Mistral Large 4: een Europees AI-model van 1.000 miljard parameters, bijgenaamd Le Chonk

7 oktober 2026 · door Ben · 6 min leestijd

Het Franse AI-bedrijf Mistral heeft op 6 oktober 2026 een publieke preview van Mistral Large 4 uitgebracht, officieel bijgenaamd „le Chonk”. Het model telt 1.000 miljard parameters, waarvan er 49 miljard tegelijk actief zijn, begrijpt tekst en beelden, en werd volgens Mistral getraind op 3.800 GPU’s van Nvidia in de eigen Europese datacenters. De API kost 1,36 dollar per miljoen invoertokens en 4,18 dollar per miljoen uitvoertokens. Mistral wil de gewichten tegen eind oktober vrijgeven, zodat bedrijven het model ook zelf kunnen draaien.

Of: waarom een warenhuis groot mag zijn, zolang je maar door drie gangen moet

AI-bedrijven geven hun modellen graag namen die klinken als sterrenstelsels of Griekse goden. Mistral noemt zijn grootste model naar een dikke kat. „Onofficieel ML4, heel officieel: le Chonk”, schrijft het bedrijf in zijn aankondiging. „Chonk” is internettaal voor een mollig dier, meestal een kat die zijn eetlust niet verbergt. Het woord laat weinig twijfel over wat het belangrijkste kenmerk van het model is.

Mistral Large 4: wat er gelanceerd werd

De cijfers

Mistral Large 4, kortweg ML4, telt 1.000 miljard parameters, waarvan er bij elke stap 49 miljard actief zijn. Het begrijpt tekst en beelden en antwoordt in tekst. Mistral omschrijft het als een model dat gewone instructies, redeneren en het werk van een AI-agent in één combineert. Het werd van nul af getraind op 3.800 GPU’s van het type Nvidia Grace Blackwell, in de eigen datacenters van Mistral in Europa.¹ De trainingsdata waren voor een groot deel meertalig, in meer dan 160 talen, waaronder alle officiële talen van de Europese Unie. Het Nederlands zit er dus bij.

Sinds 6 oktober 2026 kun je de preview gebruiken via de API van Mistral Studio, voor 1,36 dollar per miljoen invoertokens en 4,18 dollar per miljoen uitvoertokens. Mistral wil de gewichten van het model „tegen het einde van de maand” vrijgeven.

Wat Mistral belooft

Volgens Mistral doet ML4 het even goed als de sterkste open modellen ter wereld, en duidelijk beter dan elk open model uit de Verenigde Staten of Europa. Een greep uit de cijfers die het bedrijf zelf publiceert:

Programmeren: 61,7 procent op DeepSWE v1.1 en 28,3 procent op Terminal-Bench 4. Op een gecombineerde index voor programmeeragenten scoort het hoger dan DeepSeek V4 Pro en Qwen3.8 Max, twee Chinese open modellen.
Kantoorwerk: 59,9 procent op AutomationBench, een test met 657 bedrijfsprocessen in apps als Gmail, Google Sheets, Slack en Salesforce.
Beelden: op Dense 200, een test die vraagt om voorwerpen in drukke beelden precies aan te wijzen, haalt het 42 procent, net meer dan de 41 procent van GPT-6 Astra.
Cyberbeveiliging: volgens Mistral een plaats in de wereldwijde top vijf van de Cyber Index van Artificial Analysis, en de beste score van alle modellen, 82 procent, op een test die vraagt een echt lek in opensourcesoftware na te bootsen en daarna te dichten.

Die laatste test heeft een opvallend detail. Volgens Mistral scoren gesloten modellen als Claude Opus 5.5 en GPT-6 Astra er bijna nul op, omdat ze weigeren de opdracht uit te voeren.²

Een kanttekening hoort erbij. De meeste van die cijfers komen van Mistral zelf, en het model is een preview die volgens het bedrijf „snel blijft verbeteren”. Onafhankelijke tests volgen meestal pas als de gewichten vrij zijn.

Hoe een model van 1.000 miljard toch betaalbaar blijft

Dat ML4 niet onbetaalbaar is, komt door de bouw. Het is een zogenaamd mixture-of-experts-model: het bestaat uit vele deelnetwerken, en voor elk stukje tekst kiest een soort verdeelstation welke paar experts aan het werk gaan. Van de 1.000 miljard parameters doen er per stap 49 miljard mee.

Het beste beeld is een groot warenhuis. Het heeft duizend gangen, maar een klant die een schroevendraaier zoekt, loopt er maar door drie. De kosten van zijn bezoek hangen af van die drie gangen, niet van de duizend. Daarom kan Mistral een reus verkopen tegen de prijs van een middelgroot model.

Duw het beeld één stap verder, want daar zit de vangst. Ook als elke klant maar drie gangen gebruikt, moet het hele warenhuis gebouwd zijn en verwarmd worden. Wie ML4 zelf wil draaien, moet alle 1.000 miljard parameters in het geheugen houden, ook de experts die even niets doen. Een ruwe rekensom: met een byte per parameter is dat zo’n 1.000 gigabyte geheugen, met een halve byte nog altijd 500.³ Open gewichten betekenen dus niet dat het model op je laptop draait. Ze betekenen dat een Europees datacenter, of je eigen serverruimte als die heel groot is, het zonder Mistral kan draaien.

Europees, en dat is de boodschap

Mistral legt de nadruk op waar het model vandaan komt. Het werd getraind in de eigen Europese datacenters, en de preview draait op dezelfde infrastructuur. Mistral belooft ook een Europese versie die het bedrijf volledig zelf beheert, onafhankelijk van andere digitale dienstverleners en onder Europees recht. ML4 is volgens Mistral de eerste mijlpaal van een investeringsronde van 3 miljard euro, die het bedrijf de grootste noemt die een Europees technologiebedrijf ooit ophaalde.

Tot de gewichten vrijkomen, test Mistral het model in de praktijk samen met leiders in cyberbeveiliging, geselecteerde partners en overheden. Die krijgen, schrijft Mistral, hetzelfde model „met minder moderatie en uitgebreidere cybercapaciteiten”. Dat is een eerlijke zin, en een die je twee keer leest.

Kmo-Kristof: Een Europees model, open, en het heet Le Chonk. Dat installeer ik op onze server.
Security-Sofie: Hoeveel geheugen heeft die server?
Kmo-Kristof: 32 gigabyte.
Security-Sofie: Dan past er ongeveer drie procent van de kat in.

Wat het betekent voor je zaak

Voor een kmo is ML4 vooral interessant om drie redenen, en geen van drie heeft met het aantal parameters te maken.

Europese verwerking: wie AI gebruikt voor klantgegevens, heeft met een Europese aanbieder en een Europese datalocatie een eenvoudiger verhaal onder de GDPR. Een verwerkersovereenkomst blijft wel nodig.
Open gewichten: vanaf eind oktober kunnen ook andere hostingbedrijven het model aanbieden, binnen de licentie die Mistral nog moet bekendmaken. Dat geeft keuze, en een uitweg als je ooit wilt wisselen.
De prijs: 1,36 dollar per miljoen invoertokens en 4,18 dollar per miljoen uitvoertokens is voor de meeste kleine toepassingen een klein bedrag. Een offerte van een paar bladzijden laten nalezen en herschrijven kost rond een cent.

Wat je best niet doet: een belangrijk proces bouwen op een preview. Het model verandert de komende weken, en wat vandaag werkt, kan morgen anders antwoorden.

Een dikke kat als Europees antwoord

Het is veelzeggend dat Europa’s grootste open model geen godennaam kreeg, maar die van een kat die net iets te veel brokjes kreeg. Het is zelfspot, en zelfspot past bij een bedrijf dat weet dat zijn eigen cijfers nog door anderen moeten worden nagerekend. Le Chonk is geen slank model. Voor wie zijn gegevens in Europa wil houden, is het wel een groot model dat daar zonder voorbehoud kan wonen.

Verschillende media schreven 4.000 GPU’s. Mistral zelf vermeldt in zijn aankondiging 3.800, en elders op dezelfde pagina „3k GPU’s” als huidige schaal voor de training met reinforcement learning. We volgen hier Mistral. ↑
Mistral stelt die weigering voor als een nadeel voor verdedigers, die eerst moeten bewijzen dat een lek echt bestaat. Op dezelfde pagina schrijft het bedrijf dat ML4 kwaadaardige vragen over cyberbeveiliging vaker weigert dan andere open modellen. Beide kunnen tegelijk waar zijn: het is het verschil tussen een slot openen om te tonen dat het stuk is, en een slot openen bij de buren. ↑
Een eigen benadering, geen cijfer van Mistral. Grote modellen worden vaak gecomprimeerd tot acht of vier bits per parameter. Daar komt nog geheugen bij voor de tekst die het model op dat moment verwerkt. ↑