Mistral öffnet Gewichte von Large 4 – Herausforderung für US- und China-Cyber-KI

Am 29. Oktober hat Mistral die Gewichte von Large 4 zum Download freigegeben. Das bedeutet, dass Unternehmen und Regierungen das KI-Modell für Cybersicherheit intern implementieren können, anstatt auf amerikanische oder chinesische Unternehmen angewiesen zu sein. Diese Freiheit hat jedoch ihren Preis. Da Mistral nur geringen Einfluss auf das Modell hat, kann es nicht bestimmen, wer es nutzen darf und zu welchen Zwecken.

Vom API-Preview zu herunterladbaren Gewichten

Mistral’s Large 4 wurde erstmals am 6. Oktober über eine API bereitgestellt, und die Gewichte wurden am 29. Oktober zum Download freigegeben. Der API-Zugriff bleibt weiterhin als Deployment-Option verfügbar. Die offiziellen Spezifikationen von Large 4 zeigen, dass es 1,05 Billionen Parameter hat, wovon 52 Milliarden aktiv sind – das sind marginal mehr als die zuvor von Cryptopolitan berichteten 49 Milliarden Parameter.

Unternehmen können das Modell selbst anpassen und hosten. Wer es jedoch als gehosteten Dienst weiterverkaufen möchte, benötigt eine separate kommerzielle Lizenz. Diese Unabhängigkeit ist ein zentraler Bestandteil von Mistals Strategie. Wie der Unternehmensvorstand Pierre Stock TechCrunch mitteilte, „kann der Zugang nicht einfach abgeschaltet werden.“

Was die Benchmarks zeigen – und was sie nicht aussagen

Laut Berichten erreichte Large 4 im Coding Agent Index 48 %, was es fast auf Augenhöhe mit GLM-5.3 bringt. Allerdings benötigte Large 4 pro Aufgabe 47 % weniger Tokens. Das Unternehmen meldete zudem Werte von 19,7 % für FrontierCode 2.0 und 41 % für Terminal-Bench 4.0.

Die Lage bei der Cybersicherheit sieht etwas anders aus. Large 4 erreichte im Artificial Analysis Cyber Index einen Wert von 51 und liegt damit hinter Kimi K3.1 Pro (64), DeepSeek V4.1 Flash (57) und Grok 4.7 (56). Diese Werte benötigen jedoch Kontext: Der Index misst, wie gut KI-Modelle Sicherheitslücken finden und beheben können – nicht ihre Fähigkeit, Cyberangriffe durchzuführen.

Wie weit hinter der geschlossenen Frontier

Trotz der berichteten Verbesserungen bei Large 4 in den Bereichen Coding und defensive Cybersicherheit bleiben führende Open-Weight-Modelle hinter den stärksten Closed-Systemen zurück. Eine Analyse von Epoch AI vom 16. Oktober vergab GLM-5.3, dem führenden Open-Weight-Modell, einen Cyber ECI-Score von 160. Die stärksten Closed-Modelle erreichten einen Score von 171. Ein Blick auf die historische Leistung zeigt, dass Epoch schätzte, dass Open-Weight-Modelle sechs bis sieben Monate hinter der geschlossenen Frontier lagen. Diese Einschätzung fiel jedoch vor der endgültigen Veröffentlichung von Large 4.

Das britische AI Security Institute kam zu einem ähnlichen Ergebnis. Es schätzte eine Lücke von vier bis sieben Monaten zwischen Open-Weight-Modellen und seinen geschlossenen Wettbewerbern, wobei seine Tests sich von denen von Epoch AI unterschieden.

Das Problem geht über die Frage der Abwehrfähigkeiten hinaus. Im Rahmen seiner kontrollierten Tests berichtete Anthropic, dass GLM-5.3 in 50 von 410 Versuchen bestehende Sicherheitslücken erfolgreich ausnutzen konnte. Es gelang den Forschern, die Sicherheitsfunktionen des Modells in 64 % bis 100 % ihrer verschiedenen Simulationen zu umgehen.

Die Souveränitätsstrategie trifft auf die Realität der Adoption

Unternehmen zeigen ein größeres Interesse daran, ihre KI-Systeme zu kontrollieren, doch die Ausgaben sprechen eine andere Sprache. Berichten zufolge nutzten im September 42 % der befragten Unternehmen Open-Weight-Modelle in der Produktion, verglichen mit 31 % im Juli.

Dennoch entfielen Open-Weights im Oktober nur auf 5 % des gemessenen KI-Verbrauchs. Claude hielt einen Anteil von 29 %, während Microsoft 365 Copilot 36 % ausmachte.

Futurum stellte zudem fest, dass der Ursprung des Modells für 47 % der Produktionsnutzer entscheidend war. Da sich die Umfrage jedoch weitgehend auf Nordamerika konzentrierte, sind breitere Schlussfolgerungen eingeschränkt.

Für Unternehmen bedeutet größere Unabhängigkeit auch mehr Verantwortung. PwC hat davor gewarnt, dass Unternehmen, die sich für Open-Weights entscheiden, Sicherheit und Wartung selbst managen müssen.

Sicherheitsvorkehrungen, die nicht zurückgerufen werden können

Diese Verantwortung wird besonders wichtig, wenn KI-Modelle sensible Cybersicherheitsaufgaben übernehmen können. Mistral gibt an, dass Large 4 96,6 % schädlicher Cyber-Anfragen ablehnt. Diese Schutzmaßnahmen können jedoch nach dem Herunterladen des Modells entfernt werden. Das AISI warnt zudem davor, dass Entwickler privat gehostete Kopien nicht überwachen oder zurückziehen können.

Moonshot hat einen anderen Ansatz gewählt. Das Unternehmen hat die Schulungsmaterialien zur Cybersicherheit aus Kimi K3.1 Pro entfernt, bevor die Gewichte am 4. November veröffentlicht wurden. Der interne Benchmark-Wert für offensive Fähigkeiten fiel daraufhin von 90,5 % auf 81,0 %. Diese Ergebnisse wurden jedoch nicht unabhängig überprüft.

Stand dem 30. Oktober wurde kein öffentlich dokumentierter Cyberangriff mit den neu veröffentlichten Gewichten von Large 4 in Verbindung gebracht.