Nyhet
Mistral AI lanserar Mistral Large 4 – öppen AI-modell med 1 biljon parametrar
Det franska AI-bolaget Mistral AI har lanserat en publik förhandsversion av Mistral Large 4, bolagets största och mest kapabla modell hittills. Enligt Mistral AI är modellen multimodal och har 1 biljon parametrar. Förhandsversionen kan testas via API i Mistral Studio, och modellens vikter ska enligt bolaget släppas i slutet av oktober.
Det viktigaste i korthet
• Mistral Large 4 (ML4) är en multimodal modell med 1 biljon parametrar, varav 52 miljarder är aktiva.
• Förhandsversionen av API:et kan prövas i Mistral Studio. Vikterna ska enligt Mistral AI släppas i slutet av oktober.
• Modellen tränades från grunden på 3 800 NVIDIA Grace Blackwell-GPU:er i Mistrals egna datacenter i Europa.
• Enligt Mistral AI klarar ML4 82 procent av ett test där en sårbarhet i öppen källkod ska återskapas och åtgärdas, och 93 procent av uppgifterna i Cybench.
• Träningsdatan omfattar över 160 språk, bland dem alla EU:s officiella språk.
• ML4 är första steget på färdplanen som finansieras av bolagets Series D-runda på 3 miljarder euro.
Vad har hänt
Mistral AI beskriver ML4 som sin hittills starkaste modell och menar att den flyttar fram gränsen för modeller med öppna vikter. Enligt bolaget är prestandan konkurrenskraftig mot de starkaste öppna modellerna globalt och klart bättre än alla öppna modeller utvecklade i USA eller Europa. Inom vissa områden, som visuell förankring (visual grounding), ska ML4 enligt bolaget till och med slå slutna frontiermodeller. Fram till viktsläppet red-teamar Mistral modellen med cybersäkerhetsaktörer, utvalda partner och statliga myndigheter. De får tillgång till samma modell med minskad moderering och utökade cyberförmågor.
Cybersäkerhet är det område som lyfts fram mest. Enligt Mistral AI hamnar ML4 bland de fem bästa modellerna på Artificial Analysis Cyber Index och leder bland öppna modeller utanför Kina. Bolaget hävdar också att flera ledande slutna modeller, däribland Claude Opus 5.5 och GPT-6 Astra, får nära noll på Cybench-testet eftersom de vägrar utföra uppgiften. Mistral anser att öppna vikter och egen drift ger organisationer kontroll, eftersom leverantörers vägran kan blockera legitim sårbarhetsforskning. ML4 ska kunna köras i privat moln eller lokalt.
I programmering anger Mistral AI 61,7 procent på DeepSWE v1.1, 59,4 procent på SWE-Atlas-QnA och 28,3 procent på Terminal-Bench 4. Det samlade Coding Agent Index på 49,8 procent ska ligga före DeepSeek V4 Pro 0813 och Qwen3.8 Max. I en blind bedömning med Surge AI fick ML4 Preview betyget 3,74 på skalan 1–5. Det räckte till andraplats bland fem modeller, efter Claude Opus 5 (4,22). I agentarbete anger bolaget 59,9 procent på AutomationBench, med 657 affärsflöden i bland annat Gmail, Google Sheets, Slack och Salesforce, samt 1 393 Elo på AA-Briefcase.
Bildförståelsen beskrivs som ett stort kliv. Modellen ska kunna tolka dokument, diagram och naturliga bilder samt analysera satellitbilder och tekniska ritningar. På Dense 200 anger Mistral 42 procent mot 41 procent för GPT-6-Astra. För juridik och finans hänvisar bolaget till tredjepartsutvärdering via vals.ai, där ML4 ska överträffa GPT-6-Astra. Dessutom ska modellen slå alla öppna modeller på HarveyAI:s Legal Agent-benchmark. Inom naturvetenskap uppges ML4 vara bäst bland öppna modeller på SciCode-Verified och kunna generera en komplett Hartree–Fock-simulering i ett svep.
På säkerhetssidan anger Mistral att ML4 står emot 93,3 procent av attackerna i Lakeras B3-benchmark och får 1,691 av 2 på KORA Benchmark. Modellens genomsnittliga vägransgrad för skadliga cyberförfrågningar ska vara högre än hos alla jämförda öppna modeller. Träningen bygger på förstärkningsinlärning i stor skala. Vid dagens skala på 3 000 GPU:er genererar en körning omkring 33 miljarder tokens per dag. Mistral uppger att modellen ska bli grunden för en ny generation specialiserade modeller och att mer compute kommer i bolagets europeiska datacenter.
Vad det betyder för dig i Sverige
Källan tar inte upp något särskilt om Sverige. Mistral AI skriver dock att modellen ska finnas i flera regioner världen över, bland annat i en europeisk driftsättning som bolaget själv sköter från början till slut, oberoende av andra digitala tjänsteleverantörer och under europeisk lag. För svenska organisationer med krav på datakontroll kan det vara relevant, liksom möjligheten att köra modellen i privat moln eller lokalt när vikterna släpps. Svenska är ett av EU:s officiella språk och ingår därmed enligt källan i träningsdatan. Hur väl modellen fungerar på svenska redovisas inte. Den som vill pröva kan använda förhandsversionen av API:et i Mistral Studio.
Det här vet vi inte än
• Pris för API-användning eller andra kostnader anges inte i källan.
• Källan är daterad den 6 oktober 2026 och utlovar vikterna i slutet av oktober. Om vikterna redan har släppts framgår inte.
• Licensvillkor för vikterna redovisas inte.
• Arkitekturdetaljer, fler benchmarkresultat och metoden för efterträning ska enligt Mistral AI delas senare.
• Resultaten är Mistrals egna uppgifter eller kommer från de utvärderingar bolaget hänvisar till. Det framgår inte om de har granskats oberoende i sin helhet.
• Förhandsversionen förbättras fortfarande, så slutlig prestanda kan skilja sig från siffrorna ovan.
• Exakt vilka regioner och vilken tillgänglighet som gäller i Sverige framgår inte.