Europese Mistral brengt openweightmodel Large 4 met biljoen parameters uit

Het Franse Mistral heeft zijn krachtigste AI-model tot dusver aangekondigd, Large 4. Volgens de fabrikant presteert dit model beter dan alle andere openweightmodellen buiten China. Large 4 zou vooral goed presteren op het gebied van cybersecurity.

De Franse AI-maker trainde het multimodale Large 4-model in Europese datacenters met 3800 Nvidia Grace Blackwell-gpu's. Het model bestaat uit 49 miljard actieve en 1 biljoen totale parameters. Dat aantal zou hoger zijn dan dat van elk ander openweightmodel uit de VS en Europa. De meeste openweightmodellen komen echter uit China. Onder meer het Chinese DeepSeek heeft grotere openweightmodellen.

Mistrals vlaggenschip-llm zou vooral uitblinken in cybersecuritytaken. In de Artificial Analysis Cyber Index staat het model in de top 5, vlak achter OpenAI's GPT-6 Luna. Bij programmeertaken loopt het model nog wel enigszins achter op de concurrentie.

Large 4 is nu beschikbaar als preview. Mistral belooft het model op 27 oktober open source beschikbaar te stellen. Het is niet duidelijk onder welke opensourcelicentie. Het Large 3-model werd afgelopen december uitgebracht onder een Apache 2.0-licentie.

Artificial Analysis Cyber Index

Reacties (31)

[eli_r]

In mijn volledige leven op deze aardbol heb ik misschien 3x iets met LLM gedaan. Wat is de usecase voor een gewone burger?

[imp4ct]

Dat lijkt me raar, want gewoon wat zaken zitten opzoeken gebruikt al een LLM volgens mij. Het vertaalt je vraag naar hetgeen waar je naar wilt zoeken naar iets wat voor het zoek model optimaal is.

De woordvoorspeller van bv. je berichten app op je mobiele telefoon bevat tegenwoordig ook een zeer kleine LLM en ga zo maar door.

Ik denk dat in je dagelijkse leven op deze aardbol je vaker in aanraking komt met een LLM dan je zou denken

[dormamu]

De woordvoorspeller van bv. je berichten app op je mobiele telefoon bevat tegenwoordig ook een zeer kleine LLM en ga zo maar door.

Volgens mij gebruikt een woordvoorspeller n-grams om het volgende woord te voorspellen. Is een n-gram tabel ook een LLM?

[Caelorum]

Een hybride architectuur van SLMs + n-grams. Zie bijv. https://jackcook.com/2023/09/08/predictive-text.html voor hoe Apple het doet en iets van achtergrond voor Google's GBoard: https://research.google/b...n-device-language-models/
Er zijn ook wat papers over zoals bijv. https://www.researchgate....xt-Word_Prediction_Models

Eigenlijk is er een hoop de afgelopen jaren in de SLP en NLP space richting transformers gegaan.

[Reactie gewijzigd door Caelorum op 6 oktober 2026 20:21]

[GrooV]

ChatGPT is ook llm

[eli_r]

Dat heb ik dus driemaal gebruikt.

[pietvelleman]

Als je google gebruikt en de resultaten leest (laat ik het heel precies formuleren)... dan heb je LLM's een stuk vaker gebruikt dan 3x...

[Rob Voets]

DuckDuckGo en ai uit.

[Subae]

Best indrukwekkend om tegelijk in de groep te zitten met een account op Tweakers, én amper of geen LLM's te gebruiken. Het gekke is dat je een LLM zelf kan vragen om use cases voor te stellen.

[Scribe]

Heb ik ook wel eens gedaan, maar nog nooit echt iets nuttigs uitgekomen...

Komt vaak neer op dat ik iets in de helft van de tijd kan doen met ook de helft van de kwaliteit. Als kwaliteit niet uitmaakt zijn het vaak ook dingen die je of gewoon zelf kan doen of gewoon beter helemaal niet kan doen.

[Unstable Element]

Ik laat mijn vergaderingen notuleren door een LLM en dat is eigenlijk super praktisch. Na afloop heb ik een transcriptie en een samenvatting met de actie punten en losse eindjes in een mooi markdown bestand. Dat scheelt mij al snel een uur of meer per dag vergaderingen uitwerken.

[Fjodor_NL]

Voor de gewone burger worden LLM's gebruikt als zoekmachine, spellcheck, vertaalhulp, maar ook email-schrijver en online vriend/support persoon is niet ongebruikelijk.

Of het voor al deze functies ook goed/ideaal/handig is is een ander verhaal natuurlijk (zeker ook in de context van het gebruik van resources in verhouding met het nut)

[jorisvergeerTBA]

Dat hangt zeer af van je eigen vrije tijd en werk. Maar LLM zijn zeer goed in staat om informatie te verwerken.

Het kan een interface zijn voor een zoekmachine.

Het kan gestructureerde informatie uit lappen tekst halen. Of andersom, een enorme lap tekst maken van prima leesbare gestructureerde informatie.

Het kan je home assistant specifieke integraties en systemen schrijven exact naar jouw wens.

Het kan hele code reviewen, schrijven, fixen en precies dingen laten werken zo goed als van ze gevraagd word.

Eigenlijk kan het net zoveel als de prompt schrijver kan specificeren.

[flossed]

Best veel usecases, maar miet wel bedacht mee omgaan. Als je chatgpt of claude gebruikt komen de gegevens terecht bij die bedrijven. Zelf een mistral thiis draaien kan dat oplossen. Maar over de usecases, je belasting aangifte , bloedresultaten van het lab , koopactes van huis, gelijk welke contract dan ook. Zaken die je normaliter aan een professional vraagt, met een llm kan je gerichter acteren, de winst op je zonnepanelen simuleren kijken hoe groot je thuis batterij is. Zien of er hsndige besparingen gemaakt kan worden op je huishoud boekje. De footprint van je nieuwe computer betekenen , issues met embedded systemen oplossen? Zelf rss readers maken of je eigen firewall recursive dns.

[jj71]

Waarschijnlijk gebruik je elke dag systemen waar LLM's achter zitten, alleen weet je het zelf niet. Google Search en alle andere grote search engines maken tegenwoordig gebruik van LLM's, en ook zit het in telefoons, smartwatches, Windows en macOS, en natuurlijk ChatGPT, Claude en alle andere AI tools waar mensen mee werken.

[Kheos]

da's zoals in het jaar 2008 zeggen dat je misschien 3x iets met het internet hebt gedaan en dat je je afvraagt wat de use case is.

[eli_r]

Maar is dat echt zo? Ik kan nog steeds alles op internet vinden wat ik wil en ik kan er nog steeds op doen wat ik altijd deed, en m'n dagelijkse leven gaat gewoon door zoals het de afgelopen 40 jaar heeft gedaan. Wat voegt "ai" toe wat ik niet al deed kon?

[Bever!]

Ongeveer ons hele bedrijf werkt ermee, en alle bedrijven waar ik kom idem.. get with the program?

[DurQ]

Dat is niet een antwoord op zijn vraag.

Ik gebruik LLM's prive en op het werk. Vooral om snel informatie op te zoeken zonder zelf allerhande bronnen uit te hoeven kammen. En dat kan natuurlijk voor uiteenlopende onderwerpen zijn.

[PjotterP]

Vraag het eens gratis aan google ai search..

[squareware]

Waar ik het voor gebruik: ben nu bezig met m'n huis opruimen. Ik maak een hele rits aan foto's met items die ik wil verkopen. De ai zoekt uit wat het is, maakt een beschrijving en zoekt een prijs die markttechnisch gangbaar is + 20% voor onderhandelings ruimte. Ik vertel welke parameters een advertentie moet hebben (verzend methodes / bieden / standaard tekstje als: verzending k.k. endergelijke en de AI zet de advertenties online. Ik zou dagen werk aan hebben voor maar slechts een uurtje werk voor AI.

Ik kan zelfs de ai vragen om te onderhandellen maar dat gaat me het even te ver misschien volgende kaand eens proberen :-)

[Reactie gewijzigd door squareware op 6 oktober 2026 20:26]

[kaaas]

Ik laat een llm agent de bizarre chaos die de elektronische leeromgeving van mijn kinderen is omzetten naar een kloppende agenda en een map structuur gevuld met de les stof.

Samenvattingen maken doet ie ook als de beste. Vervolgens maak je er een podcast van.

[DrVic]

Ik kan je deze serie podcasts aanraden.

https://www.theguardian.com/technology/series/blackbox

Geeft een van de use cases (met goede en slechte voorbeelden). Ik gebruik het zelf als Wiki vervanger - Als ik op mijn xbox een spel speel, vraag ik (voice chat) aan Claude dingen op te zoeken over Palworld . Maar ook om snel een introductie over een bepaald onderwerp te krijgen.

[Exirion]

Leuk al die gigantische modellen, maar daar kunnen alleen bedrijven en researchers met een leuk budget gebruik van maken. Onder de populairste open weight modellen zijn er veel die op een machine met 128GB of 256GB te draaien zijn. Hopelijk komt Mistral snel met een kleinere variant van hun nieuwe generatie, want de achterstand in Europa wordt steeds pijnlijker. Uit China komen aan de lopende band nieuwe modellen die steeds meer leveren met compactere netwerken. Voorlopig zie ik Europa nog geen antwoord hebben op bijvoorbeeld Qwen 3.8 Flash Next, DeepSeek V4 Flash (0731), DeepSeek V4.1 en GLM 5.3 Flash. Zeer goed bruikbare modellen voor technisch agentic werk en meer.

[Sissors]

Dat je het niet lokaal kan draaien, betekend niet dat je er niks aan hebt zonder groot budget. Dan moet je alleen rekenkracht van een derde partij gebruiken.

Ik zou me zelf ook meer zorgen maken erover dat Europa geen alternatief heeft voor de grote modellen (Mistral is de beste, als je alle serieuze concurrenten niet meeneemt).

[Ossi]

Het zou mij verbazen als deze partijen geen illegaal verkregen materiaal gebruiken om hun middelen te trainen. Waar een partij als Mistral zich niet aan zou mogen wagen. Dus die strijd is zo scheef als wat.

[Evanesco]

Ik zal vast niet de enige zijn die zich dit afvroeg:

Een open-weight LLM is een groot taalmodel waarvan de getrainde parameters (de “gewichten”) publiek beschikbaar zijn om te downloaden, lokaal te draaien en eventueel aan te passen. Het tegenovergestelde wordt meestal closed-weight (of “closed/API-only”) genoemd: de gewichten zijn niet beschikbaar en je gebruikt het model alleen via een API of webinterface van de aanbieder.

[Zenomyscus]

Af en toe geef ik Mistral weer een kans voor een feature binnen ons product, dit model ga ik ook proberen. Tot nu toe komt geen enkel model in de buurt van deepseek-v4.1-flash wat betreft resultaat en prijs. Dit overigens een zeer specifieke taak die wij uit laten voeren. Maar ik ga dit model ook zeker weer testen. Af en toe worden we verrast.

[NoTechSupport]

Ik heb een abonnement bij Mistral voor mezelf persoonlijk wat te laten programmeren in VS Code via hun vibe plugin die als agent kan werken en ik vind het best goed (react Tauri app met tailwind). Ongetwijfeld niet het beste model, maar zeer bruikbaar.

[page404]

Ik gebruik nu mistral small 3.2 en die doet het echt lekker met Nederlandse taal. Geheugengebruik is nog acceptabel. Hoeveel geheugen heb ik dan nodig voor dit nieuwe model?

[Scribe]

Weights zijn nog niet publiek maar ben bang dat het flink tegen gaat vallen. Dit komt toch wel echt in de categorie "Mac Studio / (meerdere) DGX Spark's nodig" qua RAM-gebruik ben ik bang