Europas offenes Schwergewicht: Was Mistral Large 4 kann – und was Souveränität kostet

Mistral hat die Gewichte seines bislang größten Modells veröffentlicht, Kanada steigt beim KI-Unternehmen Cohere ein. Digitale Souveränität wird konkret. Für die Praxis bleibt trotzdem die nüchterne Frage: Was bekomme ich – und was gebe ich dafür auf?

Mistral AI aus Paris, 2023 von früheren Forschern von Google DeepMind und Meta gegründet, ist Europas bekanntester KI-Entwickler – bekannt vor allem für offene Modelle und den Chatbot Le Chat. Sein neues Modell nennt das Unternehmen selbst „Le Chonk“, was man frei mit „der Brocken“ übersetzen kann. Der Spitzname ist ehrlich. Mistral Large 4 umfasst rund eine Billion Parameter, ist seit dem 29. Oktober als offenes Modell verfügbar und wurde nach Angaben des Unternehmens vollständig in eigenen europäischen Rechenzentren trainiert. ^[1]

Am selben Tag wurde bekannt, dass sich Kanada mit bis zu 1,6 Milliarden kanadischen Dollar am KI-Unternehmen Cohere beteiligt. Das Unternehmen aus Toronto hat sich auf KI für Firmen und Behörden spezialisiert; Mitgründer Aidan Gomez gehört zu den Autoren jenes Forschungspapiers von 2017, auf dem heutige Sprachmodelle technisch aufbauen. Im Gegenzug muss Cohere seinen Hauptsitz in Kanada behalten und im Land in Rechenzentren investieren. ^[2] Aus deutscher Sicht ist das interessanter, als es zunächst klingt: Cohere hat sich im Frühjahr mit dem Heidelberger Unternehmen Aleph Alpha zusammengeschlossen, lange als deutsche Antwort auf OpenAI gehandelt und zuletzt auf spezialisierte KI für Verwaltung und regulierte Branchen ausgerichtet. Unterstützt wurde der Zusammenschluss von der Bundesregierung und der Schwarz-Gruppe, die als Eigentümerin von Lidl und Kaufland bekannt ist und mit Stackit auch einen eigenen Cloud-Dienst betreibt. ^[3]

Staaten und Unternehmen investieren also in Alternativen zu den großen US-Anbietern. Für Bibliotheken, Verwaltungen und Bildungseinrichtungen ist damit aber noch nicht entschieden, welches Werkzeug sie im Alltag nutzen sollten.

Was Mistral veröffentlicht hat

Mistral Large 4 ist ein sogenanntes Mixture-of-Experts-Modell: Von den rund 1,1 Billionen Parametern sind pro Rechenschritt etwa 52 Milliarden aktiv. Es verarbeitet Text und Bilder und kann sehr lange Texte auf einmal berücksichtigen. Die Lizenz ist eine angepasste MIT-Lizenz: Nutzen, Anpassen und kommerzieller Einsatz sind frei. Wer das Modell aber als eigenen Cloud-Dienst an andere verkaufen will, braucht eine gesonderte Lizenz. ^[1] ^[4]

Über die Schnittstelle von Mistral kostet das Modell 0,70 US-Dollar pro Million Eingabe-Token und 2,10 US-Dollar pro Million Ausgabe-Token. ^[1] Zum Vergleich: Für Claude Opus 5.5 werden 4 US-Dollar und 20 US-Dollar genannt. ^[5] Pro Token ist Mistral also um ein Vielfaches günstiger.

Wie leistungsfähig ist das Modell?

Die unabhängige Plattform Artificial Analysis vergleicht KI-Modelle mit einem Intelligenz-Index. Dessen neue, deutlich anspruchsvollere Version 5 erschien am 27. Oktober und setzt stärker auf nicht öffentliche Testaufgaben, damit Modelle nicht einfach auf bekannte Prüfungen hin optimiert werden. ^[6] Die Ergebnisse sind klar:

Spitzenmodelle: Gemini 4 Carbon (59 Punkte), Claude Opus 5.5 (58) und GPT-6 Astra (57) liegen fast gleichauf. ^[6]
Beste offene Modelle aus China: DeepSeek V4.1 Flash und GLM-5.3 erreichen jeweils 32 Punkte. ^[4]
Mistral Large 4: 26 Punkte. ^[4] ^[7]

Der Abstand zur Spitze ist also erheblich. Bereits mit der Vorschauversion von Anfang Oktober lag Mistral im damaligen Index rund 20 Punkte hinter Claude Opus 5.5 – war damit aber immerhin das stärkste Modell außerhalb der USA und Chinas. ^[5] ^[8]

Stärken hat das Modell trotzdem: Beim Programmieren mit KI-Agenten liegt es unter den offenen Modellen vorne, bei der Abwehr von Cyberangriffen schneidet es gut ab, und mit rund 160 Token pro Sekunde antwortet es zügig. ^[1] ^[7] Dazu kommt eine wichtige Einschränkung jedes Rankings: Der Index misst anspruchsvolle Aufgaben aus Programmierung, Wissenschaft und Wissensarbeit. Wie groß der Unterschied bei einer Pressemitteilung, einer E-Mail oder der Zusammenfassung eines Aufsatzes ausfällt, lässt sich daraus nicht direkt ablesen.

Offen heißt nicht: läuft im Hinterzimmer

Offene Gewichte bedeuten, dass man das Modell selbst betreiben darf. Ob man es kann, ist eine andere Frage. Schon in einer komprimierten Fassung umfassen die Modelldaten rund ein Terabyte. Für den Betrieb wird ein Server mit acht Hochleistungs-Grafikprozessoren der aktuellen Generation genannt. ^[9] Das ist eine Größenordnung für Rechenzentren, nicht für die Bibliothek mit dem Mini-Computer.

Realistisch ist der Eigenbetrieb für Hochschulrechenzentren, Landesinfrastrukturen oder Bibliotheksverbünde. Für alle anderen gibts zwei Wege: kleinere offene Modelle, die tatsächlich auf eigener Hardware laufen, oder die Dienste europäischer Anbieter wie Le Chat von Mistral. Le Chat Pro kostet rund 15 US-Dollar im Monat und damit etwas weniger als vergleichbare Abos von ChatGPT oder Claude. Laut Praxisvergleichen fällt aber auch der Funktionsumfang schmaler aus, etwa bei Projekten mit dauerhaftem Kontext oder bei komplexen Analysen. ^[10]

Die eigentliche Frage: Kosten und Nutzen

Souveränität ist ein guter Grund, aber kein Selbstzweck. Wer für eine Aufgabe deutlich schlechtere Ergebnisse in Kauf nimmt, zahlt einen Preis – in Arbeitszeit, Nachbearbeitung und manchmal in Qualität. Umgekehrt ist Abhängigkeit kein theoretisches Risiko: Im Juni 2026 musste Anthropic den Zugang zu seinen Modellen Claude Fable 5 und Claude Mythos 5 wegen US-Exportkontrollen vorübergehend aussetzen; erst nach knapp drei Wochen wurde er wiederhergestellt. ^[11] Ob ein Werkzeug morgen noch zu denselben Bedingungen verfügbar ist, entscheidet nicht immer die Einrichtung, die damit arbeitet.

Eine pauschale Antwort gibt es deshalb nicht. Hilfreicher ist, die Entscheidung nach Aufgaben zu trennen:

Wo der Schutzbedarf hoch ist – personenbezogene Daten, interne Unterlagen, Beratungssituationen –, haben europäische oder selbst betriebene Lösungen einen echten Vorteil. Hier kann ein etwas schwächeres Modell die bessere Wahl sein.
Wo die Daten unkritisch sind – öffentliche Texte, Recherchen zu allgemeinen Fragen, Ideensammlungen –, darf die Leistungsfähigkeit stärker zählen. Wenn ein Spitzenmodell hier spürbar mehr leistet und mehr Funktionen bietet, ist das ein legitimes Argument.
Wo es um Abhängigkeit geht, hilft ein Ausweichplan: Welche Aufgaben ließen sich kurzfristig mit einem anderen Dienst erledigen, wenn der bevorzugte ausfällt oder teurer wird?

Und dann gibt es eine Frage, die in keiner Preisliste auftaucht: Welche Werte vertritt ein Anbieter – und hält er sie auch unter Druck ein? Ein Beispiel aus diesem Jahr: Anthropic arbeitet grundsätzlich mit dem US-Verteidigungsministerium zusammen, lehnte im Februar aber ab, seine Modelle für Massenüberwachung im Inland und für vollautonome Waffen freizugeben. Die Begründung: Für solche Einsätze seien heutige KI-Systeme nicht verlässlich genug. Das Ministerium verlangte dagegen uneingeschränkten Zugriff und betonte, solche Einsätze seien gar nicht geplant. ^[12] Ende Februar ordnete die US-Regierung an, dass Bundesbehörden keine Anthropic-Modelle mehr nutzen sollen; Anfang März stufte das Ministerium das Unternehmen offiziell als Lieferkettenrisiko ein – eine Kategorie, die zuvor Firmen wie Huawei oder Kaspersky traf.

Noch am selben Tag schloss OpenAI einen eigenen Vertrag mit dem Ministerium. Nach Angaben von OpenAI schließt auch er Massenüberwachung und die Steuerung autonomer Waffen aus, allerdings über Vertragsklauseln statt über technische Sperren. Kritiker bezweifeln, dass das dieselbe Wirkung hat. ^[13] Der Rechtsstreit ist nicht abgeschlossen: Ein Bundesgericht wertete das Vorgehen der Regierung im August als rechtswidrige Vergeltung, ein Berufungsgericht bestätigte die Einstufung im September, und Anthropic hat eine erneute Prüfung beantragt. ^[14]

Auch Mistral ist dabei kein Gegenmodell: Das französische Verteidigungsministerium hat im Januar einen Rahmenvertrag mit dem Unternehmen geschlossen, unter anderem für Übersetzung, Transkription und Dokumentenanalyse. ^[15] Die entscheidende Frage ist deshalb selten, ob ein Anbieter mit Staat und Militär zusammenarbeitet. Sie lautet: Wo zieht er Grenzen, wie setzt er sie durch – und hält er sie auch dann, wenn es ihn etwas kostet? Öffentliche Bibliotheken, die für Meinungsfreiheit und den Schutz von Nutzungsdaten stehen, dürfen diese Frage bei der Wahl ihrer Werkzeuge ruhig stellen.

Genau dafür ist ein KI-Leitbild da. Es übersetzt Bauchgefühl in nachvollziehbare Regeln: Welche Daten dürfen in welchen Dienst, für welche Aufgaben ist welches Werkzeug vorgesehen, welche Anbieter passen zu den eigenen Werten, und wer überprüft das? Eine Einrichtung, die sich an solche Regeln hält, kann leistungsstarke US-Dienste für geeignete Aufgaben guten Gewissens nutzen – und gleichzeitig begründen, warum sensible Vorgänge woanders landen. Souveränität heißt dann nicht, alles selbst zu machen, sondern bewusst zu entscheiden, wovon man abhängig ist.

Selbst ausprobieren statt Rankings glauben

Benchmarks liefern Orientierung, ersetzen aber keinen eigenen Test. Eine einfache Übung für Teams und Fortbildungen: Drei typische Aufgaben aus dem eigenen Alltag werden parallel in einem europäischen und einem US-Dienst bearbeitet – ohne personenbezogene Daten. Danach wird verglichen: Wo ist der Unterschied relevant, wo kaum spürbar? Im Sinne der Iterationskompetenz gehört der Wechsel des Werkzeugs ausdrücklich zu den möglichen Anpassungen, wenn ein Ergebnis nicht passt.

Die Veröffentlichung von Mistral Large 4 ist ein wichtiges Signal: Europa kann große Modelle bauen und offen bereitstellen. Ein Ersatz für die derzeitigen Spitzenmodelle ist es nicht. Für die Praxis ist das aber auch nicht die entscheidende Frage. Entscheidend ist, für welche Aufgabe welches Werkzeug gut genug ist – und wer das festlegt.

Stand: 30. Oktober 2026. Leistungswerte nach Angaben von Artificial Analysis und Mistral; Indexwerte verschiedener Versionen sind nicht direkt vergleichbar. Kein eigener Test. Der Rechtsstreit zwischen Anthropic und dem US-Verteidigungsministerium dauert an.