Een beveiliger krijgt een melding over een mogelijke fout in software. Is die fout echt uit te buiten, of ziet een scanner alleen iets verdachts? Om dat vast te stellen, moet je soms precies de handeling uitvoeren die je uiteindelijk wilt voorkomen: proberen binnen te komen. Een AI-assistent die op dat moment beleefd weigert mee te denken, is veilig in de chat — maar misschien weinig waard voor degene die het lek moet dichten.

Daar zet het Franse Mistral zijn nieuwe model tegenover. Op 6 oktober 2026 kondigde het Mistral Large 4 aan, met de bijnaam Le Chonk. Het bedrijf presenteert het nadrukkelijk als gereedschap voor onder meer cyberbeveiliging. Volgens Mistral kunnen de veiligheidsfilters van gesloten modellen legitiem onderzoek blokkeren, bijvoorbeeld wanneer een verdediger wil aantonen dat een kwetsbaarheid werkelijk bestaat. Large 4 moet zulke taken wel kunnen uitvoeren.

Dat is geen kleine technische aanpassing. Het is een andere keuze over wie de grens trekt. Bij een gesloten AI-dienst bepaalt de aanbieder welke verzoeken het model accepteert. Een organisatie die de gewichten van een model zelf bezit en draait, kan dat beleid in beginsel zelf bepalen. Mistral zegt de gewichten van Large 4 eind oktober vrij te geven. Op dit moment zijn ze nog niet te downloaden: er is een publieke preview via Mistrals API. Voor geselecteerde beveiligers en overheden is daarnaast een versie met minder moderatie voorzien. De Hugging Face-pagina van Mistral staat nog op “upcoming release”. De beloofde zelfstandigheid is dus voorlopig vooral een toekomstig kenmerk, geen eigenschap die iedere gebruiker vandaag al kan toetsen.

Heeft het model de technische kracht om Mistrals redenering relevant te maken? Een eerste onafhankelijke meting geeft daar wel aanleiding toe, zonder de discussie te beslechten. Artificial Analysis testte de preview en gaf haar 50 punten op zijn Cyber Index. Op een onderdeel waarin een model een echte kwetsbaarheid in open software moet reproduceren en vervolgens repareren, haalde Large 4 volgens die test 82 procent. Dat is interessanter dan een algemene claim dat het model “slim” is: het gaat om werk dat een beveiligingsteam daadwerkelijk zou kunnen willen doen. Tegelijk is een benchmark geen bewijs dat het model veilig of betrouwbaar functioneert tijdens een incident in een echte organisatie.

Ook de vergelijking met modellen die zulke opdrachten weigeren vraagt zorg. Een weigering levert op een cybertest weinig punten op. Maar een lage score kan dan twee heel verschillende dingen betekenen: het model kan de taak niet, of de aanbieder laat het niet. Mistral heeft gelijk dat dit voor een verdediger praktisch verschil maakt. Het zou alleen te makkelijk zijn om uit een hogere score af te leiden dat minder weigeren altijd beter is. Dezelfde vaardigheid kan immers ook worden gebruikt door iemand die het lek niet wil repareren.

Mistral probeert die tegenstelling voorlopig met toegangsniveaus te hanteren: een gemodereerde publieke preview en ruimere toegang voor geselecteerde partijen. Zodra de gewichten verschijnen, verschuift die afweging. Een organisatie kan het model dan onder eigen regels inzetten en hoeft niet te vrezen dat een externe aanbieder halverwege een onderzoek de toegang of het beleid verandert. Maar Mistral kan na verspreiding van de gewichten ook niet meer centraal bepalen wie ze gebruikt en waarvoor. Dat is de prijs van controle overdragen.

De omvang van Le Chonk maakt die overdracht bovendien minder huiselijk dan “downloadbaar” klinkt. Mistral beschrijft Large 4 als een multimodaal model met ongeveer een biljoen parameters, waarvan er per verwerkt stukje tekst circa 49 miljard actief zijn. Het bedrijf zegt dat het model op 3.800 Nvidia Grace Blackwell-GPU’s in Europese datacenters is getraind. Dit is geen model dat je zomaar op een doorsnee laptop zet. Welke infrastructuur, kosten en voorwaarden straks nodig zijn om het zelfstandig te draaien, zijn nog niet volledig te beoordelen: Mistral zegt meer technische details tegelijk met de gewichten te publiceren.

Daarom is de relevante vraag niet of Mistral “de beste” heeft gebouwd. Zijn eigen prestatieclaims blijven leveranciersclaims; onafhankelijke tests bestrijken slechts een deel van het werk. Interessanter is dat Large 4 een keuze zichtbaar maakt die vaak achter een vriendelijke chatinterface verdwijnt. Wie beslist of een moeilijke beveiligingsvraag legitiem is: de maker van het model, de organisatie die ermee werkt, of allebei?

Voor verdedigers kan meer ruimte precies zijn wat nodig is. Voor de rest van de wereld is diezelfde ruimte een risico dat niet verdwijnt omdat het model Europees is. Eind oktober wordt duidelijker wat Mistral werkelijk overdraagt. Dan gaat het niet alleen om de gewichten van Le Chonk, maar om de verantwoordelijkheid die eraan vastzit.

Bronnen en verantwoording