Terug naar overzicht
🇫🇷 Mistral AI · Frankrijk EU · AVG ZDR mogelijk #23 populair
Mistral Large 4
Niveau: Professioneel
Sterke allrounders met de beste balans tussen kwaliteit en prijs. Voor de meeste organisaties de slimste keuze.
Mistral Large 4 is a frontier multimodal (text and image input) model from Mistral AI built for reasoning, coding, and agentic workloads. It offers a 1M-token context window with up...
KostenGemiddeld
SnelheidGemiddeldgemeten · 56.5 tokens/sec
Werkgeheugen1M tokenshoeveel tekst het tegelijk aankan
SlimheidSterk65/100
Goede prijs-kwaliteit
49
waarde / 100
Loont de prijs?
Sterke balans tussen prijs en kwaliteit.
Bespaar slim: Claude Haiku 5.5
is minstens net zo slim voor 90% minder geld. Bovendien is het sneller en minstens even goed in programmeren. Voor de meeste taken merk je het verschil nauwelijks.
Goed voor
- E-mails, teksten en samenvattingen schrijven
- Lastige vragen en analyses
- Programmeren en technische taken
- Het verwerken van hele lange documenten
- Het lezen van afbeeldingen en scans
Minder geschikt voor
- Situaties waar je heel snel antwoord wilt
Europese aanbieder. Valt onder EU-recht — doorgaans gunstiger voor privacy en de AVG.
Zero Data Retention mogelijk. Dit model kan via OpenRouter worden ingezet bij een aanbieder die je invoer niet bewaart en niet gebruikt voor training — belangrijk voor vertrouwelijke bedrijfsgegevens. Stel ZDR in je OpenRouter-account in om dit af te dwingen.
Slimheid
65/100 · sterk
Schrijven
55/100 · prima
Programmeren
60/100 · sterk
Agent-taken
geen benchmarkdata
Geavanceerd — voor professionals
Onderstaande gegevens zijn bedoeld voor wie de techniek wil doorgronden: ruwe benchmarkscores, gemeten snelheid/latency, prijsopbouw en databronnen. Niet nodig om een goede keuze te maken.
Benchmarks
Klik op een benchmark voor uitleg en alle uitslagen per model; het ?-knopje geeft een korte uitleg.
| Intelligence Index | 38.4 |
| Samengestelde slimheidsscore van Artificial Analysis: het gemiddelde over vele tests voor redeneren, kennis, wiskunde en code. Hoger = slimmer. Alle uitslagen & uitleg → | |
| Coding Index | geen data |
| Gemiddelde van programmeertests: hoe goed het model code schrijft, begrijpt en verbetert. Alle uitslagen & uitleg → | |
| Math Index | geen data |
| Gemiddelde van wiskundetests: rekenen, algebra en wiskundig redeneren. Alle uitslagen & uitleg → | |
| Agentic Index | geen data |
| Hoe goed het model zelfstandig meerstaps-taken uitvoert met tools (bestanden openen, zoeken, acties uitvoeren). Alle uitslagen & uitleg → | |
| MMLU-Pro | geen data |
| Grote kennistest met ruim 12.000 pittige meerkeuzevragen over 14 vakgebieden (recht, economie, natuurkunde…). Meet brede kennis en redeneren. Alle uitslagen & uitleg → | |
| GPQA Diamond | geen data |
| Zeer moeilijke wetenschapsvragen op PhD-niveau (biologie, natuur- en scheikunde). Zelfs menselijke experts halen hier maar ~65%. Alle uitslagen & uitleg → | |
| Humanity's Last Exam | 35% |
| De zwaarste kennistest die er is: duizenden extreem moeilijke vragen over honderden onderwerpen. Lage percentages zijn hier normaal. Alle uitslagen & uitleg → | |
| LiveCodeBench | geen data |
| Verse programmeeropgaven die pas ná de training van het model zijn verschenen — meet écht kunnen programmeren in plaats van onthouden. Alle uitslagen & uitleg → | |
| SciCode | 54.2% |
| Programmeeropgaven uit echte wetenschappelijke onderzoekspapers — combineert code en vakkennis. Alle uitslagen & uitleg → | |
| AIME (wiskunde) | geen data |
| Vragen van de Amerikaanse wiskunde-olympiade voor scholieren. Meet geavanceerd wiskundig redeneren. Alle uitslagen & uitleg → | |
| IFBench (instructievolgen) | geen data |
| Meet hoe precies het model instructies opvolgt, zoals eisen aan lengte, opmaak of vorm van het antwoord. Alle uitslagen & uitleg → | |
| τ²-bench (agent-taken) | geen data |
| Realistische klantenservice-scenario's (vluchten omboeken, abonnementen wijzigen) waarin het model zelfstandig regels moet volgen en tools gebruiken. Alle uitslagen & uitleg → | |
| Terminal-Bench (agent-taken) | geen data |
| Opdrachten die het model zelfstandig in een computerterminal moet uitvoeren — een zware test voor agent-vaardigheden. Alle uitslagen & uitleg → | |
Prestaties (gemeten)
| Output-snelheid | 56.5 tokens/sec |
| Time-to-first-token (latency) | 0.74 sec |
| Snelheidsbron | gemeten (Artificial Analysis) |
Design Arena (ELO)
Head-to-head ranglijst waarin modellen het tegen elkaar opnemen op praktijktaken (websites, code, UI, datavisualisatie). Hogere ELO = vaker gewonnen.
| Gemiddelde ELO | 1248 |
| svg | ELO 1233 · rang 17 |
| asciiart | ELO 1203 · rang 24 |
| dataviz | ELO 1274 · rang 25 |
| uicomponent | ELO 1275 · rang 29 |
Technische specificaties
| Model-ID | mistralai/mistral-large-4-0 |
| Contextvenster | 1.048.576 tokens |
| Kennis bijgewerkt tot | onbekend |
| Uitgebracht | 6 okt 2026 |
| Invoer | tekst, beeld |
| Redeneren (reasoning) | ja |
| Populariteitsscore | 78/100 |
| Databronnen | openrouter, artificial_analysis, design_arena |