Mistral Large 4 vs Mistral Large 3

Wat er is veranderd van Large 3 naar Large 4

Tussen de twee releases zitten tien maanden: Mistral Large 3 (2512) verscheen op 2 december 2025 en Mistral Large 4 ging op 6 oktober 2026 in public preview. De grote veranderingen zitten in schaal, redeneren en context.

• Schaal: 1,05 biljoen parameters in totaal en 49 miljard actief per token, tegenover 675 miljard in totaal en 41 miljard actief (+56% totaal, +20% actief).
• Redeneren: Large 4 is een hybride instruct- en redeneermodel dat je bestuurt met reasoning_effort ("high" of "none"); de modelkaart van Large 3 omschrijft dat model als geen specifiek redeneermodel.
• Context: 524.288 tokens via de API (de docs van Mistral noemen 1M), tegenover 256K.
• Talen: de trainingsdata beslaan meer dan 160 talen, waaronder alle officiële EU-talen; de modelkaart van Large 3 noemt tientallen talen.
• Beeld: beide lezen afbeeldingen; Large 4 gebruikt een vision-encoder van 1,6 miljard parameters, Large 3 een van 2,5 miljard.
• Licentie: Large 3 valt onder Apache 2.0; de licentie van Large 4 is nog niet bekendgemaakt.

Specificaties vergeleken

Large 4 wint op elk capaciteitsgetal behalve de grootte van de vision-encoder; Large 3 wint nog op het feit dat de gewichten nu al beschikbaar zijn.

Prijsverschil per miljoen tokens

Mistral Large 4 kost tegen de normale prijs ongeveer 2,7-2,8× zoveel als Mistral Large 3, en met de tijdelijke korting van 50% maar ongeveer 1,4×. De verhoudingen zijn de prijs van Large 4 gedeeld door die van Large 3.

Wat een gemiddelde maand kost op elk model

Een werklast van 30M input- en 10M output-tokens per maand kost $ 30,00 op Large 3, $ 41,30 op Large 4 tegen actieprijs en $ 82,60 op Large 4 tegen normale prijs.

Het rekenwerk: Large 3 = 30 × $ 0,50 + 10 × $ 1,50 = $ 30,00; Large 4 actie = 30 × $ 0,68 + 10 × $ 2,09 = $ 41,30; Large 4 normaal = 30 × $ 1,36 + 10 × $ 4,18 = $ 82,60. Redeneeroutput telt als output-tokens, dus laat je reasoning_effort bij eenvoudige prompts op "high" staan, dan loopt de rekening van Large 4 verder op; Artificial Analysis noemt Large 4 zeer breedsprakig (200M output-tokens voor zijn index tegenover een mediaan van 81M).

Heb je het model alleen nodig om te chatten, dan kun je het tokenrekenwerk helemaal overslaan: ons Pro-abonnement kost $ 39,90 per maand of $ 199,90 per jaar voor 3.000 credits per maand, waarbij één credit ongeveer één kort antwoord is.

De kwaliteitssprong: wat de gepubliceerde cijfers laten zien

Large 3 staat niet in de lanceringsgrafieken van Large 4 en ook niet in de huidige Vals Index met 44 modellen, dus er is geen gedeelde benchmarkregel voor de twee. Wat Mistral wel publiceerde, is Large 4 tegenover Mistral Medium 3.5, zijn andere actuele model, en daar is het verschil groot.

Tegen de normale prijs is Large 4 bovendien goedkoper dan Medium 3.5: $ 1,36 / $ 4,18 per 1M tokens tegenover $ 1,50 / $ 7,50.

Zelf hosten: Large 3 kan nu, Large 4 vraagt meer geheugen

De FP8-gewichten van Large 3 nemen ongeveer 675 GB in en passen op één node met 8× H200 (1.128 GB) met ongeveer 453 GB over; de FP8-gewichten van Large 4 nemen ongeveer 1.050 GB in en laten op dezelfde node maar ongeveer 78 GB over. In 4-bit heeft Large 3 ongeveer 338 GB nodig en Large 4 ongeveer 525 GB; beide passen binnen 8× H100 (640 GB).

Large 3 draait vandaag al op vLLM 1.12.0 of nieuwer. Voor Large 4 heeft nog geen inference-engine ondersteuning aangekondigd; de volledige geheugenberekening staat in onze uitleg over lokaal draaien.

Je API-aanroepen overzetten van Large 3

Overstappen naar Large 4 is vooral een kwestie van de modelnaam veranderen in mistral-large-4 (alias mistral-large-4-0) op hetzelfde chat-completions-endpoint. Twee dingen vragen om codewijzigingen: met reasoning_effort "high" wordt de berichtinhoud een lijst van denk- en tekst-chunks in plaats van een string, en volgens de docs van Mistral stuur je het volledige assistentbericht, inclusief denk-chunks, terug in de geschiedenis van gesprekken met meerdere beurten.

Zet je reasoning_effort op "none", dan krijg je het antwoord als gewone string, precies zoals je Large 3-code dat nu al verwerkt.

# 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"}'