Gepubliceerd: 29 oktober 2026
Mistral AI heeft op 29 oktober de gewichten van Mistral Large 4 op Hugging Face gezet, drie weken na de preview. Elke organisatie mag het Europese model van 1 biljoen parameters nu downloaden, aanpassen en commercieel gebruiken. Alleen bedrijven die het als dienst aan klanten aanbieden, hebben een aparte licentie van Mistral nodig. Zelf draaien vraagt wel om datacenterhardware: zelfs een gecomprimeerde versie heeft een server met vier Nvidia B200- of B300-GPU’s nodig.
Alleen wie Large 4 als dienst verkoopt, heeft een commerciële licentie nodig
Large 4 valt onder de Mistral Ecosystem Open-Weight License, volgens Mistral een aangepaste MIT-licentie. Je mag het model gratis gebruiken, aanpassen, finetunen en commercieel inzetten, met één voorwaarde. Bedrijven die een model-as-a-service aanbieden, hebben eerst een aparte commerciële licentie nodig.
Draai je het model voor je eigen medewerkers, bijvoorbeeld bij een bank, ministerie of fabrikant, dan betaal je geen licentiekosten. Een Nederlandse cloud- of hostingpartij die Large 4 aan klanten wil aanbieden, moet eerst een contract met Mistral sluiten. De aankondiging zegt niet waar een beheerde omgeving voor één klant ophoudt en een modeldienst begint. Zit je plan in dat grijze gebied, lees dan het licentiebestand op de pagina van Mistral Large 4 op Hugging Face voordat je erop bouwt.
Verwerkt de API van Mistral je gegevens in de EU?
Alleen als je het EU-endpoint van Mistral gebruikt, en dat kost 10% meer. Het standaardadres van de API belooft niets over de plek waar je prompts worden verwerkt. Het EU-endpoint stuurt de verwerking naar Europese servers, tegen 1,1 keer de lijstprijs. Volgens de documentatie draait niet elk model in elke regio, en Mistral zegt niet welke modellen er wel draaien. Vraag daarom eerst de modellijst van het EU-endpoint op voordat je erop vertrouwt. Accountgegevens, facturatie en gebruiksdata kunnen nog steeds buiten de regio worden verwerkt.
Mistral heeft Large 4 volgens eigen zeggen vanaf nul in Europa getraind. The Next Web meldt dat daarvoor 3.800 Nvidia Grace Blackwell-GPU’s zijn gebruikt, en dat de extra training plaatsvond op Mistrals eigen computers in Frankrijk. De modelkaart noemt meer dan 160 talen, waaronder alle officiële EU-talen. Nederlands zit er dus in.
Ook twee Nederlandse bedrijven staan in de aankondiging. Arnaud Hubaux, verantwoordelijk voor het AI-programma van ASML, noemt de eerste ervaringen met Large 4 veelbelovend, vooral waar hogere prestaties van een model ertoe doen. Coen Klaver, directeur cyber defense bij ABN AMRO, wijst op het belang van open en transparante AI voor de financiële sector.
Large 4 is vanaf vandaag op deze manieren beschikbaar:
- Mistral API: $0,70 per miljoen inputtokens, $0,07 voor gecachte input en $2,10 per miljoen outputtokens
- Model-ID in de API: mistral-large-4
- Ook via Mistral Studio, Vibe Code, OpenRouter, de gehoste endpoints van Nvidia en Microsoft Foundry
- Gewichten op Hugging Face, met kant-en-klare instellingen voor vLLM en SGLang en communityversies voor llama.cpp
Large 4 in eigen beheer vraagt om een GPU-server, niet om een werkstation
Large 4 is een mixture-of-experts-model. Het heeft in totaal 1 biljoen parameters, maar gebruikt er per token (een woord of deel van een woord) zo’n 52 miljard. Daardoor is het sneller dan je bij die omvang zou verwachten. Alle gewichten moeten wel in het GPU-geheugen passen.
Volgens The Next Web draait een gekwantiseerde versie, die minder geheugen gebruikt, op vier Nvidia B200- of B300-GPU’s. Mistral publiceert zo’n versie voor de Blackwell-chips van Nvidia, en de eigen voorbeelden op Hugging Face gaan uit van acht GPU’s. Het model leest tot 1 miljoen tokens tegelijk en verwerkt zowel tekst als afbeeldingen.
Kleinere versies komen eraan. Mistral zei tegen The Next Web dat het “in de komende maanden” gedistilleerde modellen uitbrengt, waaronder een versie die op een laptop draait. Een datum noemde het bedrijf niet.
Large 4 evenaart GLM-5.3 als codeeragent, maar op de brede ranglijst scoren Chinese open modellen hoger
Mistral gebruikte de drie weken sinds de preview voor extra reinforcement learning, een trainingsmethode die goede antwoorden beloont. Op Terminal-Bench 4.0, een test voor codeeragents die in een terminal werken, steeg Large 4 van 28% bij de preview naar 41%. In de grafiek van Mistral staat GLM-5.3 op 40% en DeepSeek V4.1 Flash op 31%, meldde The Next Web.
Op de Coding Agent Index van Artificial Analysis scoort Large 4 volgens Mistral 48%, vrijwel gelijk aan GLM-5.3. Het model heeft daarvoor 47% minder tokens per taak nodig, wat de kosten per taak drukt en niet alleen per token. Op de bredere Intelligence Index van Artificial Analysis haalt Large 4 een 26, volgens de modelkaart van Mistral. Dat is de hoogste score van alle open-weight-modellen uit westerse labs, maar Chinese open-weight-modellen scoren hoger.
Artificial Analysis test onafhankelijk, maar Mistral koos zelf welke resultaten het liet zien. Zie deze cijfers als reden voor een eigen test, niet als bewijs dat Large 4 bij jouw werk past.
Mistral past de beveiliging nog aan, en gedownloade gewichten blijven zoals ze zijn
Mistral geeft gescreende securitybedrijven, zoals Orange Cyberdefense, ook vroege toegang tot een aparte variant van Large 4 voor pentests en securityaudits.
Over het open model schrijft Mistral dat Large 4 in tests aanvallen op echte doelwitten weigerde, maar dat het model toch zou kunnen helpen bij echte aanvallen. Het bedrijf past de beveiliging daarom aan en blijft dat de komende maanden doen. Gewichten die je vandaag downloadt, krijgen die wijzigingen niet, tenzij je een nieuwe versie ophaalt. Host je het model zelf, dan bepaal je zelf de beveiliging eromheen: wie het mag gebruiken, wat er wordt gelogd en welke tools het mag aanroepen.
Meet Large 4 eerst via de API op je eigen werk, voordat iemand GPU’s bestelt
Sommige organisaties moeten hun gegevens in eigen beheer houden, zoals overheden, ziekenhuizen en financiële instellingen. Voor hen is Large 4 een Europees model in de buurt van de sterkste open modellen, dat ze zonder licentiekosten op eigen hardware mogen draaien. Dat maakt het een serieuze optie voor soevereine AI. Maar de licentie is het makkelijke deel. Een zelf gehoste Large 4 vraagt om GPU-servers, software om het model te draaien, monitoring en mensen die het bijhouden. Bij lokale AI-projecten wegen die beheerkosten meestal zwaarder dan de prijs per token.
Voor de meeste teams werkt deze volgorde het best. Draai Large 4 via de API van Mistral op een set eigen taken, in het Nederlands en het Engels, via het EU-endpoint als dat het model aanbiedt. Vergelijk het met het model dat je nu gebruikt, op kwaliteit en op kosten per afgeronde taak. Overweeg zelf hosten pas als je volume of je regels voor gegevens een GPU-server rechtvaardigen. Of kies een hostingpartner die Large 4 aanbiedt en de commerciële licentie van Mistral al heeft geregeld. Zoek je een model voor laptops of één GPU, wacht dan op de gedistilleerde versies.
Voor meer informatie, bekijk de officiële aankondiging van Mistral Large 4 op de blog van Mistral AI.
