Mistral hat die Gewichte einer verbesserten Version von Large 4 veröffentlicht, das auch den Beinamen Le Chonk trägt. Das nativ multimodale Modell mit einer Billion Parametern war zuvor als öffentliche Vorschau verfügbar; nun können Entwickler es herunterladen und auf eigener Infrastruktur betreiben.
Programmieren und Reasoning-Modi
Nach Angaben von Mistral haben drei weitere Wochen Reinforcement Learning vor allem beim Programmieren und bei defensiven Sicherheitsaufgaben Verbesserungen gebracht. Entwickler können zwischen drei Reasoning-Modi wählen: Low für einfache Aufgaben ersetzt den früheren Modus None, Medium ist für alltägliche Arbeit vorgesehen und der voreingestellte Modus High für besonders anspruchsvolle Aufgaben, die Präzision und gründliches Schlussfolgern verlangen.
Im Programmier-Benchmark Terminal-Bench 4.0 erreichte Large 4 laut Mistral 41 Prozent. Das sind 13 Prozentpunkte mehr als bei der öffentlichen Vorschau; zugleich erzeugte das Modell 30 Prozent weniger Ausgabetokens. Im Artificial Analysis Coding Agent Index kam es auf 48 Prozent und damit praktisch auf dasselbe Ergebnis wie das offene Modell GLM-5.3, verbrauchte aber durchschnittlich 47 Prozent weniger Tokens pro Aufgabe.
Im nicht öffentlichen Benchmark Cognition FrontierCode 2.0 erzielte Large 4 laut Mistral 19,7 Prozent. Der Test bewertet die Qualität des Codes insgesamt und berücksichtigt, ob ein Repository-Verwalter eine von einem Agenten erstellte Änderung übernehmen würde. Bei einer verblindeten paarweisen Bewertung von Surge Code bevorzugten die Bewertenden Large 4 nach Angaben von Mistral gegenüber GLM-5.3, Kimi K3 und DeepSeek V4.1 Flash; unter den getesteten Modellen lag Large 4 hinter Claude Opus 5.5.
Sicherheitsaufgaben und spezialisierte Variante
Im Artificial Analysis Cyber Index erreichte das Modell laut Mistral 51 Prozent. Der Index bewertet, wie Modelle Schwachstellen im Code finden, reproduzieren und überprüfen sowie beheben, ohne bestehende Funktionen zu beeinträchtigen.
Mistral demonstrierte einen Agenten, der Schwachstellenmeldungen bearbeitet, den Quellcode und den Kontext des Produkts untersucht und die Fehler anschließend in einer isolierten Sandbox reproduziert. In der Vorführung überarbeitet er den Patch, bis ein Kontroll-Exploit nicht mehr funktioniert.
Ausgewählte Unternehmenspartner haben Zugang zu einer Vorschau einer spezialisierten Variante für Penetrationstests, Schwachstellenbewertungen und Red-Teaming. Der Zugang setzt eine Prüfung und vertragliche Schutzmaßnahmen voraus; getestet werden dürfen nur eigene oder ausdrücklich autorisierte Systeme in einer kontrollierten Umgebung.
Ergebnisse bei Finanzaufgaben und weiteren Tests
Mistral meldet auch Verbesserungen beim Erstellen und Bearbeiten von Tabellen für Finanzwesen und Buchhaltung. Im FinWorkBench, auch Finch genannt, erreichte das Modell laut Unternehmen 73,3 Prozent und belegte unter den offenen Modellen hinter Kimi K3 den zweiten Platz.
In BrowseComp erzielte Large 4 nach Angaben des Unternehmens 84,5 Prozent, während der Ausgangs-Checkpoint nach überwachtem Fine-Tuning auf 75 Prozent kam. Mistral nennt ein höheres Ergebnis als für GLM-5.3 und DeepSeek Flash 4.1 1017. Im B3 Agent Security Benchmark widerstand das Modell laut Unternehmen 97,1 Prozent der Angriffe gegenüber 93,3 Prozent bei der Vorschauversion.
Download, Betrieb und Lizenz
Die Gewichte stehen auf Hugging Face zum Download bereit; für den Betrieb auf eigener Infrastruktur lassen sich vLLM oder SGLang nutzen. Das Modell ist auch über Mistral Studio, die Mistral API und Microsoft Foundry verfügbar. Unternehmen können es mithilfe von Mistral Forge an eigene Daten und Anforderungen anpassen.
Die Lizenz Mistral Ecosystem Open-Weight erlaubt es, das Modell kostenlos zu nutzen, zu verändern, weiter zu trainieren und kommerziell einzusetzen. Unternehmen, die ein Model-as-a-Service-Angebot betreiben, benötigen für die kommerzielle Nutzung allerdings eine separate Lizenz von Mistral.
Pro Million Tokens beträgt der Preis 0,70 US-Dollar für die Eingabe, 0,07 US-Dollar für Eingaben aus dem Cache und 2,10 US-Dollar für die Ausgabe.
