Mistral Large 3: Europas Frontier-Modell mit offenen Gewichten

Redaktion · 9. Mai 2026 · 4 Min. Lesezeit

Mistral Large 3 ist seit dem 2. Dezember 2025 verfügbar — Apache-2.0-Lizenz, 675 Milliarden Parameter total, 41 Milliarden aktiv pro Forward-Pass. Damit hat Mistral als erster europäischer Anbieter ein Modell auf Frontier-Niveau veröffentlicht, das nicht nur über eine API erreichbar ist, sondern dessen Gewichte herunterladbar und kommerziell nutzbar bleiben. Der Modell-Identifier mistral-large-2512 zeigt das Trainings-Datum direkt im Namen — Halbjahr-Zyklus, nicht Monats-Zyklus.

Was Large 3 konkret ausmacht

Sparse Mixture-of-Experts mit 675 Mrd. total / 41 Mrd. aktiven Parametern. Trainiert von Grund auf auf 3.000 NVIDIA H200 GPUs.
Apache-2.0-Lizenz für Base- und Instruction-Tuned-Variante. Kommerzielle Nutzung, Fine-Tuning und Self-Hosting ohne Royalty.
Multimodal von Anfang an — alle Varianten verarbeiten Text und Bilder, sind nativ auf 40+ Sprachen trainiert. Kontextfenster: 256K Tokens.
#2 in der OSS-non-reasoning-Kategorie auf der LMArena, #6 unter allen Open-Weight-Modellen insgesamt. MMLU-Pro: 73,11 %, MATH-500: 93,60 %.

Was vorher galt

Bis Ende 2025 war die Lage klar: Die wirklich starken Frontier-Modelle waren proprietär (GPT-4, Claude 3, Gemini 1.5), die wirklich offenen Modelle (Llama 3, Qwen 2.5, Mistral Large 2) lagen ein bis zwei Stufen darunter. Wer „GPT-4-Niveau” und „Apache 2.0” gleichzeitig wollte, fand schlicht nichts.

Mistral Large 2 von Juli 2024 war zwar offen, aber unter „Mistral Research License” — kommerzielle Nutzung erforderte einen separaten Vertrag. In der Praxis war das ein Knackpunkt für Unternehmen, die ohne Lizenzverhandlung selbst hosten wollten.

Was jetzt gilt

1. Echtes Frontier-Niveau unter Apache 2.0. Mistral Large 3 ist eines der ersten Open-Weight-Modelle, das in der LMArena-Wertung eindeutig an die Spitze des OSS-Felds rückt — und zwar unter einer Lizenz, die für jede praktische Nutzung ausreicht. Wer eigene Server, eigene Cluster oder Air-Gapped-Umgebungen braucht, kann das Modell ohne Anbieter-Bindung betreiben. Die Mistral-Website nennt MMLU-Pro 73,11 % und MATH-500 93,60 %.

2. MoE als Effizienz-Wette. Mit 41 Mrd. aktiven Parametern liegt Large 3 beim Inference-Aufwand näher an einem 50-Mrd.-Dense-Modell als an einem klassischen 70B+. Der Speicherbedarf (alle 675 Mrd. Parameter müssen geladen sein) bleibt aber hoch — ein einzelner H100/H200 reicht nicht, in der Praxis braucht es Multi-GPU-Setups. Wer die Hardware aufbringt, bekommt aber pro Token mehr Qualität bei vergleichbarer Latenz.

3. Multimodal und multilingual als Default. Anders als bei früheren Open-Weight-Generationen sind Bild-Verständnis und 40+ Sprachen keine separaten Modelle, sondern Teil des Hauptmodells. Mistral hebt explizit hervor, dass Large 3 in nicht-englischen, nicht-chinesischen Sprachen besonders gut sei — relevant für europäische Workloads, wo Deutsch, Französisch, Spanisch oder Italienisch mehr zählen als der englische Benchmark-Durchschnitt.

Einordnung

Die Veröffentlichung passt strategisch in das größere Bild von Mistral als Sovereign-AI-Player. Wer ein europäisches Modell auf Apache-2.0-Niveau nicht nur konsumiert, sondern selbst betreibt, schafft eine echte Alternative zur API-Abhängigkeit von US-Anbietern. Für regulierte Branchen (Finanz, Gesundheit, Verwaltung) ist das ein Argument, das schwerer wiegt als zwei Punkte mehr in einem Eval-Score.

Was nicht im Hype steht: Frontier-Performance auf eigenen Maschinen ist teuer. Selbst eine moderate Inference-Auslastung von Large 3 verlangt 8x H100 oder vergleichbar — das sind Investitionen, die für die meisten Mittelständler über die Cloud bei einem europäischen Hoster (Scaleway, OVH, IONOS) günstiger laufen. Die Wahl heißt also nicht „API vs. eigene Hardware”, sondern „US-API vs. EU-API mit denselben Modellgewichten”.

Was du jetzt tun kannst

Wenn du Open-Weight ernsthaft prüfen willst: Lade die Gewichte von Hugging Face und teste auf deinen Top-3-Tasks. Wichtige Frage dabei: Reicht dir die Latenz im Self-Host-Setup, oder ist eine API über einen EU-Hoster die pragmatischere Wahl?

Wenn du DSGVO-Compliance oder Datenresidenz brauchst: Mistral Large 3 über einen europäischen Inference-Anbieter ist aktuell die beste Kombination aus Qualität und Daten-Souveränität. Apache 2.0 macht den Vendor-Lock-in fast unmöglich.

Wenn du nur einen API-Anbieter willst: Large 3 als Default für mehrsprachige, multimodale Workloads testen — und gegen GPT-5 oder Claude Opus 4.7 evaluieren. In englischen Benchmarks sehen die US-Modelle vorne aus, im deutschen Alltagstext liegen sie näher beieinander, als Benchmarks vermuten lassen.

Entdecke mehr

Blog

Themenuebersicht

KI-Modelle Mistral