Europeisk AI-jätte utmanar Silicon Valley — en biljon parametrar och öppna vikter
Europeiska Mistral utmanar Silicon Valley med en biljon parametrar och öppna vikter.
En biljoner parametrar — vad betyder det egentligen?
När Mistral AI nu presenterar Mistral Large 4 — internt döpt till det kärleksfulla smeknamnet Le Chonk — är det svårt att inte höja på ögonbrynen. Enligt MarkTechPost rör det sig om en modell med totalt 1,05 biljoner parametrar, vilket placerar den i absolut toppskikt bland världens stora språkmodeller.
Men här är det värt att stanna upp och förklara arkitekturvalet, för det är faktiskt ganska elegant. Modellen bygger på en så kallad Mixture of Experts-arkitektur, vilket betyder att man inte aktiverar alla 1,05 biljoner parametrar varje gång modellen ska bearbeta ett ord. Istället aktiveras ungefär 49 miljarder parametrar per token — alltså enbart den del av nätverket som är mest relevant för just den uppgiften. Det är lite som att ha ett gigantiskt expertteam där du bara kallar in rätt specialist beroende på frågan, snarare än att samla hela avdelningen för varje litet beslut.
Det här arkitekturvalet är inte bara tekniskt snyggt — det har direkta ekonomiska konsekvenser. Trots modellens enorma totala storlek landar API-priset på blygsamma 1,36 dollar per miljon inmatningstokens, vilket är anmärkningsvärt konkurrenskraftigt jämfört med liknande modeller från OpenAI och Google.
Byggd i Europa, på europeisk hårdvara
En detalj som förtjänar extra uppmärksamhet är var och hur modellen tränades. Mistral använde 3 800 NVIDIA Grace Blackwell-processorer i sina egna europeiska datacenter. Det är inte en tillfällighet — det är ett ställningstagande. Mitt i en tid då frågor om datasuveränitet och europeisk teknologisk autonomi ständigt diskuteras i Bryssel och i europeiska styrelserum, visar Mistral att det faktiskt går att bygga världsklass-AI utan att vara beroende av amerikanska molntjänster.
För oss som följer infrastrukturfrågorna noga är detta lika intressant som själva modellprestandan.
Kontextfönster på en miljon tokens — och starka säkerhetsresultat
Mistral Large 4 stöder nativt bildanalys och har ett kontextfönster på hela en miljon tokens. Det sistnämnda är värt att låta sjunka in: en miljon tokens motsvarar ungefär 750 000 ord, vilket innebär att modellen kan hålla en hel romans, en lång juridisk analys eller ett komplext kodrepo i sitt omedelbara arbetsminne under en och samma session.
Där modellen verkligen sticker ut är inom cybersäkerhet. På riktmärket Cybench når Mistral Large 4 hela 93 procent — ett resultat som är anmärkningsvärt inte bara för sin höjd, utan också för vad det avslöjar om konkurrenterna. Flera slutna modeller från andra leverantörer presterar nära noll på liknande tester — inte för att de saknar förmåga, utan för att de vägrar utföra uppgifterna av innehållspolitiska skäl. Det är en intressant avvägning: Mistral verkar ha valt att lita på att öppenhet och kontext kan hantera känsliga tillämpningsområden bättre än pauscensur.
Öppna vikter — en politisk gest såväl som en teknisk
API-åtkomst är redan tillgänglig, och vikterna för lokal körning väntas släppas i slutet av oktober 2026. Det är ett viktigt löfte. Öppna vikter innebär att organisationer kan köra modellen i sin egen miljö, utan att skicka data till en extern tjänst — något som är avgörande för känsliga verksamheter inom vård, juridik och offentlig förvaltning.
Mistral har konsekvent värnat om öppenhet som en del av sin identitet, och med Le Chonk upprepas den signalen — nu i en avsevärt större skala.
Europa levererar
Det är lätt att se AI-kapplöpningen som ett amerikanskt och kinesiskt projekt där Europa mest tittar på. Mistral Large 4 är ett påminnelse om att den bilden är förenklad. Det franska företaget, grundat 2023, har på remarkabelt kort tid positionerat sig som en seriös aktör — inte genom att kopiera, utan genom att göra egna arkitekturval, investera i egen infrastruktur och hålla fast vid öppenhet som strategi.
Vår analys
Mistral Large 4 är mer än en teknisk milstolpe — det är ett strategiskt uttalande. Mixture of Experts-arkitekturen kombinerad med öppna vikter och europeisk träningsinfrastruktur pekar mot en modell som är utformad för att vara både trovärdig och tillgänglig, inte bara imponerande på pappret.
Det som fascinerar mig mest är cybersäkerhetsresultaten och vad de avslöjar om hur olika aktörer hanterar känsliga förmågor. Att censurera bort hela kunskapsområden är inte samma sak som att göra AI säker — det är att skjuta problemet framför sig. Mistrals approach att leverera förmågan och lita på att kontexten styr användningen är modigare och i längden troligtvis mer ändamålsenlig.
För Europas del är detta ett bevis på att teknologisk suveränitet inte är en dröm — det är ett pågående projekt. Om Mistral fortsätter i den här takten kommer fler organisationer att ha ett genuint europeiskt alternativ att välja. Det är bra för konkurrensen, bra för mångfalden och bra för oss alla.