Nedlastbare vekter: Mistral åpner trillionparametermodellen Large 4 for egen drift
Franske Mistral gjorde torsdag 29. oktober vektene av Mistral Large 4 (ML4) – kallenavn «Le Chonk» – nedlastbare for virksomheter og myndigheter som vil kjøre modellen på egen infrastruktur. Utgivelsen kommer tre uker etter API-forhåndsvisningen 6. oktober, og selskapet markedsfører modellen som et suverent, europeisk alternativ til lukkede leverandører og kinesiske åpne modeller. Men uavhengige målinger nyanserer «frontier»-bildet: På Artificial Analysis' cyberindeks scorer Large 4 51, klart bak rivalene – samtidig som de åpne vektene gjør sikringene i modellen flyttbare og kopiene umulige å overvåke, advarer Storbritannias AI Security Institute.
Hva som ble sluppet
Large 4 er en «mixture-of-experts»-modell med 1,05 billioner totale parametre, hvorav 52 milliarder er aktive per token. Det tidligere tallet på 49 milliarder aktive forklares av Mistral med at den større summen også teller embeddings og utdatalag – en forklaring som foreløpig ikke er uavhengig bekreftet (VentureBeat).
Modellen er multimodal (tekst og bilder inn) og ifølge selskapet trent på over 160 språk, inkludert alle EUs offisielle språk (CNET). Den utgitte versjonen har tre resonneringsmodi – lav, middels og høy – slik brukere kan avveie kostnad mot kompleksitet, og den ble levert på den tiden Mistral hadde lovet etter forhåndsvisningen (ZDNET).
Vektene kan lastes ned fra Hugging Face, og modellen er tilgjengelig via Mistral Studio, Mistral API, OpenRouter, Vibe Code og Nvidia-driftede endepunkter (CNET).
Mistrals fortelling: suverenitet og europeisk selvbestemmelse
Kjernen i Mistrals argument ligger hos visepresident for vitenskap Pierre Stock. Til TechCrunch sa han: «Konkret betyr det for eksempel at du som virksomhet eller myndighet får tilgang til frontier-intelligens for å forsvare deg mot cyberangrep. Tilgang som per definisjon ikke kan kuttes, fordi modellen har åpne vekter» (TechCrunch).
Til Fortune kalte Stock utgivelsen «et vendepunkt for Europa» og argumenterte for at kontinentet nå kan bygge et økosystem rundt AI-grunnmodeller, «ikke bare applikasjonslaget». Han sa modellen var trent på Mistrals egen 10-megawatt beregningsklynge i Frankrike – «en brøkdel av hva alle konkurrentene bruker». Mistral har ifølge Fortune nylig hentet inn 3 milliarder euro i Series D, ledet av Samsung i september, ved en verdsettelse over 21 milliarder euro (Fortune via MSN).
Salgs- og inntektssjef (chief revenue officer) Marjorie Janiewicz pekte på kundeetterspørselen: «Jeg vil ikke bli koblet fra. Jeg vil eie modellen min», sa hun til VentureBeat, og la til: «For det andre vil jeg tilpasse den for å sikre at jeg henter ut verdi. Og for det tredje er det forretningskontinuitet» (VentureBeat).
Stock advarte samtidig mot kinesiske åpne modeller: En modells oppførsel kan i teorien endres for å eksfiltrere hemmeligheter fra et selskaps systemer, sa han til Fortune.
Hva uavhengige målinger viser
Det er her bildet blir mer sammensatt enn Mistrals markedsføring.
Samlet intelligens. Artificial Analysis ga 29. oktober ML4 26 poeng på Intelligence Index v5 i høy resonneringsmodus, opp fra 25 for forhåndsvisningen. Det gjør ML4 til den høyest scorende modellen med tilgjengelige vekter utviklet utenfor Kina – men seks poeng bak åpne ledere som DeepSeek V4.1 Flash 1017 og GLM-5.3 (VentureBeat).
Cyber. På Artificial Analysis' Cyber Index – som måler hvor godt modeller finner og fikser sårbarheter, ikke utfører angrep – scorer Large 4 51. Det er klart bak Kimi K3.1 Pro (64), DeepSeek V4.1 Flash (57) og Grok 4.7 (56) (MSN/Cryptopolitan). På det defensive CyberGym-benchmarken, som tester funn og patching av reelle minnesikkerhetssårbarheter i C/C++-prosjekter, ligger Le Chonk like over DeepSeek V4.1 Flash (ZDNET).
Koding. Mistral hevder at ML4 «topper» kodingsindeksen blant åpne modeller, men på Artificial Analysis' samlede Coding Agent Index ligger ML4 på 48 – ett poeng bak GLM-5.3s 49. Codex GPT-6.1 Terra scorer også 48 (ZDNET). Kildene lar seg ikke forsones; det kan skyldes ulike delbenchmarker eller innstillinger.
Agentikk. Mistral sier tre ekstra uker med forsterkningslæring siden 6. oktober løftet nøyaktigheten på Terminal-Bench 4.0 fra 28 til 41 prosent. Men Anthropics lukkede Mythos 5.1 scorer 60,9 prosent på samme benchmark (Fortune via MSN).
Gapet til frontier. En analyse fra Epoch AI 16. oktober ga GLM-5.3, den ledende åpne modellen, en Cyber ECI-score på 160 mot 171 for de sterkeste lukkede modellene. Basert på historisk utvikling anslo Epoch at åpne vektmodeller ligger seks til sju måneder bak den lukkede frontieren; AISI har estimert fire til sju måneder (MSN/Cryptopolitan).
Økonomi, lisens – og uavklart pris
Effektiviteten er et sterkt kort i Mistrals bord, men påstandene må skilles fra målingene. Mistral hevder at ML4 oppnår sammenlignbar ytelse med GLM-5.3 med 47 prosent færre tokens per oppgave (TechCrunch). Uavhengig måling viser en kostnadsreduksjon på 63 prosent per Intelligence Index-oppgave sammenlignet med forhåndsvisningen, fra 5,54 til 2,06 dollar (VentureBeat). De to effektivitetstallene er ikke direkte sammenlignbare, siden underliggende oppsett og innstillinger ikke er spesifisert i kildene.
Selve API-prisen er derimot uavklart i kildene. VentureBeat oppgir 0,70 dollar per million inntokens og 2,10 dollar per million uttokens. OrcaRouter leste derimot Mistrals prisside 30. oktober som en listpris på 1,36/4,18 dollar (med 0,14 dollar for bufrede tokens) med en halvprislanseringskampanje på 0,68/0,07/2,09 dollar – uten publisert sluttdato (OrcaRouter). Om lavprisene er permanente eller kampanje, står uavklart.
Lisensen, Mistral Ecosystem Open-Weight License, er rapportert som relativt åpen: ingen inntektsterskel, og krav om separat kommersiell avtale gjelder kun hvis brukeren eller en tilknyttet enhet driver model-as-a-service-virksomhet, med visse unntak (VentureBeat).
Sikkerhetssiden: friheten som koster
Mistral sier at Large 4 nekter 96,6 prosent av skadelige cyberforespørsler – et selskapstall som ikke er uavhengig verifisert. Men når vektene først er lastet ned, kan sikringene fjernes, peker rapporteringen på. Britiske AI Security Institute (AISI) advarer om at private kopier ikke kan overvåkes eller trekkes tilbake (MSN/Cryptopolitan). Det er samme struktur som gjør suverenhetsargumentet gyldig: Det som garanterer tilgang, garanterer også at ingen kan stenge døren.
Mistral ga dessuten sine første testpartnere en versjon med færre sikkerhetsgrep og «utvidede cyber-evner», i mønster etter Anthropics Project Glasswing og OpenAIs Astra-utrulling (ZDNET). Til dato er risikoen teoretisk: Per 30. oktober er ingen dokumenterte cyberangrep knyttet til de utgitte vektene.
Hva dette betyr
For norske og europeiske virksomheter som vurderer on-premise KI, gir utgivelsen et reelt valg: en modell som kan eies, tilpasses og kjøres bak egen brannmur, med lisensvilkår som tillater de fleste interne bruksområder uten ekstra avtale. Men det som er verifisert så langt, er primært prisen per oppgave og den samlede poengsummen utenfor Kina – ikke lederskap på cyber eller agentisk koding. Cyber-indeksen plasserer Large 4 bak både kinesiske og amerikanske konkurrenter, og gapet til den lukkede frontieren er ifølge uavhengige analyser fortsatt måneder, ikke dager.
De åpne spørsmålene: om lanseringsprisene varer, om token-besparelsene holder i reelle arbeidsmengder, og om sikringene i vektene faktisk er robuste mot fjerning. Mistrals frontier-krav er, så langt kildene viser, et utsagn – ikke et målt resultat.