Mistral enthüllt 'Le Chonk': Ein Codierungsmodell mit einer Billion Parametern, das hinter chinesischen Konkurrenten zurückbleibt — Künstliche Intelligenz

Das in Paris ansässige Unternehmen Mistral hat die Gewichte für sein bisher größtes Modell, Large 4, unter dem Spitznamen 'Le Chonk' veröffentlicht. Während das System mit einer Billion Parametern im Vergleich zu seinen Mitbewerbern bei der Geschwindigkeit und Kosteneffizienz beim Codieren überzeugt, zeigen unabhängige Benchmarks, dass es in Bezug auf die Gesamtbewertung der Intelligenz immer noch hinter den führenden Modellen aus China zurückliegt.

Mistral hat offiziell die Gewichte für Mistral Large 4 veröffentlicht, sein umfangreichstes Modell bis heute, unter dem Spitznamen "Le Chonk". Das Modell verfügt insgesamt über etwa eine Billion Parameter, wobei pro Schritt 52 Milliarden aktiv sind. Es wurde vollständig in Europa trainiert und akzeptiert Text- und Bildeingaben, um Text und Code zu generieren. Die Veröffentlichung erfolgt drei Wochen nach einer öffentlichen Vorschau; die Gewichte stehen nun auf Hugging Face unter einer modifizierten MIT-Lizenz zur Verfügung, die eine kostenlose Nutzung und kommerzielle Bereitstellung erlaubt, obwohl die Anbieten des Modells als Cloud-Dienst eine separate Vereinbarung mit Mistral erfordert.

In Bezug auf die Leistung behauptet Mistral, dass Large 4 seine offenen Konkurrenten bei Codierungsaufgaben übertrifft. Unabhängige Tests von Artificial Analysis zeigen, dass das Modell im Intelligence Index Version 5 26 Punkte erzielt. Dies platziert es vor dem Median für ähnlich große offene Modelle, aber deutlich hinter den führenden chinesischen Systemen. Konkret erzielen DeepSeek V4.1 Flash und GLM-5.3 jeweils 32 Punkte, während MiMo-V2.6-Pro 30 Punkte erreicht. Die Lücke vergrößert sich weiter gegenüber proprietären Marktführern wie Googles Gemini 4 Carbon (59 Punkte) und Anthropics Claude Opus 5.5 (58 Punkte).

Trotz des allgemeinen Rückstands in der Rangliste zeigt Large 4 spezifische Stärken in Codierungs-Benchmarks. Beim Terminal-Bench 4.0 verbesserte sich das Modell nach zusätzlichem Training mit verstärktem Lernen von 28 Prozent auf 41 Prozent und übertraf GLM-5.3 mit 40 Prozent knapp. Beim FrontierCode 2.0-Benchmark führt es die offenen Modelle mit einem Wert von 19,7 Prozent an, obwohl Claude Opus 5.5 46 Punkte erzielt. Blindvergleiche von Surge deuten darauf hin, dass Tester den Code von Large 4 in den meisten Vergleichen gegenüber Ausgaben von GLM-5.3, Kimi K3 und DeepSeek bevorzugten, obwohl es nur in 22 Prozent der Vergleiche gegen Opus 5.5 gewann.

Das Modell zeigt auch bemerkenswerte Verbesserungen bei Effizienz und Geschwindigkeit. Large 4 generiert Token mit einer Rate von 161 pro Sekunde, ein Anstieg von 111 während der Vorschau-Phase. Es ist schneller als die meisten Konkurrenten; nur DeepSeek V4.1 Flash und Muse Wonder übertreffen es in puncto Geschwindigkeit. Was die Kosten betrifft, hat Mistral die API-Preise auf 0,70 USD pro Million Eingabetoken und 2,10 USD pro Million Ausgabetoken gesenkt, was es günstiger macht als GLM-5.3 und Kimi K3.1 Pro, obwohl es teurer ist als DeepSeek V4.1 Flash und MiMo-V2.6-Pro. Zusätzlich ist das Modell token-effizienter und generiert bei vollständigen Index-Tests 110 Millionen Ausgabetoken im Vergleich zu 150 Millionen in der Vorschau.

Im Bereich der Cybersicherheit positioniert Mistral Large 4 als Marktführer unter den offenen Modellen, doch die Daten deuten auf etwas anderes hin. Das Unternehmen gibt an, dass die Endversion im Cyber Index von Artificial Analysis 51 Prozent erzielt, aber ihre eigenen Diagramme zeigen, dass DeepSeek V4.1 Flash (57 Prozent) und MiMo-V2.6-Pro (56 Prozent) höher rangieren, was Large 4 auf den dritten Platz unter den offenen Modellen setzt. Es zeichnet sich jedoch durch Sicherheitsablehnungen aus und lehnt im Durchschnitt 96,6 Prozent schädlicher Cyber-Anfragen ab, eine Rate, die höher ist als bei jedem anderen offenen Modell. Mistral erkennt das Potenzial für Missbrauch an und plant, die Schutzmaßnahmen zu verschärfen; Partner wie Orange Cyberdefense testen bereits spezialisierte Versionen für Penetrationstests unter strengen vertraglichen Einschränkungen.

Blickend in die Zukunft beschrieben die Forscher von Mistral, Pierre Stock und Corentin Petit, die Entwicklung als eine "Wette auf zwei Jahre", die nun Ergebnisse liefert, und stellten fest, dass Leistungsgrenzen durch die Schwierigkeit der Aufgaben definiert sind, die das Team erstellen und verifizieren kann. Das Unternehmen gibt zu, mit weniger Ressourcen zu operieren als US-amerikanische und chinesische Labore, betrachtet Large 4 jedoch als Grundlage für zukünftige spezialisierte Modelle. Während Mistral derzeit bei der Codierung unter den offenen Gewichten führend ist, wird die bevorstehende Veröffentlichung von Moonshots Kimi K3.1 Pro am 4. November 2026, das beim Terminal-Bench 4.0 67 Prozent erzielt, erwartet, diese Position in Frage zu stellen.

Quellen: The Decoder.