Mistral bietet auf seiner Plattform das Modell GLM des chinesischen Labors Zhipu AI im Open-Access-Verfahren (offene Gewichte) an. Diese Wahl, die in der französischen Tech-Szene für Reaktionen sorgte, dient laut der Quelle einer sowohl finanziellen als auch technischen Wette und bereitete die Ankunft von Mistral Large 4 vor, einem Modell mit 1.000 Milliarden Parametern, das Anfang Oktober veröffentlicht wurde.
- Mistral bietet das chinesische Modell GLM von Zhipu AI auf seiner Plattform an.
- Die Integration soll wiederkehrende Einnahmen schaffen, weil Unternehmen pro erzeugter Antwort zahlen.
- Zugleich testet Mistral den Betrieb eines Frontier-Modells in großem Maßstab.
- GLM bleibt nur übergangsweise im Vordergrund, bis Mistral Large 4 als Standardmodell dient.
Einige sahen darin einen Verrat am Souveränitätsversprechen des Unternehmens, andere eine Entwicklung hin zu einer Beratungs- und Cloud-Tätigkeit. Im Wesentlichen ist die Erklärung zunächst eine buchhalterische. KI-Hersteller geben enorme Summen für physische Infrastrukturen, Grafikprozessoren (GPUs), für das Training ihrer Modelle aus. In den Börseneinführungsunterlagen von Anthropic, die von der Quelle zitiert werden, stehen beispielsweise 7,33 Milliarden Dollar für Rechenleistung im Jahr 2025 bei 4,6 Milliarden Dollar Einnahmen.
Mistral verfügt über weitaus geringere Mittel als OpenAI oder Anthropic, trotz mehrerer aufeinanderfolgender Finanzierungsrunden, darunter 1,7 Milliarden Euro im Jahr 2025. Die Integration von GLM zielt daher darauf ab, eine Quelle wiederkehrender Einnahmen zu schaffen, indem Unternehmen für jede innerhalb ihrer Dienste erzeugte Antwort berechnet werden. « Das ist eindeutig ein sehr gutes Geschäft, das wiederkehrende Einnahmen bringt, mit Kapitalausgaben, die sich amortisieren », erklärt Bilal El Alamy, Mitgründer und CEO von Pyratz (Venture Builder).
Ein Angebot für souveräne Inferenz konzipiert
Mistral lässt sich auch von Palantir und dessen beim Kunden abgestellten Ingenieuren, sogenannten « Forward Deployed Engineers », inspirieren. Vor Ort installieren und implementieren diese Ingenieure die Technologien und beraten Unternehmen generell zu KI. Diese Präsenz ermöglicht es Mistral, sich bei Großkunden zu etablieren, insbesondere im Bereich der souveränen KI, einem Segment, in dem Marc Trilling, Präsident und Mitgründer von Saegus, « eine starke Wachstumsperspektive » sieht.
Laut Saegus, das Unternehmen des CAC 40 berät, interessieren sich diese weniger für die Herkunft eines Modells als für den Ort, an dem seine Inferenz läuft, also den Prozess, der es ermöglicht, es auf Servern laufen zu lassen. Mistral erklärt in einem Blogbeitrag vom 11. August, dass GLM und zukünftige Drittmodelle « auf derselben Infrastruktur, mit denselben regionalen Kontrollen und denselben Serviceverpflichtungen » wie seine eigenen Modelle laufen werden.
Diese Nachfrage entspricht einem konkreten Bedarf. Nicolas Gaudemet, Chief AI Officer von Onepoint, stellt fest, dass « einige unserer Kunden echte Souveränitätsherausforderungen haben », insbesondere im öffentlichen Sektor bei hochsensiblen Daten. Für viele Unternehmen ist es zu teuer, diese Modelle vor Ort oder auf ihren eigenen Cloud-Infrastrukturen laufen zu lassen, da die aktuellen Modelle sehr ressourcenintensiv sind. Seiner Meinung nach wird die Schnittstelle von Mistral dann zur logischsten Lösung. Er nennt Scaleway, OVHcloud, Cloud Temple und Mistral als die derzeit einzigen Akteure, die einen souveränen API-Zugang zu Frontier-Modellen in großem Maßstab anbieten.
Eine Testplattform für Frontier-Modelle
Die Bereitstellung von GLM bietet Mistral auch die Gelegenheit zu lernen, ein Frontier-Modell in großem Maßstab auf der eigenen Infrastruktur zu betreiben. Tausende von Kunden ordnungsgemäß mit Modellen von mehreren hundert Milliarden Parametern zu bedienen, ist heikel, und sowohl OpenAI als auch Anthropic sind daran gescheitert, auch wenn ihre Kundschaft nicht vergleichbar ist. Bilal El Alamy schätzt, dass Mistral, sobald die Infrastruktur steht, seine Konkurrenten einholen kann, indem es von den bestehenden Best Practices profitiert.
Mistral Large 4 bleibt hinter den leistungsstärksten chinesischen und amerikanischen Modellen zurück. Ein Modell mit 1.000 Milliarden Parametern mit nur 4.000 Nvidia Grace Blackwell-Chips zu trainieren, stellt laut der Quelle jedoch einen technischen Erfolg dar. « Wir glauben wirklich, die richtige Methode für die Iteration gefunden zu haben », fasst Pierre Stock, VP Science von Mistral AI, zusammen.
Die mit der im September 2025 angekündigten Serie-C-Finanzierungsrunde gekaufte Rechenkapazität wird erst zwischen Ende Oktober 2026 und Anfang 2027 voll einsatzfähig sein. Bis dahin ist GLM nicht dazu bestimmt, im Vordergrund zu bleiben. « Der Plan ist natürlich, ML4 als Standardmodell in all unseren Produkten zu haben », versichert Pierre Stock. Guillaume Lample, Mitgründer und Chief Science Officer von Mistral, präzisiert, dass das chinesische Modell im Katalog bleiben wird, aber dass « standardmäßig das Ziel natürlich ist, Mistral Large 4 in den Vordergrund zu stellen ».
