Mi a Mistral Large 4, és miért fontos? A francia Mistral AI zászlóshajó modellje, amelynek súlyait a cég 2026. október 29-én nyilvánossá tette. Bárki letöltheti a Hugging Face-ről, és a saját infrastruktúráján futtathatja. A modell 1,05 billió paraméteres, ebből kérésenként körülbelül 52 milliárd aktív, és Európában tanították. A Mistral API-ján 0,70 dollár millió bemeneti és 2,10 dollár millió kimeneti tokenenként. Ez a Claude Sonnet 5.5 díjának bő harmada. Magyar KKV-nak két dolog miatt érdekes: az API alapból az EU-ban tárolja az adatokat, és a modellhez akkor is hozzáférsz, ha egy külső szolgáltató megszünteti a hozzáférést. A saját szerveres futtatás viszont havi több millió forint, ezért kis cégnek ritkán éri meg.
Állapot: 2026. november 3. A cikk a Mistral AI 2026. október 29-i bejelentésén, a Hugging Face technikai blogján és árlistáján, a Mistral súgóoldalán, az Anthropic árlistáján, valamint a TechCrunch, a Fortune és az Euronews beszámolóján alapul. A forintos kalkuláció saját számítás, a feltevéseket jelöljük.
Mit jelentett be a Mistral október 29-én?
A Mistral AI a saját blogján jelentette be, hogy közzéteszi a Mistral Large 4 (becenevén „Le Chonk”) súlyait. A modellt október 6-án mutatták be nyilvános előzetesként. Azóta további megerősítéses tanulással (reinforcement learning) javították, főként a programozásban és a védekező kiberbiztonságban.
A „nyílt súlyú” (angolul open-weight, a köznyelvben gyakran open source AI) azt jelenti, hogy a modell betanított paraméterei letölthetők. A TechCrunch szerint így a cégek és a kormányzati szervek maguk telepíthetik és üzemeltethetik a rendszert, nem kell egy külső AI-cég szolgáltatására támaszkodniuk. A magyar Euronews úgy foglalja össze, hogy a modell egy szervezet saját számítógépein és szerverein is futtatható.
A modell három módon érhető el: a Mistral Studióban és API-ján, az OpenRouteren, illetve letölthető súlyokként a Hugging Face-ről, vLLM vagy SGLang futtatókörnyezethez. A Mistral szerint az első felhőszolgáltató a Microsoft, amely a Foundry platformon kínálja.
Mit tud a Mistral Large 4 a számok szerint?
A legfontosabb műszaki adatok a gyártótól és a Hugging Face technikai blogjából:
- Méret: az Euronews által idézett Mistral-adat szerint 1,05 billió paraméter, ebből körülbelül 52 milliárd aktív. A modell szakértőkeverék (Mixture-of-Experts), tokenenként csak a paraméterek egy kis részét használja. A Hugging Face blogja 49 milliárd aktív paramétert ír, a modell neve (A52B) az 52-t tükrözi.
- Kontextusablak: 1 millió token a Hugging Face szerint.
- Bemenet: szöveg és kép, a kimenet szöveg.
- Érvelési módok: alacsony, közepes és magas. A magas az alapértelmezett, és a Hugging Face szerint az érvelést nem lehet teljesen kikapcsolni.
- Nyelvek: a Mistral modelloldala szerint több mint 160 nyelven folyékony.
A teljesítményről a Mistral saját mérései szólnak, ezeket gyártói adatként kezeld. A cég szerint az Artificial Analysis Coding Agent Index-én 48%-ot ér el, ami gyakorlatilag holtverseny a kínai GLM-5.3-mal, de feladatonként átlagosan 47%-kal kevesebb tokent használ. A Terminal-Bench 4.0-n az előzetes 28%-áról 41%-ra javult. A Fortune hozzáteszi, hogy a zárt modellek összességében még előrébb tartanak: az Anthropic Mythos 5.1 ugyanezen a teszten 60,9%-ot ért el.
Üzleti feladatokban a Mistral a pénzügyi munkát mérő FinWorkBenchen 73,3%-ot, a webes keresést mérő BrowseCompon 84,5%-ot közöl. Az AI-ügynökök biztonságát mérő B3 teszten a támadások 97,1%-ának állt ellen az előzetes 93,3%-a után. A gyártó szerint a kártékony kiberbiztonsági kérések 96,6%-át utasítja el, ami a nyílt modellek között a legmagasabb általuk mért arány.
„AI sovereignty isn't about choosing which API to call. It's about having the freedom to run, customize, and build AI on your own terms.”
Magyarul: „Az AI-szuverenitás nem arról szól, melyik API-t hívod meg. Arról szól, hogy szabadon futtathatod, testre szabhatod és építheted az AI-t a saját feltételeid szerint.”
— Jeff Boudier, termékért felelős alelnök, Hugging Face, a Mistral bejelentésében
Mennyibe kerül a Mistral Large 4 a Claude-hoz képest?
A Mistral a bejelentésben közölte az API-árat: 0,70 dollár millió bemeneti token, 0,07 dollár millió gyorsítótárazott bemeneti token és 2,10 dollár millió kimeneti token. Az összevetéshez az Anthropic árlistáját használtuk.
| Modell | Bemenet / millió token | Kimenet / millió token | Súlyok letölthetők? |
|---|---|---|---|
| Mistral Large 4 | 0,70 $ | 2,10 $ | Igen |
| Claude Sonnet 5.5 | 2 $ | 10 $ | Nem |
| Claude Opus 5.5 | 4 $ | 20 $ | Nem |
Saját kalkuláció: havi 3000 dokumentum forintban
Egy tipikus KKV-feladattal számoltunk: havonta 3000 dokumentum (ajánlatkérés, szerződés, ügyféllevél) feldolgozása, dokumentumonként 15 000 bemeneti és 1500 kimeneti tokennel. Ez havi 45 millió bemeneti és 4,5 millió kimeneti token. Árfolyam: az MNB 2026. november 2-i hivatalos árfolyama, 325,26 Ft/dollár.
| Megoldás | Havi költség (USD) | Havi költség (Ft) |
|---|---|---|
| Mistral Large 4 API | 40,95 $ | kb. 13 300 Ft |
| Claude Sonnet 5.5 API | 135 $ | kb. 43 900 Ft |
| Claude Opus 5.5 API | 270 $ | kb. 87 800 Ft |
| Saját futtatás bérelt gépen (8× NVIDIA H200, Hugging Face Inference Endpoints) | 28 800 $ | kb. 9 367 000 Ft |
A számításból két dolog nem látszik. Az egyik az érvelés: a magas érvelési mód alapértelmezett, és extra kimeneti tokeneket termelhet, ezért a valós Mistral-díj ennél magasabb lehet. A gyorsítótárazást sem számoltuk, az viszont csökkentené a díjat. A másik a minőség: a táblázat a díjat hasonlítja össze, nem azt, hogy melyik modell oldja meg jobban a te feladatodat. Ezt a saját dokumentumaidon kell kipróbálni.
A saját futtatás sora a Hugging Face árlistájából jön: a 8× H200-as gép óradíja 40 dollár, havi díja 28 800 dollár. A Hugging Face ehhez a géphez ad kész telepítési receptet a Mistral Large 4-hez. A mi példánkban a bérelt gép havi díja a Mistral API-díj körülbelül 700-szorosa. A saját szerver tehát nem a spórolásról szól, hanem arról, hogy az adat és a modell nálad marad.
Hol vannak az adataid, ha a Mistral API-t használod?
A Mistral AI súgója szerint az adataidat alapból az Európai Unióban tárolják. Ha kifejezetten az amerikai API-végpontot választod, az adat az Egyesült Államokban lesz. A súgó azt is leírja, hogy egyes funkcióknál az adat ideiglenesen az EU-n kívülre kerülhet, a Trust Center alvállalkozói listáján szereplő helyekre. Ilyenkor a Mistral a GDPR 46. cikke szerinti garanciákat alkalmaz, például az Európai Bizottság általános szerződési feltételeit.
Összehasonlításként: az Anthropic árlistája a Claude API-nál két útvonalat említ: a globálisat (ez az alapértelmezett) és az amerikait, amely 1,1-szeres szorzóval jár. EU-s útvonalat az árlista nem sorol fel. Aki a Claude-ot EU-s régióban akarja futtatni, annak az Amazon Bedrock vagy a Google Cloud regionális ajánlatait kell megnéznie.
Hogy egy adott felhasználáshoz melyik megoldás felel meg az adatvédelmi előírásoknak, azt a cég adatvédelmi felelőse vagy ügyvédje dönti el. A műszaki különbség viszont tény: a Mistral API alapból EU-s tárolást ad, a letöltött súlyokkal pedig az adat el sem hagyja a saját rendszeredet.
Miért számít, hogy a modell letölthető?
A Fortune szerint a Mistral ügyfelei a pénzügyi, gyártóipari és egészségügyi szektorban leggyakrabban az „üzletmenet-folytonosságot” kérik, mert attól tartanak, hogy a zárt modellekhez a hozzáférés megszűnhet. A lap emlékeztet rá, hogy júniusban egy amerikai exportkorlátozási utasítás miatt az Anthropic közel három hétre felfüggesztette a Fable 5 és a Mythos 5 modellek elérését. Az Euronews úgy írja, hogy a felfüggesztés a külföldi állampolgárok hozzáférését érintette. A korlátozást a Fable 5-nél később feloldották.
Pierre Stock, a Mistral tudományért felelős alelnöke a Fortune-nak azt mondta: ha egy modell súlyai nyilvánosak, a hozzáférést nem lehet ilyen módon megszüntetni. Egy magyar cégnél ez akkor számít, ha egy AI-alapú folyamatra (ügyfélszolgálat, dokumentumfeldolgozás, belső kereső) épül a napi működés. Ha a szolgáltató egyik napról a másikra elérhetetlenné válik, a letöltött modell vészmegoldásként tovább futtatható.
„Open-weight models allow organisations to keep control of the technology their resilience depends on.”
Magyarul: „A nyílt súlyú modellekkel a szervezetek kézben tarthatják azt a technológiát, amelyen az ellenálló képességük múlik.”
— Laura Heuvinck, kommunikációs vezető, ENISA (az EU kiberbiztonsági ügynöksége), a Mistral bejelentésében
Arthur Mensch, a Mistral vezérigazgatója az Euronews szerint így fogalmazott: „A nyílt forráskód elengedhetetlen ahhoz, hogy a csúcsszintű MI ne néhány szereplő kezében összpontosuljon.”
Mit enged a licenc, és mit nem?
A modell a „Mistral Ecosystem Open-Weight” licenc alatt érhető el. A Mistral leírása szerint ez egy módosított MIT-licenc: a modell szabadon használható, módosítható, finomhangolható és kereskedelmi célra is felhasználható. Egyetlen feltétel van. Annak a cégnek, amely Model-as-a-Service szolgáltatást üzemeltet, vagyis magát a modellt kínálja másoknak szolgáltatásként, kereskedelmi használat előtt külön kereskedelmi licencet kell kérnie a Mistraltól.
Ha a modellt a saját belső folyamataidhoz használod, a Mistral AI leírása szerint ez a feltétel nem érint. Ha viszont a modellt elérhetővé tennéd a te ügyfeleidnek is, a licenc teljes szövegét a Hugging Face modelloldalán érdemes jogásszal átnézetni.
Futtatható-e egy irodai gépen?
Kipróbálásra igen, éles használatra jellemzően nem. A Hugging Face mérése szerint az erősen tömörített, 2 bites változat (Q2_K) egyetlen 512 GB egyesített memóriájú Apple Silicon Ultra gépen fut, egy M3 Ultrán másodpercenként nagyjából 15 tokent generált. Ez egy rövid válasznál elfogadható, egy 3000 dokumentumos havi feldolgozáshoz kevés. A teljes minőségű változathoz több GPU-s, adatközponti gép kell, a Hugging Face receptje 8 darab NVIDIA H200-zal számol.
Gyakorlati sorrend egy KKV-nak, amely kipróbálná:
- Kezdd az API-val. A saját, anonimizált dokumentumaidon hasonlítsd össze a Mistral Large 4-et a jelenleg használt modelleddel. Ez napok alatt megvan, és néhány ezer forintba kerül.
- Mérd a token-felhasználást. Nézd meg, mennyi kimeneti tokent termel a magas érvelési mód, és próbáld ki a közepeset.
- Döntsd el, kell-e a saját futtatás. Csak akkor lépj tovább, ha az adat jellege vagy az üzletmenet-folytonosság ezt indokolja. Ilyenkor a havi több milliós gépbérlés vagy egy saját szerver beruházása kerül a mérlegre.
Kinek éri meg a Mistral Large 4, és kinek nem?
| Helyzet | Javaslat |
|---|---|
| Általános szövegírás, levelezés, kis volumen | Maradhat a megszokott eszköz. A Mistral olcsóbb, de kis volumennél a különbség havi néhány ezer forint. |
| Nagy volumenű dokumentumfeldolgozás, EU-s tárolás az elvárás | Érdemes kipróbálni a Mistral API-t. Alapból EU-s tárolás, a díj a Claude Sonnet 5.5 bő harmada. |
| Szigorú adatkezelés (pl. egészségügyi vagy pénzügyi adat), az adat nem hagyhatja el a céget | A letölthető súlyok miatt reális opció a saját infrastruktúrán. Költséges, szakértő kell az üzemeltetéshez. |
| Fejlesztőcsapat, kódgenerálás | A gyártó szerint a legjobb nyílt modell programozásra, de a zárt csúcsmodellek a Fortune szerint előrébb vannak. |
| A modellt szolgáltatásként adnád tovább | A licenc szerint külön kereskedelmi licenc kell a Mistraltól. |
Ha a nyílt modellek mezőnye érdekel, korábban megírtuk, mit tud a kínai Kimi K3.1 Pro, és mikor ne használd, illetve hogy a Google Gemma 4 kisebb modelljei hogyan futnak akár egy laptopon. A zárt csúcsmodellek közül a Gemini 4 Carbon és a Claude Opus 5.5 árait is kiszámoltuk forintban. Az uniós szabályozási háttérről az EU AI Act KKV-útmutatónkban olvashatsz.
Mit jelent ez a SocialPro ügyfeleinek?
Az AI-ügynökeink és automatizációink tervezésekor a modellválasztás az egyik első döntés. A Mistral Large 4 megjelenésével van egy olyan csúcsközeli, európai, letölthető modell, amelyre egy folyamat úgy építhető, hogy szükség esetén a saját infrastruktúrára költöztethető. Ha egy AI-ügynököt vagy üzleti automatizációt terveztetnél, és fontos, hol fut a modell, a modellválasztást a saját adataidon végzett próbával együtt döntjük el. Általános bevezetőnek a mesterséges intelligencia oldalunkat ajánljuk.
Gyakori kérdések
Ingyenes a Mistral Large 4?
A súlyok letöltése és a modell saját gépen való használata díjmentes, de a futtatáshoz nagy teljesítményű hardver kell. A Mistral API-ján a használat fizetős: 0,70 dollár millió bemeneti és 2,10 dollár millió kimeneti tokenenként.
Hol tárolja a Mistral az adataimat?
A Mistral súgója szerint alapból az Európai Unióban. Ha az amerikai API-végpontot választod, az Egyesült Államokban. Egyes funkcióknál az adat ideiglenesen az EU-n kívüli alvállalkozókhoz kerülhet, ezeket a Mistral Trust Center oldala sorolja fel.
Futtatható a Mistral Large 4 saját szerveren?
Igen, a súlyok a Hugging Face-ről letölthetők, és vLLM, SGLang vagy llama.cpp futtatókörnyezettel üzemeltethetők. A teljes minőségű változathoz a Hugging Face 8 darab NVIDIA H200 GPU-val számol, ennek bérleti díja az árlistájuk szerint havi 28 800 dollár.
Jobb a Mistral Large 4, mint a Claude?
A Mistral szerint a legjobb nyílt súlyú modell programozásra, de a zárt csúcsmodellek a Fortune szerint összességében előrébb tartanak: a Terminal-Bench 4.0-n a Mistral Large 4 41%-ot, az Anthropic Mythos 5.1 60,9%-ot ért el. A díja ugyanakkor a Claude Sonnet 5.5 díjának bő harmada.
Használhatom a Mistral Large 4-et üzleti célra?
A Mistral leírása szerint igen: a licenc engedi a kereskedelmi felhasználást, a módosítást és a finomhangolást. Kivétel, ha magát a modellt kínálod szolgáltatásként (Model-as-a-Service). Ehhez külön kereskedelmi licenc kell a Mistraltól.
Források
- Mistral AI: Mistral Large 4 (Le Chonk) is now open weight (2026. október 29.)
- Hugging Face: Welcome Le Chonk: Mistral Large 4 on Hugging Face (2026. október 29.)
- TechCrunch: Mistral releases weights for its trillion-parameter AI model (2026. október 29.)
- Fortune: Mistral says its new model, Large 4, achieves ‘frontier’ performance among open models (2026. október 29.)
- Euronews: Mistral letölthetővé teszi legújabb MI-modelljét (2026. október 29.)
- Mistral Help Center: Where do you store my data?
- Hugging Face: árlista (Inference Endpoints)
- Anthropic: Claude API árlista
- MNB: hivatalos devizaárfolyamok (2026. november 2.)
A cikk AI-asszisztált kutatással és szerkesztéssel, emberi szakmai ellenőrzés mellett készült. Minden hivatkozott forrást publikálás előtt ellenőrzünk.
