Die Modellankündigung ist da. Die API lässt sich ausprobieren. Für die eigene lokale Installation fehlt aber noch das tatsächliche Paket. Diese Zwischenphase ist bei offenen Modellen besonders leicht zu übersehen: Ein technisches Zielbild klingt schnell wie ein bereits verfügbarer Download.
Mistral stellte Large 4 am 6. Oktober 2026 als API-Public-Preview vor. Die Ankündigung nennt die Veröffentlichung der Gewichte für das Monatsende; die Modellkarte führt ebenfalls Public Preview. Zum Quellenstand 25. Oktober bleiben Vorschauzugang und angekündigtes lokales Modellpaket getrennte Zustände.
Was der Dienst übernimmt
Bei einer API sendet deine Anwendung eine Anfrage an einen bereitstellenden Dienst. Dieser hält die nötige Ausführungsumgebung vor. Für einen kleinen Versuch musst du deshalb nicht zuerst sämtliche Modellgewichte auf deinem Rechner unterbringen.
Ein lokaler Weg verschiebt diese Verantwortung. Du brauchst die passenden Dateien, eine unterstützende Laufzeit und ausreichende Ressourcen. Dazu kommen die geltenden Nutzungsbedingungen. Eine vorhandene Datei beantwortet noch nicht jede dieser Fragen; eine Ankündigung beantwortet nicht einmal die Frage nach dem konkreten vorhandenen Artefakt.
Für die technische Planung hilft eine Trennung in drei Bereiche: Zugang zum Dienst, vollständige Artefakte und nachgewiesener Laufweg. Notiere bei jedem Bereich den tatsächlich geprüften Stand. So wird ein späterer Download zu einer gezielten Ergänzung statt zur stillschweigenden Korrektur einer zu frühen Verfügbarkeitsbehauptung.
Die Aufgabe bleibt unabhängig vom Zugang
Lege zuerst eine kleine Anwendung fest, etwa die Zusammenfassung eigener Produktnotizen. Drei sachliche Sätze, keine Ergänzung unbekannter Eigenschaften und ein sichtbarer Hinweis auf Widersprüche sind brauchbare Anforderungen. Diese Regeln gelten sowohl für einen Dienstversuch als auch für einen möglichen späteren lokalen Vergleich.
Verwende ein paar synthetische Notizen mit bekannter Bedeutung. Eine nennt ein Material, eine korrigiert eine Menge, einer fehlt die Größe. Halte die Eingaben und die gewünschten Grenzen unverändert. Wenn später sowohl der Zugangsweg als auch die Anweisung wechseln, kannst du Unterschiede kaum noch einer Ursache zuordnen.
Ein Artefakt eindeutig benennen
Sobald du tatsächlich eine zulässige Modelldatei vorliegen hast, kannst du ihren Namen, ihre Größe und eine Prüfsumme festhalten. Das folgende eigene Python-Hilfsprogramm liest eine vorhandene Datei blockweise. Es lädt nichts herunter, verändert keine Datei und prüft keine Modellqualität.
from pathlib import Path
import hashlib
import sys
pfad = Path(sys.argv[1])
if not pfad.is_file():
raise SystemExit("Eine vorhandene Datei angeben.")
pruefer = hashlib.sha256()
with pfad.open("rb") as quelle:
for block in iter(lambda: quelle.read(1024 * 1024), b""):
pruefer.update(block)
print("Datei:", pfad.name)
print("Bytes:", pfad.stat().st_size)
print("SHA256:", pruefer.hexdigest())Speichere es als datei-stand.py und übergib beim Aufruf den tatsächlichen Pfad einer vorhandenen Datei. Bei einem aus mehreren Teilen bestehenden Modell reicht die Prüfsumme eines einzelnen Teils nicht für das gesamte Paket. Führe dann die relevanten Artefakte einzeln auf und bewahre die Herkunftsangabe dazu.
Eine Prüfsumme ist ein Identitätsmerkmal. Sie zeigt, ob zwei Dateistände übereinstimmen. Sie bescheinigt weder eine Nutzungsberechtigung noch Sicherheit, fachliche Richtigkeit oder ausreichenden Arbeitsspeicher. Diese Fragen gehören in eigene Prüfungen.
Vom Download zum belegten lokalen Betrieb
Für einen wirklichen lokalen Nachweis benötigst du zusätzlich die genaue Laufzeit, ihre Konfiguration und einen ausgeführten kleinen Auftrag. Ein erfolgreicher Download allein ist noch kein erfolgreiches Laden. Ein geladenes Modell allein ist noch kein brauchbares Ergebnis.
Bewahre daher den tatsächlich verwendeten Aufruf und die beobachtete Ausgabe zusammen mit dem Artefaktstand auf. Wenn eine Voraussetzung fehlt, bleibt genau dieser Schritt offen. Das ist technisch hilfreicher als die pauschale Aussage, das Modell sei jetzt lokal verfügbar.
Mistrals Nachricht eröffnet einen konkreten API-Previewweg und beschreibt eine geplante Gewichtsfreigabe. Wer diese Ebenen trennt, kann die Entwicklung interessiert verfolgen und später einen nachvollziehbaren eigenen Versuch anschließen. Die saubere Grenze zwischen angekündigt, vorhanden und ausgeführt macht eine große Modellmeldung praktisch verständlich.
Quellen und Stand
Quellenstand: 25. Oktober 2026. Introducing Mistral Large 4 · Mistral Large 4 model card.
