Mistral releases Large 4 and opens the model weights, with improved coding capabilities
Mistral has released the model weights of its flagship model Large 4 (ML4), which was previously available only as an API preview. After three weeks of testing by customers and cybersecurity partners and further training with reinforcement learning, ML4's success rate on Terminal-Bench 4.0 rose from 28% to 41%, and two new reasoning effort levels, Low and Medium, were added. Mistral research lead Pierre Stock said that at equivalent capability the new version uses about 50% fewer tokens than the preview; the weights became available for download on Hugging Face at 19:00 and are also offered through the Mistral API and the coding assistant Vibe.
Why read this
AI score 75
The original text provides ML4's open weights, Terminal-Bench 4.0 scores and a token consumption comparison, which can be used to assess where open-source models stand on agentic coding.
Topics
Body
close notice
This article is also available in English.
It was translated with technical assistance and editorially reviewed before publication.
.
Weiterlesen nach der Anzeige
Das französische KI-Unternehmen Mistral hat die Gewichte seines Spitzenmodells Large 4 (ML4) veröffentlicht. Das Anfang Oktober vorgestellte Modell soll nach zusätzlichem Training vor allem beim Programmieren besser sein. Bislang war das Modell nur als Vorabversion über eine API verfügbar.
Mistral hat das Modell nach eigenen Angaben drei Wochen lang mit Kunden und Cybersicherheitspartnern getestet und mit Reinforcement Learning nachtrainiert. Dabei seien viele Rückmeldungen eingeflossen.
Neu sind die Reasoning-Stufen Low und Medium neben der bereits verfügbaren Stufe High. Die neue Version benötige zudem bei gleicher Leistungsfähigkeit rund 50 Prozent weniger Token als die Vorabversion, sagt Pierre Stock, der bei Mistral den Forschungsbetrieb leitet.
Für Coding und Cyberabwehr optimiert
Wie bei der Vorabversion hebt Mistral agentisches Programmieren und Cyberabwehr als Stärken des Modells hervor. Im Programmierbenchmark Terminal-Bench 4.0 stieg die Erfolgsquote laut Mistral von 28 auf 41 Prozent. Damit erreicht ML4 ungefähr das Niveau von GLM-5.3 (42 Prozent), liegt aber deutlich hinter Kimi K3.1 Pro (67 Prozent) und geschlossenen Spitzenmodellen wie Gemini 4 Carbon (65 Prozent), wenn man Tests von Artificial Analysis (AA) heranzieht. Die Kimi-Gewichte sollen Anfang November erscheinen.
Unter Berufung auf den Coding Agent Index von AA bezeichnet Mistral Large 4 als weltweit bestes offenes Modell für agentisches Programmieren. Bei vergleichbarer Leistung benötige es 47 Prozent weniger Token pro Aufgabe als GLM-5.3. Die entsprechenden Ergebnisse waren zum Zeitpunkt der Recherche nicht öffentlich einsehbar.
Für die Cyberabwehr präsentiert Mistral Ergebnisse aus dem von AA verwendeten CyberGym-E2E-Benchmark. Dieser prüft, ob KI-Agenten Sicherheitslücken erkennen, reproduzieren und beheben können. ML4 soll 79 Prozent erreichen und damit gleichauf mit Xiaomis MiMo-V2.6-Pro liegen. Das Ergebnis der neuen ML4-Version ließ sich zum Zeitpunkt der Recherche nicht unabhängig nachprüfen. Die aktuelle Rangliste von AA führt Kimi K3.1 Pro mit 95 Prozent an.
Weiterlesen nach der Anzeige
Mistral will in kürzeren Abständen Spitzenmodelle liefern
Zwischen den Veröffentlichungen der letzten beiden Mistral-Spitzenmodelle liegen zehn Monate. Stock führt die Pause auf den Aufbau eigener Rechenzentren in Europa und die Entscheidung zurück, verstärkt auf Reinforcement Learning zu setzen. Künftig wolle Mistral Modelle schneller veröffentlichen.
„Wir sind ein Frontier-Lab und wollen Spitzenmodelle trainieren“, sagt Stock im Gespräch mit heise online. Die jüngste Finanzierungsrunde über drei Milliarden Euro soll in Zukunft mehr Rechenleistung ermöglichen.
Die ML4-Modellgewichte stehen ab 19 Uhr auf Hugging Face zum Download bereit. ML4 ist außerdem über Mistrals API und für ausgewählte Nutzer des Coding-Assistenten Vibe verfügbar.
(tobe)