Mistral AI heeft met Le Chonk het sterkste AI-model buiten de VS en China

Het Franse AI-bedrijf Mistral AI heeft met Mistral Large 4 een belangrijke positie veroverd in de internationale AI-race. Het model, dat de bijnaam Le Chonk draagt, behaalt volgens de onafhankelijke benchmarkorganisatie Artificial Analysis de hoogste algemene score van een AI-model dat buiten de Verenigde Staten en China is ontwikkeld. Toch vertellen de afzonderlijke testresultaten een genuanceerder verhaal.

Mistral introduceerde Large 4 op 6 oktober 2026. AI Wereld schreef eerder over de publieke preview en de geplande vrijgave van de modelgewichten. De nieuwe vraag is hoe competitief het Franse model werkelijk is ten opzichte van zijn internationale concurrenten.

De onafhankelijke analyse van Artificial Analysis geeft Mistral Large 4 een score van 38 op de Intelligence Index. Die samengestelde benchmark onderzoekt hoe taalmodellen presteren op uiteenlopende taken, waaronder redeneren, programmeren en het verwerken van complexe informatie.

Daarmee bereikt Mistral een belangrijke mijlpaal. Het Franse bedrijf beschikt volgens deze test over het krachtigste model van een ontwikkelaar buiten de twee dominante AI-landen.

De score van 38 ligt ongeveer gelijk met die van GPT-6 Luna in de geteste configuratie. DeepSeek V4.1 Flash scoort met 39 punten iets hoger. Verschillende andere Amerikaanse en Chinese modellen staan eveneens boven Large 4.

Mistral heeft dus niet het slimste model ter wereld gebouwd. Het bedrijf heeft wel laten zien dat Europa op eigen kracht een competitief AI-model kan trainen.

Een belangrijk verschil zit in de afzonderlijke toepassingen. Een algemene intelligentiescore meet andere eigenschappen dan een gespecialiseerde test voor bijvoorbeeld softwarebeveiliging.

De technische aankondiging van Mistral legt veel nadruk op cybersecurity, financiële analyses en complexe bedrijfsprocessen.

Large 4 haalt volgens Artificial Analysis 50 punten op de Cyber Index. Daarmee staat het op gelijke hoogte met GLM-5.3-Flash en boven verschillende andere bekende modellen.

Op een specifieke beveiligingstest behaalt Mistral zelfs een score van ongeveer 82 procent. Deze test onderzoekt of een model bestaande kwetsbaarheden in software kan reproduceren en vervolgens kan repareren.

Dat is belangrijk voor beveiligingsspecialisten. Zij gebruiken AI steeds vaker om broncode te onderzoeken, mogelijke kwetsbaarheden te analyseren en oplossingen voor te stellen.

De resultaten vragen wel om context. Sommige gesloten modellen weigeren bepaalde cybersecurity-opdrachten vanwege veiligheidsmaatregelen. Daardoor kan een model lager scoren zonder dat het technisch minder goed kan programmeren.

Ook Mistral moet voorkomen dat dezelfde mogelijkheden voor aanvallende doeleinden worden gebruikt. Het bedrijf laat geselecteerde beveiligingsspecialisten en overheidsinstanties daarom aanvullende tests uitvoeren voordat het de modelgewichten vrijgeeft.

Mistral Large 4 bevat ongeveer één biljoen parameters. Dat zijn de interne waarden die het AI-model tijdens de training heeft geleerd.

Toch gebruikt het systeem niet alle parameters tegelijk.

Mistral past een zogenoemde Mixture-of-Experts-architectuur toe. Het model activeert per verwerkingsstap slechts een selectie van zijn gespecialiseerde onderdelen. Afhankelijk van de telmethode gaat het om ongeveer 49 tot 52 miljard actieve parameters.

Die aanpak helpt om een groot model efficiënter te laten werken. Het betekent niet dat Large 4 op een gewone laptop kan draaien. Het volledige model vraagt nog steeds om aanzienlijke hoeveelheden geheugen en gespecialiseerde hardware.

Voor de training gebruikte Mistral ongeveer 3.800 NVIDIA Grace Blackwell-GPU's in eigen Europese datacenters.

Daar zit een belangrijke strategische ontwikkeling achter. Europa hoeft niet uitsluitend Amerikaanse AI-modellen af te nemen, maar kan ook zelf de infrastructuur beheren waarop geavanceerde modellen draaien.

Dat levert meer controle op over beschikbaarheid, gegevensverwerking en de inrichting van AI-diensten. Tegelijk blijft de Europese AI-sector afhankelijk van internationale leveranciers van onder meer chips.

Mistral belooft de gewichten van Large 4 eind oktober beschikbaar te stellen. Tot dat moment kunnen ontwikkelaars het model via de publieke API-preview gebruiken.

Het onderscheid is belangrijk. Met downloadbare modelgewichten kunnen organisaties een AI-model op eigen infrastructuur draaien en mogelijk aanpassen aan specifieke taken, afhankelijk van de gebruikslicentie.

Voor banken, ziekenhuizen, overheden en industriële bedrijven kan die controle doorslaggevend zijn. Zij willen niet altijd afhankelijk zijn van een externe aanbieder voor toegang tot gevoelige documenten of bedrijfskritische processen.

De kosten verdienen eveneens aandacht. Artificial Analysis berekende bij de standaardtarieven ongeveer 1,13 dollar per voltooide benchmarktaak. Vergelijkbare modellen van DeepSeek en andere aanbieders kwamen bij deze meting aanzienlijk goedkoper uit.

Een aantrekkelijk tarief per miljoen tokens betekent dus niet automatisch dat een model ook de goedkoopste complete taak uitvoert.

Voor Europese bedrijven wordt de afweging steeds concreter: wat levert een model op, wat kost het in de praktijk en hoeveel controle behouden ze zelf?

Mistral Large 4 is vooral een belangrijke ontwikkeling omdat die keuze breder wordt. De volgende echte test volgt wanneer externe ontwikkelaars de beloofde modelgewichten kunnen downloaden en de prestaties onafhankelijk kunnen reproduceren.