Mistral Large 4 („Le Chonk“): 1,05T Parameter, API-Preis und die Mac-Grenze

Erneut überprüft am 10. Oktober 2026. Mistral AI hat Mistral Large 4 als Public Preview veröffentlicht. Die offizielle Modellkarte nennt 1,05 Billionen Gesamtparameter, 49 Milliarden aktive Parameter pro Token, einen 1,6-Milliarden-Parameter-Vision-Encoder und auf Mistrals eigenem Modellprofil ein Kontextfenster von 1 Million Tokens.¹ Der auffälligste Punkt für lokale Nutzer ist aber ein anderer: 49B aktive Parameter machen das Modell nicht zu einem 49B-Download. Rein mathematisch benötigen 1,05T Parameter selbst bei 4 Bit ungefähr 525 GB nur für die Gewichte – noch ohne Runtime, Quantisierungsmetadaten, KV-Cache oder macOS.

Large 4 ist am 6. Oktober bereits als API-Preview nutzbar. Die öffentlichen Modellgewichte sind für 27. Oktober 2026 angekündigt.²³⁴ Für normale Macs ist das vollständige Modell wegen seiner Gesamtgröße nicht realistisch. Selbst eine theoretische 4-Bit-Darstellung liegt bei rund 525 GB Gewichtsdaten.

Widerspruch in den Primärquellen: 49B oder 52B aktiv?

Mistrals eigene Dokumente nennen unterschiedliche Zahlen. Das versionsgebundene Modellprofil führt 49 Milliarden aktive Parameter auf; die aktuelle Alias-Seite sowie Mistrals Launch-Blog vom 6. Oktober nennen dagegen 52 Milliarden. Übereinstimmend dokumentieren sie rund 1,05 Billionen Gesamtparameter und einen 1,6B-Vision-Encoder. Am 8. Oktober ist die Differenz nicht offiziell erklärt. Versionsänderung oder Dokumentationsverzug wären möglich, sind aber keine gesicherten Fakten. Daher kennzeichnen wir 49–52B als veröffentlichte Spanne.

Für Macs ändert die Unklarheit nichts: Weder 49B noch 52B aktive Parameter bedeuten einen 49B-Download. Alle 1,05T Gewichte benötigen theoretisch schon bei vier Bit rund 525 GB, ohne Metadaten, Runtime, KV-Cache und macOS. Mistral hat die finalen Gewichte noch nicht veröffentlicht; als Zeitpunkt ist Ende Oktober angekündigt (27. Oktober ist ein berichtetes Ziel, keine erfolgte Veröffentlichung).

Mistral Large 4 auf einen Blick

Merkmal	Stand 7. Oktober 2026
Offizieller Name	Mistral Large 4
Version	v26.10
Status	Public Preview
Architektur	granulares Mixture-of-Experts-Modell, nativ multimodal
Gesamtparameter	1,05T
aktive Parameter	49B (Version); 52B (Alias/Blog)
Vision-Encoder	1,6B
Mistral-Kontext	1M Tokens
OpenRouter-Kontext	524.288 Tokens
aktueller Mistral-Endpunkt: Input	$0,68 / 1 Mio. Tokens
Cached Input	$0,07 / 1 Mio. Tokens
Output	$2,09 / 1 Mio. Tokens
öffentliche Gewichte	für 27. Oktober angekündigt
endgültige Weight-Lizenz	am 7. Oktober noch nicht belastbar bestätigt

Die technische Basis der Tabelle stammt primär aus Mistrals aktueller Modellkarte.¹ OpenRouter führt dasselbe Modell unter mistralai/mistral-large-4-0, setzt dort aber ein Provider-Limit von 524.288 Kontexttokens und bis zu 256K Output an.⁵ Das ist ein wichtiger Unterschied zwischen Modellfähigkeit und konkretem Deployment.

Was bedeutet 1,05T gesamt, aber nur 49B aktiv?

Large 4 ist ein Mixture-of-Experts-Modell (MoE). Ein Router aktiviert pro Token nur einen Teil des Netzes. Dadurch kann der Rechenaufwand pro Token deutlich näher an einem wesentlich kleineren Modell liegen, obwohl der komplette Parameterbestand sehr viel größer ist.

Für lokale Inferenz werden zwei Größen deshalb leicht verwechselt:

• aktive Parameter beeinflussen vor allem den Rechenaufwand pro Token;
• Gesamtparameter bestimmen wesentlich mit, wie viele Gewichte gespeichert und für die Experten verfügbar gehalten werden müssen.

Mistral nennt 49B aktive und 1,05T Gesamtparameter.¹ Für die Frage „Passt das auf meinen Mac?“ ist deshalb 1,05T die entscheidendere Zahl.

Wie viel RAM würde Mistral Large 4 lokal brauchen?

Die folgende Rechnung ist keine gemessene Large-4-Runtime, sondern eine transparente Gewichtsschätzung auf Basis der offiziellen 1,05T Parameter:¹

Darstellung	Formel	reine Gewichtsdaten
BF16	1,05T × 2 Byte	2,10 TB
8 Bit	1,05T × 1 Byte	1,05 TB
6 Bit	1,05T × 0,75 Byte	787,5 GB
5 Bit	1,05T × 0,625 Byte	656,25 GB
4 Bit	1,05T × 0,5 Byte	525 GB
3 Bit	1,05T × 0,375 Byte	393,75 GB
2 Bit	1,05T × 0,25 Byte	262,5 GB

Das sind dezimale GB/TB und ausschließlich die nackten Parameterbits. Reale Quantisierungen enthalten zusätzliche Metadaten und Laufzeitstrukturen. Außerdem brauchen macOS, die Runtime, temporäre Tensoren und der KV-Cache eigenen Speicher.

Passt Large 4 auf einen 512-GB-Mac?

Eine gewöhnliche vollständige Q4-Variante wäre schon in der Theorie zu groß, weil 525 GB reine Gewichte oberhalb von 512 GB Unified Memory liegen. Selbst wenn eine Runtime extrem effizient wäre, bliebe kein Platz für das System und den Rest der Inferenz.

Eine aggressive 3-Bit-Quantisierung läge rechnerisch bei 393,75 GB und könnte damit auf dem Papier unter 512 GB liegen. Ob eine solche Quantisierung tatsächlich veröffentlicht wird, welche Qualitätsverluste sie bringt und ob MLX, llama.cpp oder eine andere Runtime das Large-4-MoE effizient unterstützt, ist am 7. Oktober nicht verifiziert. Die Gewichte selbst sollen erst am 27. Oktober öffentlich erscheinen.²³

Praktische Konsequenz: Für 16, 24, 32, 64, 96, 128 oder 256 GB Unified Memory ist das vollständige Large 4 kein realistisches lokales Standardmodell. Bei 512 GB sollte man ebenfalls auf echte Checkpoint-Größen und Runtime-Overhead warten, statt allein aus „49B aktiv“ auf Lauffähigkeit zu schließen.

Für kleinere lokale Modelle kannst du stattdessen den bestehenden Unified-Memory-Guide und den RAM-Rechner verwenden.⁶⁷

1M Kontext oder 512K? Beide Angaben können gleichzeitig stimmen

Mistrals aktuelle Modellkarte nennt für Large 4 1M Kontexttokens.¹ Vercels Mistral-Provider zeigt ebenfalls 1M.⁸ OpenRouter beschreibt sein aktuelles Deployment dagegen mit 524.288 Tokens und maximal 256K Output.⁵ Vals dokumentiert für die evaluierte Konfiguration 512K Kontext.⁹

Das sollte im Artikel nicht als „Mistral sagt 1M, OpenRouter liegt falsch“ formuliert werden. Provider dürfen ein Basismodell mit engeren Limits anbieten. Für lange Agentenläufe oder große Repositories ist deshalb das Limit des konkreten Endpunkts entscheidend.

Was kostet die Mistral-Large-4-API?

Die offizielle Modellkarte listet folgende aktuellen Werte:¹

• Input: $0,68 pro 1 Mio. Tokens
• Cached Input: $0,07 pro 1 Mio. Tokens
• Output: $2,09 pro 1 Mio. Tokens

OpenRouter markiert den Mistral-Endpunkt ausdrücklich als 50 % reduziert und zeigt daneben $1,36 / $0,14 / $4,18 als höhere Vergleichswerte.⁵ Diese Promotion ist zeitabhängig; für einen späteren Artikel-Refresh sollten die Preise neu geprüft werden.

Eigene Kostenrechnung

10 Mio. Input + 1 Mio. Output, ohne Cache:

10 × $0,68 + 1 × $2,09 = $8,89

Dasselbe Volumen bei 80 % Cached Input:

2 × $0,68 + 8 × $0,07 + $2,09 = $4,01

100 Mio. Input + 10 Mio. Output: $88,90 ohne Cache bzw. $40,10 bei derselben 80-%-Cache-Annahme.

Das sind eigene Beispielrechnungen, keine typische Monatsrechnung eines bestimmten Nutzers. Ob 80 % Cache-Hit-Rate erreichbar sind, hängt vom Workflow ab.

EU-Regionalinferenz

Mistral bietet getrennte EU- und US-Endpunkte. Regional Inference wird laut Dokumentation mit 1,1× der Standard-Listenpreise abgerechnet.¹⁰ Gleichzeitig sind dort nicht alle Funktionen des globalen Endpunkts verfügbar: Mistral nennt Function Calling als unterstütztes regionales Tool; stateful Features wie Agents, Batch und Files API sind dort aktuell eingeschränkt.¹⁰

Für Datenschutz- und Compliance-Workflows ist diese Unterscheidung wichtiger als ein pauschales „Mistral läuft in Europa“.

Praxis auf dem Mac: Mistral Large 4 über den richtigen API-Endpunkt prüfen

Die Public Preview von Mistral Large 4 kannst du derzeit per offizieller Chat-Completions-API testen. Das ist Cloud-Inferenz und hat nichts mit lokal ausgeführten Gewichten in Ollama oder MLX zu tun. Die Modell-ID laut Mistrals Changelog vom 6. Oktober ist mistral-large-4 (nicht unbesehen der generische Alias mistral-large-latest).

Vorbereitung: API-Zugang und aktivierte Abrechnung bei Mistral Studio, curl sowie jq (auf macOS bei Bedarf mit brew install jq). Ein Testaufruf kann kostenpflichtig sein. Im Beispiel geht es ausschließlich um eine künstliche Eingabe; niemals vertrauliche Repository-Dateien oder Kundendaten in einen Testprompt kopieren.

# API-Schlüssel verdeckt einlesen; nicht in Shell-History oder Dateien schreiben
read -rs MISTRAL_API_KEY
export MISTRAL_API_KEY
# Standard: globaler Endpunkt, keine zugesicherte Verarbeitungsregion
export MISTRAL_BASE_URL=https://api.mistral.ai

# Erst verifizieren, ob die konkrete Modell-ID für diesen Endpunkt freigegeben ist.
set -o pipefail
curl --fail-with-body -sS "$MISTRAL_BASE_URL/v1/models" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  | jq -e '.data[] | select(.id == "mistral-large-4") | .id'

# Nur nach erfolgreichem Modellcheck einen kleinen Testrequest ausführen:
curl --fail-with-body -sS "$MISTRAL_BASE_URL/v1/chat/completions" \
  -H "Authorization: Bearer $MISTRAL_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"mistral-large-4","messages":[{"role":"user","content":"Nenne drei Regeln für ein gutes Code-Review."}],"max_tokens":100}' \
  | jq '{model, usage, finish_reason: .choices[0].finish_reason}'

Der JSON-Block enthält usage.prompt_tokens, usage.completion_tokens und usage.total_tokens, wenn der gewählte Endpunkt diese Daten in der Antwort ausweist. Der Test zeigt keine echten Modellvergleiche dieser Website und misst weder Mac-Tokens/s noch die Qualität des vollständigen Modells. Den tatsächlich berechneten Preis anhand der Rechnung und der Mistral-Verbrauchsübersicht gegenprüfen. total_tokens oder die sichtbaren Antworttokens allein belegen insbesondere keinen Cache-Rabatt.

EU-Verarbeitung gezielt wählen – ohne falsche DSGVO-Garantie

Wer eine EU-Region für die Inferenz benötigt, muss den Endpunkt explizit wechseln und vor jedem Live-Request dieselbe Modellliste erneut prüfen:

export MISTRAL_BASE_URL=https://api.eu.mistral.ai
# Danach zuerst den oben gezeigten GET /v1/models-Test ausführen.
# Nur wenn mistral-large-4 gelistet ist, den Chat-Request wiederholen.

Laut Mistrals Dokumentation zur Regional Inference gilt derzeit:

• Global: api.mistral.ai bietet keine zugesicherte Inferenzregion. Ein Mac in Deutschland macht einen globalen API-Aufruf nicht automatisch zu EU-Verarbeitung.
• EU/US: api.eu.mistral.ai beziehungsweise api.us.mistral.ai steuern die Region der eigentlichen Inferenz, sofern das konkrete Modell dort verfügbar ist. Wenn der Modellcheck fehlschlägt, nicht still auf api.mistral.ai ausweichen.
• Preis und Funktionen: Mistral nennt 1,1× der regulären Listenpreise für regionale Inferenz. Die 50-%-Startaktion für Large 4 wird im Changelog ausdrücklich nur für zwei Wochen ab 6. Oktober 2026 beschrieben. Ob der Aktionspreis auf einen regionalen Tarif angewandt wird, vorab im jeweiligen Angebot klären; die Beispiele weiter oben sind globale Aktionspreise.
• Nicht vollständig regional: Regionale Inferenz ist keine Garantie für regionale Speicherung von API-Schlüsseln, Konten, Abrechnung oder Nutzungsstatistiken. ZDR (Zero Data Retention) ist ein separater Vertrag beziehungsweise Dienst. Die Dokumentation nennt Einschränkungen bei Agents, Batch und Files API und wechselnde regionale Modelllisten.

Für geschäftliche oder personenbezogene Daten sind Auftragsverarbeitung, Unterauftragsverarbeiter, Datentransfers, Aufbewahrung und Berechtigungen vorab konkret zu prüfen. Der Code garantiert keine verfügbare EU-Large-4-Instanz und wurde nicht mit einem kostenpflichtigen API-Key ausgeführt.

Mistral Large 4 vs. Large 3

Large 3 wurde im Dezember 2025 mit 675B Gesamtparametern, 41B aktiven Parametern, 256K Kontext und Apache-2.0-Gewichten veröffentlicht.¹¹¹²

	Mistral Large 3	Mistral Large 4 Preview
Gesamtparameter	675B	1.050B
aktive Parameter	41B	49B
offizieller Kontext	256K	1M
Input-Preis	$0,50/M	$0,68/M aktuell
Output-Preis	$1,50/M	$2,09/M aktuell
Status	GA	Public Preview
Gewichte	veröffentlicht	für 27.10. angekündigt
Lizenz	Apache 2.0	noch nicht bestätigt

Large 4 hat damit rund 55,6 % mehr Gesamtparameter, aber nur etwa 19,5 % mehr aktive Parameter als Large 3. Genau dieser Unterschied erklärt, warum das Modell compute-seitig sparsamer wirkt als seine enorme Checkpoint-Größe vermuten lässt.

Wichtig: Large 3s Apache-2.0-Lizenz darf nicht automatisch auf Large 4 übertragen werden. Frandroid weist beim angekündigten Large-4-Weight-Release ausdrücklich darauf hin, dass die Lizenz noch nicht spezifiziert war.¹³

Wie gut ist Mistral Large 4 wirklich?

Launch-Benchmarks und unabhängige Benchmarks müssen getrennt bleiben.

Mistral zeigt vorläufige Resultate unter anderem für DeepSWE v1.1, Finch/FinWorkBench, Harvey Legal Agent, Dense200 und DIOR-RSVG. Frandroid, The Next Web, Numerama und VentureBeat geben diese Herstellerwerte wieder.^13141516 VentureBeat weist allerdings darauf hin, dass nicht alle exakten Konkurrentenwerte in den öffentlichen Originalleaderboards nachvollzogen werden konnten.¹⁶

Unabhängiger Check: Vals

Vals führt die Large-4-Preview am 6. Oktober mit 48,05 % ±1,11 im Vals Index auf Rang 32 von 44 getesteten Konfigurationen.⁹ Einzelwerte zeigen ein gemischtes Profil:

Benchmark	Large 4 Preview bei Vals
Harvey Legal Agent	15,83 % ±2,96
Finance Agent v2	54,68 % ±0,58
Vibe Code Bench v1.1	78,40 % ±3,55
BioMysteryBench	67,04 % ±2,67
IOI	45,28 % ±3,78
Terminal-Bench 4.0	22,73 % ±0,88

Vals dokumentiert für sein Profil unter anderem Temperature 1, Top-p 0,95, 256K maximale Ausgabe und „reasoning effort: high“ und warnt selbst davor, dass einzelne Benchmarks andere Provider oder Parameter verwenden können.⁹

Einordnung: Die bisher verfügbaren unabhängigen Resultate belegen ein leistungsfähiges Modell, aber noch keinen pauschalen Sieg über alle offenen oder geschlossenen Konkurrenten. Ein einzelnes Herstellerdiagramm reicht nicht aus, um Large 4 seriös zum „besten Open-Weight-Modell“ zu erklären.

Was bedeutet Public Preview praktisch?

Mistrals Lifecycle-Dokumentation definiert Public Preview als eine nahe am finalen Stand liegende, aber noch nicht stabile GA-Phase. Preview-Modelle dürfen stille Updates erhalten und haben keinen garantierten Übergang zu General Availability.¹⁷

Das ist bei Large 4 entscheidend. Axios berichtet, dass vor dem geplanten Weight-Release am 27. Oktober noch Reinforcement Learning und Sicherheitstests stattfinden.⁴ Benchmarks aus der aktuellen Phase sollten deshalb immer als Large 4 Preview gekennzeichnet bleiben.

Sind die Large-4-Gewichte schon herunterladbar?

Nein. Zum Stand vom 7. Oktober ist kein finaler öffentlicher Large-4-Checkpoint verfügbar. Reuters, WSJ, Axios und Frandroid nennen den 27. Oktober 2026 als geplanten Termin.²³⁴¹³

Ohne veröffentlichte Gewichte gibt es derzeit keinen belastbaren Ollama-, MLX- oder GGUF-Workflow. Erst nach dem Weight-Release lassen sich seriös beantworten:

1. Welche Checkpoints veröffentlicht Mistral tatsächlich?
2. Welche Lizenz gilt?
3. Gibt es offizielle oder Community-Quantisierungen?
4. Unterstützen llama.cpp, MLX-LM, Ollama oder vLLM die Architektur korrekt?
5. Wie hoch ist der reale Host-/Unified-Memory-Bedarf?
6. Lassen sich Experten sinnvoll offloaden oder streamen?
7. Welche Tokens/s liefert Apple Silicon bei realen Quantisierungen?

Für wen ist Large 4 heute interessant?

API- und Agenten-Nutzer: ja. Die Kombination aus langem Kontext, multimodaler Eingabe, Function Calling, Structured Outputs und Agents ist bereits dokumentiert.^1181920

Unternehmen mit EU-Datenlokationsanforderungen: potenziell ja, aber Regional Inference hat eigene Preise und Funktionsgrenzen.¹⁰

Lokale Mac-Nutzer: noch nicht als vollständiges Standardmodell. Die entscheidenden Dateien fehlen bis zum angekündigten Weight-Release, und die reine Parametergröße liegt weit über typischen Mac-Konfigurationen.

Benchmark-Jäger: mit Vorsicht. Die Preview kann sich still ändern; Herstellerwerte und unabhängige Evaluierungen sollten getrennt betrachtet werden.¹⁷⁹

Fazit: Le Chonk ist für den Mac vor allem ein Speicherproblem

Mistral Large 4 ist technisch interessanter als die einfache Zahl „49B aktiv“ vermuten lässt. Die Sparse-MoE-Architektur reduziert den Rechenaufwand pro Token, aber nicht auf magische Weise die Größe des gesamten Expert-Pools. 1,05T Parameter entsprechen bei 4 Bit theoretisch rund 525 GB nackten Gewichten.

Für Cloud-Nutzer ist Large 4 deshalb schon heute relevant: Die API-Preview ist verfügbar, der aktuelle Aktionspreis ist niedrig und Mistral dokumentiert Multimodalität, Tools und lange Kontexte.¹ Für lokale Macs ist dagegen der 27. Oktober der wichtigere Termin. Erst dann lassen sich Lizenz, echte Checkpoint-Größen, Quantisierungen und Runtime-Kompatibilität statt nur theoretischer Grenzen prüfen.

Für bereits verfügbare Modelle zeigt der Unified-Memory-Rechner, welche Größenordnungen zu verschiedenen Mac-Konfigurationen passen. Für Large 4 sind reale Dateigrößen und reproduzierbare Apple-Silicon-Messungen erst nach dem Weight-Release sinnvoll.

Quellen und Prüfmethode

Die Zahlen 49B und 52B stammen aus verschiedenen Seiten desselben Anbieters. Sie werden nicht zu einer vermeintlich eindeutigen Spezifikation geglättet. Aussagen zu einem künftig verfügbaren Open-Weight-Download beruhen auf Presseberichten, nicht auf bereits heruntergeladenen Modellgewichten. Die 525-GB-Rechnung ist eine mathematische Untergrenze für 4-Bit-Gewichte, kein Mac-Benchmark.

Footnotes

1. Mistral – Large 4 versioned model card ↩ ↩² ↩³ ↩⁴ ↩⁵ ↩⁶ ↩⁷ ↩⁸

2. Reuters – Large 4 launch and planned weights ↩ ↩² ↩³

3. Wall Street Journal – Large 4 launch ↩ ↩² ↩³

4. Axios – Mistral and open-weight model release ↩ ↩² ↩³

5. OpenRouter – Large 4 provider listing ↩ ↩² ↩³

6. AI on Mac – Unified Memory Guide ↩

7. AI on Mac – Mac RAM calculator ↩

8. Vercel – Large 4 AI Gateway model ↩

9. Vals AI – Large 4 independent evaluation ↩ ↩² ↩³ ↩⁴

10. Mistral – regional inference availability and pricing ↩ ↩² ↩³

11. Mistral – Mistral 3 release ↩

12. Mistral – Large 3 model card ↩

13. Frandroid – Large 4 launch report ↩ ↩² ↩³

14. The Next Web – Large 4 model overview ↩

15. Numerama – Large 4 report ↩

16. VentureBeat – Large 4 benchmarks ↩ ↩²

17. Mistral – API model lifecycle policy ↩ ↩²

18. Mistral – structured outputs ↩

19. Mistral – agents overview ↩

20. Mistral – agents API ↩