Mistral Large 4: europæisk gigantmodel med fokus på cybersikkerhed

Hvad er nyt

Den franske AI-virksomhed Mistral har sendt sin nye model, Mistral Large 4, i offentlig preview den 6. oktober 2026. Den kan tilgås via Mistral Studio og Mistrals API og kører på Mistrals europæiske infrastruktur.

Modellen er multimodal, så den kan tage både tekst og billeder ind. Den er bygget som en Mixture-of-Experts-model: Den består af mange specialiserede »eksperter«, og kun en del af dem arbejder på hver opgave. Samlet har den omkring 1 billion (1.000 mia.) parametre, altså de tal modellen har lært. Mistral angiver 52 mia. aktive ad gangen, mens Techzine og Runtime Wire skriver 49 mia.

Modellen er trænet fra bunden på 3.800 Nvidia Grace Blackwell-GPU'er i europæiske datacentre. Det tog cirka to måneder. Ifølge Techzine kører den afsluttende fase med reinforcement learning (træning med belønning for gode svar) stadig.

Hvad er smart

Kontekstvinduet er på en million tokens. Det svarer groft sagt til meget lange dokumenter eller store mængder kode, som modellen kan holde styr på på én gang. Træningsdata dækker 160 sprog, herunder alle EU's officielle sprog. Den understøtter kodning, agent-arbejdsgange (hvor AI'en løser opgaver i flere trin), funktionskald, strukturerede svar og spørgsmål til dokumenter.

Mistral peger især på cybersikkerhed. Ifølge Mistral scorer modellen 82 procent på en test, hvor en kendt sårbarhed skal genskabes og rettes, og 93 procent på Cybench. Den skulle være top-5 globalt på Artificial Analysis Cyber Index.

Modellen er også tænkt som åben: Vægtene, altså selve modellens indre tal, er lovet udgivet ved udgangen af oktober, og flere medier nævner 27. oktober 2026. Det kan give virksomheder mulighed for at køre den selv og fastsætte egne sikkerhedsgrænser. Licensen for vægtene er ikke oplyst, og det fremgår ikke af kilderne, om udgivelsen er sket.

Billigere eller bedre?

I API-preview koster Large 4 0,7 dollar pr. million input-tokens og 2,1 dollar pr. million output-tokens. Der er ikke oplyst en månedlig pris for almindelige brugere. Det fremgår heller ikke af kilderne, hvordan priserne står mod konkurrenternes.

På kvalitet er det Mistrals egne tal, der gælder, og de er ikke uafhængigt verificeret. Mistral oplyser 61,7 procent på DeepSWE v1.1, 59,4 procent på SWE-Atlas-QnA og 59,9 procent på AutomationBench. I en blind menneskelig vurdering af kodekvalitet skulle modellen være nummer to. På visuel forankring (Dense 200) slår den ifølge Mistral GPT-6-Astra med 42 mod 41 procent.

Mistral hævder desuden, at modellen er den stærkeste uden for Kina med stor margin, og at den hører til blandt verdens bedste åbne modeller. Konkurrenterne i dækningen er kinesiske modeller fra DeepSeek, Alibaba, Moonshot og Z.ai (GLM-5.2), Reflection AIs Beam samt lukkede modeller fra OpenAI og Anthropic. Der er også bagsider: Techzine nævner, at modellen kun scorer 15 procent på Harveys juridiske agent-benchmark, hvilket Techzine tolker som tegn på, at selvstændigt juridisk arbejde stadig er svært for AI.

Det er den god til

Modellen er især målrettet kodning, automatisering af arbejdsgange og sikkerhedsarbejde. Mistral mener, at virksomheder og regeringer kan bruge den til at forsvare sig mod angribere, der får lukkede modeller til at bryde egne regler (jailbreaking). På B3 AI Security Benchmark modstår den ifølge Mistral 93,3 procent af angrebene.

For europæiske virksomheder kan det være en fordel, at modellen er trænet og kørt i Europa og kan flere EU-sprog. Det fremgår dog ikke eksplicit af kilderne, hvordan tilgængeligheden er i Danmark.

Udgivelsen er trinvis: først en moderet API, mens Mistral fortsætter red-team-arbejde og tester med udvalgte cybersikkerhedspartnere, derefter vægtene. Runtime Wire advarer om, at kontrol hos brugerne også gør det lettere at fjerne sikkerhedsforanstaltninger, når vægtene er ude. Uafhængige tests og rigtige installationer må vise, hvad det betyder i praksis.