Mistrals grootste openweightmodel Le Chonk is uit

Het Franse AI-bedrijf Mistral heeft de weights van zijn Large 4-model openbaar gemaakt. Het bedrijf kondigde het krachtigste model, ook wel 'Le Chonk' genoemd, eerder deze maand aan. Het model bestaat uit een biljoen parameters en is daarmee het grootste openweightmodel buiten China.

Mistral schrijft dat Large 4, zoals het model officieel heet, definitief beschikbaar is. Het model is te gebruiken via de api van Mistral, maar het bedrijf heeft ook de weights uitgebracht op Hugging Face. Mistral kondigde Large 4, dat het bedrijf ook wel Le Chonk noemt, eerder deze maand al aan, maar daarbij ging het nog om een preview.

Het openweightmodel bestaat uit 49 miljard actieve en 1 biljoen totale parameters. Daarmee is het zowel in Europa als de VS het grootste openweightmodel, al heeft het Chinese DeepSeek openweightmodellen die groter zijn, net als Kimi K3 van Moonshot AI en Qwen 3.8 van Alibaba.

Le Chonk kost 70 dollarcent per miljoen inputtokens, 7 dollarcent per miljoen gecachete inputtokens en 2,10 dollar per miljoen outputtokens. Het model is verder beschikbaar onder Mistrals eigen licentie, die een aangepaste versie van de MIT-licentie is.

Update, 14.48 uur – In het artikel stond aanvankelijk dat Kimi en Qwen van DeepSeek waren. Dat klopt niet en is aangepast.

Reacties (26)

[Luchtbakker]

Interessant. Als ik naar de benchmarks kijk op gebied van coding, zitten ze heel dicht op de hielen van GPT-6.1 Sol, Claude Opus 5.5 en Claude Fable 5.1, en staan ze op nummer 5.

https://livebench.ai/#/?cats=Coding

Krijgt Europa eindelijk de kans de grote reuzen te evenaren?

[HostMan]

Ik heb Le Chonk zeer uitgebreid getest en dezelfde opdrachten laten uitvoeren als Opus en GLM 5.3, maar helaas zat er echt een mega groot verschil in de kwaliteit van de output.

Ik begrijp echt niet hoe deze benchmarks ontstaan.

Desalniettemin is dit een mega stap vooruit ten opzichte van hun vorige model.

[Reactie gewijzigd door HostMan op 30 oktober 2026 15:26]

[Cybje]

Ik krijg zelf ook het idee dat Large 4 in benchmarks relatief matig presteert, terwijl het in werkelijkheid heel goed meekomt. Het loopt nog wel achter op modellen als Opus 5.5 en Fable 5.1 natuurlijk, maar de prijs is ook heel veel lager. Voor wat je betaalt krijg je een heel krachtig model. Naast dat Mistral als USP ook EU residency heeft, wat een stuk makkelijker is als je werk/klant GDPR compliancy belangrijk vindt.

Ik gebruik AI voor coding, security en IAM werk. Large 4 presteert dan zeker beter dan GLM 5.3 (ik neem aan dat je die bedoelt, niet 3.5).

[Reactie gewijzigd door Cybje op 30 oktober 2026 15:19]

[HostMan]

Ja zeker! Ik heb hem vooral in de preview getest dus misschien ben ik wat negatiever dan nodig, ik weet niet hoeveel er is veranderd nu hij uit de preview is.

In veel workflows gebruik ik GLM 5.3 (gehost bij Mistral), in de preview liet ik tegelijkertijd alle opdrachten als dry-run ook door Le Chonk verwerken maar GLM 5.3 won eigenlijk altijd.
Antwoorden waren simpelweg beter en consistenter en tool-calling werkte ook betrouwbaarder.
Ik zal ditzelfde de komende dagen weer doen, even checken of ze hem toch stiekem hebben verbeterd tijdens de preview periode.

[keranoz]

Ik gebruik zelf ook vooral GLM 5.3 en heb Large 4 een beetje getest voor mijzelf toen het kwam en vond ook GLM 5.3 echt een stuk beter dan Large 4, en ook een stuk sneller, misschien dat het nu beter is maar Large 4 was echt een stuk trager toen. Zelfs op max think was GLM 5.3 sneller. Allebei uiteraard via Mistral getest. (API/Vibe).

Desalniettemin is het inderdaad een stuk beter dan Medium 3.5, maar ik zou zeggen dat zelfs Large 4 nog niet kan tippen aan Sonnet 5.5, laat staan Opus 5.5 (ik gebruik eigenlijk nooit OpenAI modellen dus geen idee daarvan)

[caspervc]

Zou wel goed zijn voor de positie van Europa (dat toch vaak wordt weggezet als vergane glorie) als we (iig het Franse Mistral) nog redelijk mee kan in deze tech wedloop.

[MSalters]

Op andere lijstjes staan ze op het nivo van Luna, niet Sol. Het is met ruime afstand het beste Europese alternatief, maar dat is niet zo indrukwekkend.

[dipje2]

Mijn ervaring met de preview is heel anders.... al nog eens kijken of dit anders is geworden met de final release.

[r5d]

al heeft het Chinese DeepSeek openweightmodellen die groter zijn, zoals Kimi K3 en Qwen 3.8.

Beide zijn niet van DeepSeek. Kimi is van Moonshot en Qwen van Alibaba. Allen zijn inderdaad Chinees.

[Elminster]

Ja, maar Claude van OpenAI, en ChatGPT van Antropic zijn toch beter.

[cosmo_roel]

is dit lokaal te draaien?

[HostMan]

Als je eigen AI servers hebt wel, anders niet.

[AcidBanger]

Wat zouden de specs moeten zijn voor dit?

[HostMan]

Voor consumenten: minimaal een Mac Studio met M5 Ultra en minimaal 512GB RAM, kost zo'n €22k :-).

Daarmee wordt het nog steeds krap.

De motivatie achter dergelijke open-weight modellen is om het voor grotere bedrijven mogelijk te maken hun eigen modellen te hosten en alle data binnenshuis blijft, maar dan heb je hier wel gewoon een paar Nvidia H200 servers voor nodig en ben je zeker een ton verder.

[Wilke]

Een 19" rack vol H200's is een aardig begin. Vergeet niet de 150 kW power supply en bijbehorend koelsysteem die die 150 kW weer weg weet te werken.

(Ja, het minimum zal vast minder zijn, maar realistisch gezien kun je alleen de kleinere modellen lokaal draaien, en dat alleen als je er orde €50k tegenaan kunt gooien.)

[Coy]

Indien een cluster ter waarde van een gemiddelde woning in NL voldoet aan de definitie van "lokaal", ja.

Voor volle precisie heb je meerdere compute clusters (meerdere systemen met bijv 8x H200) nodig. Voor de kleinste quantize van unsloth volstaan 2x DGX sparks, hoewel de snelheid waarschijnlijk te wensen over laat.

Bron: https://unsloth.ai/docs/models/mistral-large-4

[timeraider]

Ongeacht wat de benchmarks zeggen.. Tijdje getest en het is echt niet op het niveau van de rest en vele malen duurder.

[Cybje]

Zo duur is Large 4 toch niet? Voor de token prijs krijg je vergeleken met Anthropic en OpenAI een krachtiger model, is mijn ervaring. En EU residency, wat qua GDPR compliance handiger is. En in het algemeen is het denk ik wel goed om Mistral te steunen, zodat we als EU ook sterk staan qua AI.

[poktor]

Helemaal mee eens! En hoe meer mensen Mistral financieel steunen, hoe beter Mistral zal worden, denk ik. We hebben Mistral gewoon keihard nodig als Europees tegenwicht tegen de vs en china. We mogen absoluut niet achterblijven, want wie weet wat voor idioterie die oranje clown in de vs nog uit gaat halen.

[HostMan]

Helaas is GLM 5.3 (ook via Mistral te gebruiken) nog steeds een stuk beter voor de meeste doeleinden en kan ik een switch naar Le Chonk nog niet verantwoorden.

Maar: dit is een goede ontwikkeling. Met dit model leggen ze een basis om snel door te ontwikkelen en omdat ze nu GLM via hun API aanbieden trekken ze een grote nieuwe groep klanten aan wat hun groei vast kan financieren, zoals ik.

[Reactie gewijzigd door HostMan op 30 oktober 2026 15:26]

[Scribe]

Laat vooral zien dat in de VS ze niks om open source geven! Blij dat we een Europees alternatief hebben, maar hoop dat Mistral ook verder onderzoek doet naar modellen efficienter maken ipv groter

[Bedge85]

Kan iemand ook uitleggen wat de motivatie van Mistral is om dit te doen? Proberen ze op deze manier bijvoorbeeld de waarde op de beurs van OpenAI of andere Amerikaanse AI aanbieders naar beneden te halen.

Ik vraag dit omdat ik denk dat het trainen van Le Chonk een enorme financiële investering is voor Mistral en ik niet direct het zakelijke voordeel voor Mistral zie dat ze dit openbaar maken.

[HostMan]

Ik heb van Mistral zelf begrepen dat ze dit model als basis kunnen gebruiken om hun volgende modellen nog een stuk sneller en beter te trainen, als een vliegwiel in feite.

Bij Anthropic en OpenAI ging het ook heel hard vanaf het moment dat ze hun nieuwere modellen konden trainen met hun bestaande modellen, op dat punt is Mistral nu ook.

Toevoeging:
Een van de redenen dat Mistral open modellen maakt is dat zij als dienst aanbieden deze modellen on-premise te draaien bij hun klanten, grote bedrijven. Je kunt je voorstellen dat een bedrijf als ASML wel AI wilt gebruiken, maar uiteraard hun data niet naar servers van andere bedrijven wilt sturen.

Zij zullen dan (waarschijnlijk ook waarom ze hebben geïnvesteerd in Mistral) de modellen van Mistral tegen een vergoeding op hun eigen infrastructuur gaan hosten, zodat er geen enkele data buiten het netwerk van ASML wordt gestuurd.

[Reactie gewijzigd door HostMan op 30 oktober 2026 15:44]

[samida]

In EU krijg je geen funding als je niet aan opensource doet. Ook gebruiken overheden geen EU tools die niet opensource zijn. Zo wordt Mastodon en Fluxer ook allemaal medegefund met EU subsidies door delen/clients opensource te maken. Zelfde truc doet Mistral.

Het is erg jammer dat we in EU wel grote bakken geld gooien naar closed sourced amerikaanse tech, maar binnen de EU enkel helpen als je ook alles wil publiceren. Dat vervolgens weer gekopieerd wordt door de amerikanen met AI. Top idee.

[Reactie gewijzigd door samida op 30 oktober 2026 15:34]

[AnonymousGerbil]

... het zakelijke voordeel voor Mistral zie dat ze dit openbaar maken.

Het zou zomaar kunnen dat enkele belangrijke klanten het "open" zijn van het model als voorwaarde hebben gesteld.

Zowel voor het in eigen beheer houden van informatie als voor de extra zekerheid dat ze het model voor hun processen kunnen behouden mocht er iets mis gaan bij mistral.

[Reactie gewijzigd door AnonymousGerbil op 30 oktober 2026 15:42]

[Aduen]

Veel van mij coding taken zijn "agentic", unit-tests, reviews, refactorings. Daar zakt Mistral flink weg. Enkel de "coding" benchmark is niet een goede weerspiegeling voor daadwerkelijk gebruik binnen bijv. Copilot in Agent mode.