Kan ik Mistral Large lokaal draaien?

Mistral AI beschrijft het als weights-beschikbaar in plaats van volledig open, en er is geen Hugging Face-repository vermeld; je moet Mistral’s eigen kanalen controleren voor downloadvoorwaarden voordat je lokale inzet aanneemt.

Wat kost Mistral Large en hoe groot is het contextvenster?

De prijs is $2,00 per miljoen input tokens en $6,00 per miljoen output tokens, met een contextvenster van 128.000 tokens.

Hoe verschilt Mistral Large van Mistral’s kleinere modellen?

Mistral Large is het vlaggenschip van Mistral AI, gepositioneerd boven hun lichtere modellen in redeneerdiepte, meertalige reikwijdte en codeercapaciteit, tegen een overeenkomstig hogere prijs per token.

Mistral Large

4748°

#llm #mistralai #coderen #redeneren #meertalig #lange context

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

mistralai | 128.000 token context | $2,00/M input, $6,00/M output. Dit is het vlaggenschipmodel van Mistral AI, Mistral Large 2 (versie mistral-large-2407). Het is een model met propriëtaire beschikbare gewichten en blinkt uit in redeneren, code, JSON, chat en meer. Lees hier de lanceringsaankondigingOpens in new tab. Het ondersteunt tientallen talen waaronder Frans, Duits, Spaans, Italiaans, Portugees, Arabisch, Hindi, Russisch, Chinees, Japans en Koreaans, samen met meer dan 80 programmeertalen waaronder Python, Java, C, C++, JavaScript en Bash. Het lange contextvenster maakt nauwkeurige informatieherinnering uit grote documenten mogelijk.

Gidsen voor dit model

Open weights vs open source vs alleen API: wat je eigenlijk mag doen

Hoe kies je een AI-model in oktober 2026: eerst het nieuws over gesloten modellen, dan de open modellen die het downloaden waard zijn

De 10 goedkoopste ChatGPT-alternatieven in 2026: gratis lokale modellen, gratis tiers en vaste prijsplannen

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

Mistral Large 2 is Mistral AI's vlaggenschip tekstmodel, gebouwd voor redeneren, code, gestructureerde output en meertalige taken in tientallen natuurlijke talen en meer dan 80 programmeertalen. Het contextvenster van 128.000 tokens verwerkt grote documenten zonder het spoor kwijt te raken. Het is geschikt voor ontwikkelaars en teams die serieuze capaciteit willen tegen een middenklasse API-prijs in plaats van topmarkt tarieven.

Bekend om

Sterk in redeneren en JSON-output, betrouwbaar voor gestructureerde datataken.
Ondersteunt 80+ programmeertalen waaronder Python, JavaScript, C++ en Bash.
Brede meertalige ondersteuning: Arabisch, Chinees, Japans, Koreaans en grote Europese talen.
128k contextvenster voor het onthouden van details over lange documenten.
Propriëtair maar weights-beschikbaar, tussen volledig gesloten en volledig open in.

Let op

Weights-beschikbaar is niet open weights: controleer de licentie voor commercieel of afgeleid gebruik.
Met $6,00 per miljoen output tokens lopen de kosten snel op bij hoge volumes of uitgebreide output.
Kan niet lokaal draaien in de gebruikelijke zin; weights-beschikbaarheid betekent niet dat er een Hugging Face-download bestaat.

Het beste voor

Prompts om te proberen

Meertalig document samenvatten

Het volgende is een lang contract in het Frans. Vat de belangrijkste verplichtingen van elke partij samen, de betalingsvoorwaarden en eventuele beëindigingsclausules. Geef je antwoord in het Engels als een gestructureerde lijst. [plak documenttekst]

Strikte JSON-extractie

Haal alle productnamen, SKU's, eenheidsprijzen en voorraadhoeveelheden uit de onderstaande tekst. Geef een geldige JSON-array terug waarbij elk object de sleutels product_name, sku, unit_price en stock heeft. Voeg geen tekst buiten de JSON toe. [plak inventaristekst]

Debug en leg code uit

Hier is een Python-functie die twee gesorteerde lijsten moet samenvoegen tot één gesorteerde lijst, maar voor sommige inputs foutieve output geeft. Vind de bug, leg uit waarom die de fout veroorzaakt, en geef een verbeterde versie met een korte toelichting op de fix. def merge_sorted(a, b): result = [] i = j = 0 while i < len(a) and j < len(b): if a[i] < b[j]: result.append(a[i]) i += 1 else: result.append(b[j]) return result + a[i:] + b[j:]

Vergelijk met

Mistral Small 4
Model met open gewichten
262,144 token context · $0.15/M invoer, $0.60/M uitvoer
Mistral Nemo Instruct 2407
Model met open gewichten
131,072 token context · $0.02/M invoer, $0.03/M uitvoer
Mistral Nemo
Model met open gewichten
131,072 token context · $0.03/M invoer, $0.03/M uitvoer
Mistral Large 4
Alleen API-model
1,048,576 token context · $0.68/M invoer, $2.09/M uitvoer

Meer tekstmodellen van mistralai

Veelgestelde vragen

Kan ik Mistral Large lokaal draaien?: Mistral AI beschrijft het als weights-beschikbaar in plaats van volledig open, en er is geen Hugging Face-repository vermeld; je moet Mistral’s eigen kanalen controleren voor downloadvoorwaarden voordat je lokale inzet aanneemt.
Wat kost Mistral Large en hoe groot is het contextvenster?: De prijs is $2,00 per miljoen input tokens en $6,00 per miljoen output tokens, met een contextvenster van 128.000 tokens.
Hoe verschilt Mistral Large van Mistral’s kleinere modellen?: Mistral Large is het vlaggenschip van Mistral AI, gepositioneerd boven hun lichtere modellen in redeneerdiepte, meertalige reikwijdte en codeercapaciteit, tegen een overeenkomstig hogere prijs per token.

Oordeel van de kapitein
Een capabele alleskunner voor een eerlijke prijs, het sterkst als je meertalige reikwijdte, solide code en gestructureerde output in één model nodig hebt.

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

AI-modellen voor het genereren van afbeeldingen, video en tekst

Mistral Large is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm mistralai coderen redeneren meertalig lange context chat

Bladeren op modelfamilie