Mistral AI hat am 6. Oktober 2026 Mistral Large 4 als öffentliche Vorschau freigegeben, ein Sprachmodell mit gut einer Billion Parametern, dessen Gewichte bis Ende Oktober zum Download kommen sollen. Für IT-Leitungen und CIOs in Industrie und Handel mit eigenen KI-Plänen, etwa für die Prüfung technischer Zeichnungen im Anlagenbau oder die Auswertung von Reklamationen beim Automobilzulieferer, stellt sich damit eine konkrete Budgetfrage: Lohnt es sich, Hardware für dieses Modell einzuplanen, oder reichen die API oder ein kleineres Modell?
Mistral Large 4 ist im Eigenbetrieb ein Modell für das Rechenzentrum: Schon in 8-Bit belegen die Gewichte rund 1 TB Grafikspeicher, das entspricht einem Server mit acht B200. Bestellen Sie dafür jetzt keine Hardware. Lizenz, Auslieferungsformate und unabhängige Tests der finalen Gewichte fehlen noch (Stand 08.10.2026). Sinnvoll ist, die Vorschau mit unkritischen Daten zu testen, nach Veröffentlichung der Lizenz zu entscheiden und parallel zu prüfen, ob ein kleineres Modell auf ein oder zwei Karten die Aufgabe bereits löst.
| Merkmal | Mistral Large 4 |
|---|---|
| Herausgeber | Mistral AI, Paris |
| Architektur | Mixture-of-Experts, Text und Bild als Eingabe, Text als Ausgabe |
| Parameter | 1,05 Billionen gesamt, 49 Milliarden aktiv je Token (52 Milliarden mit Ein- und Ausgabeschichten) |
| Kontextfenster | laut Mistral 1 Million Token, Artificial Analysis nennt für die Vorschau 512.000 Token |
| Status | Research Public Preview per API seit 06.10.2026 |
| Gewichte | angekündigt bis Ende Oktober 2026, Hugging Face nennt den 31.10.2026 |
| Lizenz | noch nicht veröffentlicht |
| API-Listenpreis | 1,36 US-Dollar je 1 Million Eingabe-Token, 4,18 US-Dollar je 1 Million Ausgabe-Token, in den ersten zwei Wochen zum halben Preis |
Was Mistral angekündigt hat
Mistral bezeichnet Large 4 als sein bisher größtes Modell und hat es nach eigenen Angaben auf 3.800 Grafikprozessoren in eigenen Rechenzentren in Europa trainiert (Mistral AI, 06.10.2026). Als Einsatzfelder nennt der Hersteller Programmierung, Cybersicherheit, Finanzen und Recht sowie Bildaufgaben in Engineering und Fertigung, etwa das Prüfen mechanischer Bauteile in technischen Zeichnungen. Die Leistungswerte auf der Ankündigungsseite stammen von Mistral selbst.
Eine erste unabhängige Messung liegt vor: Artificial Analysis bewertet die Vorschau mit 38 Punkten im eigenen Intelligence Index, knapp hinter DeepSeek V4.1 Flash (39). Eine Testaufgabe kostet über die API laut dieser Messung 1,13 US-Dollar, mehr als das Vierfache vergleichbar starker offener Modelle wie GLM-5.3-Flash mit 0,25 US-Dollar (Artificial Analysis, 06.10.2026). Offen ist die Lizenz: Mistral Large 3 steht unter Apache 2.0, für Large 4 berichtet VentureBeat von einer eigenen Mistral-Lizenz, deren Bedingungen noch nicht bekannt sind (VentureBeat, 06.10.2026).
Parameter muss der Grafikspeicher vollständig halten, obwohl je Token nur 49 Milliarden davon rechnen.
Mistral AI, Dokumentation und Hugging Face, 10/2026
Welche Hardware der Eigenbetrieb braucht
Bei Mixture-of-Experts-Modellen bestimmt der Speicher die Hardware, nicht die Rechenleistung. Die Tabelle zeigt den Bedarf allein der Gewichte, der Kontextspeicher für gleichzeitige Anfragen kommt hinzu.
| Format | Gewichte | Passendes System |
|---|---|---|
| BF16 (16 Bit) | rund 2,1 TB | mehr als ein Server mit acht Karten, etwa zwei DGX B200 |
| FP8 (8 Bit) | rund 1,05 TB | ein DGX B200 mit rund 390 GB Reserve; acht H200 (1.128 GB) nur mit rund 80 GB Reserve |
| 4 Bit | rund 0,53 TB | acht H200 mit Reserve; acht RTX PRO 6000 (768 GB) rechnerisch möglich |
Welche Formate Mistral ausliefert, ist offen. Für Mistral Small 4 hat der Hersteller eine eigene 4-Bit-Fassung (NVFP4) veröffentlicht. Auch der Betrieb kostet: NVIDIA gibt für einen DGX B200 eine maximale Leistungsaufnahme von rund 14,3 kW an. Unter Dauervolllast wären das 125.268 kWh im Jahr, bei 17,2 Cent je kWh, dem Durchschnittspreis kleiner bis mittlerer Industriebetriebe 2026 laut BDEW, rund 21.500 Euro Strom, ohne Kühlung. Das ist eine Obergrenze.
Rechenbeispiel: API oder eigener Server
Ein Anlagenbauer will Serviceanfragen seiner Techniker mit einem Assistenten beantworten, der Handbücher und Störungsberichte durchsucht. Angenommen sind 1.500 Anfragen je Arbeitstag mit je 8.000 Token Kontext und 700 Token Antwort.
- Eingabe: 12 Millionen Token je Tag zu 1,36 US-Dollar je Million ergeben 16,32 US-Dollar.
- Ausgabe: 1,05 Millionen Token je Tag zu 4,18 US-Dollar je Million ergeben 4,39 US-Dollar.
- Zusammen 20,71 US-Dollar je Tag, bei 220 Arbeitstagen rund 4.560 US-Dollar im Jahr zum Listenpreis.
Allein die Stromobergrenze des eigenen Servers liegt beim Vielfachen, die Anschaffung kommt hinzu: Für ein System mit acht RTX PRO 6000 nennt ein Händler ab 149.000 Euro netto (Händlerangabe, 08/2026). Wirtschaftlich rechnet sich der Eigenbetrieb von Large 4 bei diesem Volumen nicht. Er lohnt sich nur, wenn die Daten das Haus nicht verlassen dürfen und kein kleineres Modell die Aufgabe löst, oder bei einem Vielfachen dieses Volumens, etwa wenn ein Konzern einen Server für alle Standorte teilt.
| Option | Aufwand | Kosten | Risiko |
|---|---|---|---|
| Vorschau per API testen | wenige Tage | nutzungsabhängig, Listenpreise siehe oben | Daten gehen an Mistral, Vorschaustatus; nur unkritische oder anonymisierte Testdaten |
| Nichts tun: Gewichte, Lizenz und Tests abwarten | keiner | keine | gering; bei späterem Kauf verschieben Lieferzeiten von 6 bis 12 Wochen den Start |
| Large 4 selbst betreiben | Sizing, Rechenzentrum mit rund 14 kW je Server | sechsstellige Investition plus Strom | Lizenz und Formate noch unbekannt |
| Kleineres offenes Modell selbst betreiben | 2 bis 4 Wochen Sizing und Test | ein bis zwei Karten statt acht | bei langen Agentenabläufen und Bildaufgaben womöglich schwächer |
Wofür sich Mistral Large 4 eignet
Large 4 ist dort interessant, wo kleinere Modelle an Grenzen stoßen: mehrstufige Agentenabläufe über mehrere Systeme, Aufgaben, die Bild und Text verbinden, etwa Zeichnungen, Prüfprotokolle mit Fotos oder Schadensbilder aus dem Service, und Sicherheitsanalysen. Für die Suche in Handbüchern, Normen und Verträgen reicht nach unserer Einschätzung in vielen Fällen ein Modell, das auf ein oder zwei Karten läuft. Kolibri von Aleph Alpha etwa steht unter Apache 2.0 und kommt laut Hersteller mit einer H200 aus.
Large 4 gegen ein kleineres Modell testenWir stellen 50 Aufgaben aus Ihrem Betrieb mit freigegebenen oder anonymisierten Daten an die Vorschau von Mistral Large 4 und an ein Modell, das auf ein oder zwei Karten läuft. Innerhalb von zehn Arbeitstagen erhalten Sie den Ergebnisvergleich, den Hardwarebedarf beider Varianten und eine Kostenrechnung für Ihr Anfragevolumen.
Häufige Fragen
Wann erscheinen die Gewichte von Mistral Large 4?
Mistral kündigt die Gewichte bis Ende Oktober 2026 an, die Seite auf Hugging Face nennt den 31. Oktober. VentureBeat berichtet vom 27. Oktober.
Darf man Mistral Large 4 kommerziell selbst betreiben?
Das ist noch offen, weil Mistral die Lizenz nicht veröffentlicht hat. Der Vorgänger Mistral Large 3 steht unter Apache 2.0, für Large 4 berichtet VentureBeat von einer eigenen Mistral-Lizenz. Prüfen Sie den Lizenztext, bevor Sie Hardware für den Eigenbetrieb bestellen.
Läuft Mistral Large 4 auf einer Workstation oder einem DGX Spark?
Nein. Selbst in 4 Bit belegen die Gewichte rund 530 GB, ein DGX Spark hat höchstens 128 GB, eine Workstation-Karte 24 bis 96 GB. Für den Eigenbetrieb braucht es einen Server mit acht Rechenzentrumskarten.
Der nächste Schritt
torck plant und betreibt offene Sprachmodelle in den Rechenzentren von Kunden aus Industrie und Handel, von der Auswahl bis zum Betrieb. Im Erstgespräch klären wir, ob Ihr Anwendungsfall ein Modell der Größe von Large 4 braucht oder ob ein kleineres Modell genügt. Zur KI-Beratung mit On-Premise-LLM.
Weiterlesen: Wann sich der Hardwarekauf lohnt, zeigt der Beitrag zur KI-Hardware 2027. Was das deutsche Modell an Hardware verlangt, steht im Beitrag zu Kolibri von Aleph Alpha. Kleinere Modelle von Mistral, Llama und Qwen vergleicht der Open-Source-LLM-Vergleich.
German 
English 
French