darunter sämtliche Amtssprachen der Europäischen Union. Das Unternehmen plant die Verfügbarkeit in mehreren Regionen weltweit. Dazu soll ein europäischer Betrieb gehören, den Mistral vollständig selbst und nach europäischem Recht übernimmt.
Vor der Veröffentlichung der Modellgewichte prüft Mistral das Modell unter realen Bedingungen mit Fachleuten für Cybersicherheit, überprüften Partnern und staatlichen Behörden. Diese Beteiligten sollen Zugang zum selben Modell mit reduzierter Moderation und erweiterten Cybersicherheitsfähigkeiten erhalten.
