Mistral Large 4 vs. Mistral Large 3: alle Unterschiede

Was sich von Large 3 zu Large 4 geändert hat

Zwischen den beiden Releases liegen zehn Monate: Mistral Large 3 (2512) erschien am 2. Dezember 2025, Mistral Large 4 startete am 6. Oktober 2026 als Public Preview. Die wichtigsten Änderungen betreffen Größe, Reasoning und Kontext.

• Größe: 1,05 Bio. Parameter insgesamt und 49 Mrd. aktiv pro Token, statt 675 Mrd. insgesamt und 41 Mrd. aktiv (+56 % gesamt, +20 % aktiv).
• Reasoning: Large 4 ist ein hybrides Instruct- und Reasoning-Modell, gesteuert über reasoning_effort ("high" oder "none"); die Modellkarte von Large 3 beschreibt es ausdrücklich nicht als dediziertes Reasoning-Modell.
• Kontext: 524.288 Token über die API (die Docs von Mistral nennen 1M), statt 256K.
• Sprachen: Die Trainingsdaten umfassen über 160 Sprachen, darunter alle Amtssprachen der EU; die Karte von Large 3 nennt einige Dutzend Sprachen.
• Bildverständnis: Beide lesen Bilder; Large 4 nutzt einen Vision-Encoder mit 1,6 Mrd. Parametern, Large 3 einen mit 2,5 Mrd.
• Lizenz: Large 3 steht unter Apache 2.0; die Lizenz von Large 4 hat Mistral noch nicht bekanntgegeben.

Technische Daten im Vergleich

Large 4 gewinnt bei jeder Kapazitätskennzahl außer der Größe des Vision-Encoders; Large 3 punktet heute noch damit, dass seine Gewichte verfügbar sind.

Preisunterschied pro Million Token

Zum Listenpreis kostet Mistral Large 4 etwa das 2,7- bis 2,8-Fache von Mistral Large 3, während der befristeten 50-%-Aktion von Mistral nur etwa das 1,4-Fache. Die Faktoren ergeben sich aus Preis von Large 4 geteilt durch Preis von Large 3.

Was ein typischer Monat auf beiden Modellen kostet

Ein Workload mit 30 Mio. Input- und 10 Mio. Output-Token pro Monat kostet 30,00 $ auf Large 3, 41,30 $ auf Large 4 zum Aktionspreis und 82,60 $ auf Large 4 zum Listenpreis.

Die Rechnung: Large 3 = 30 × 0,50 $ + 10 × 1,50 $ = 30,00 $; Large 4 Aktion = 30 × 0,68 $ + 10 × 2,09 $ = 41,30 $; Large 4 Liste = 30 × 1,36 $ + 10 × 4,18 $ = 82,60 $. Reasoning-Output zählt als Output-Token – lässt du reasoning_effort auch bei einfachen Prompts auf "high", steigt die Rechnung für Large 4 weiter. Artificial Analysis stuft Large 4 als sehr gesprächig ein (200 Mio. Output-Token für seinen Index, Median: 81 Mio.).

Wenn du das Modell nur zum Chatten brauchst, sparst du dir die Token-Rechnerei ganz: Unser Pro-Tarif kostet 39,90 $ im Monat oder 199,90 $ im Jahr für 3.000 Credits pro Monat, wobei ein Credit etwa eine kurze Antwort abdeckt.

Qualitätssprung: was die veröffentlichten Zahlen zeigen

Mistral hat Large 3 nicht in die Launch-Charts von Large 4 aufgenommen, und im aktuellen Vals Index mit 44 Modellen ist Large 3 nicht vertreten – eine gemeinsame Benchmark-Zeile gibt es für die beiden also nicht. Veröffentlicht hat Mistral dagegen den Vergleich von Large 4 mit Mistral Medium 3.5, seinem anderen aktuellen Modell, und dort ist der Abstand groß.

Zum Listenpreis ist Large 4 sogar günstiger als Medium 3.5: 1,36 $ / 4,18 $ pro 1 Mio. Token gegenüber 1,50 $ / 7,50 $.

Self-Hosting: Large 3 schon jetzt, Large 4 braucht mehr Speicher

Die FP8-Gewichte von Large 3 belegen etwa 675 GB und passen mit rund 453 GB Reserve auf einen Node mit 8× H200 (1.128 GB); die FP8-Gewichte von Large 4 belegen etwa 1.050 GB und lassen auf demselben Node nur noch rund 78 GB frei. In 4-Bit braucht Large 3 etwa 338 GB und Large 4 etwa 525 GB – beide passen auf 8× H100 (640 GB).

Large 3 läuft heute auf vLLM 1.12.0 oder neuer. Für Large 4 hat noch keine Inference-Engine Support angekündigt; die vollständige Speicherrechnung steht in unserem Ratgeber „Lokal ausführen“.

API-Aufrufe von Large 3 umstellen

Der Umstieg auf Large 4 ist im Wesentlichen ein neuer Modellname – mistral-large-4 (Alias mistral-large-4-0) – am selben Chat-Completions-Endpunkt. Zwei Dinge erfordern Codeänderungen: Mit reasoning_effort "high" wird der Message-Content zu einer Liste aus Thinking- und Text-Chunks statt eines Strings, und die Docs von Mistral verlangen, dass du die komplette Assistant-Nachricht samt Thinking-Chunks im Verlauf mehrstufiger Unterhaltungen zurückschickst.

Mit reasoning_effort "none" bleibt es bei der einfachen String-Antwort, die dein Code für Large 3 bereits verarbeitet.

# Set API_KEY to your Mistral API key first
curl https://api.mistral.ai/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $API_KEY" \
  -d '{"model":"mistral-large-4","messages":[{"role":"user","content":"Summarize this contract clause."}],"reasoning_effort":"none"}'