Mistral biedt op zijn platform het GLM-model aan, in open access (open gewichten), van het Chinese lab Zhipu AI. Deze keuze, die reacties opriep in de Franse techwereld, beantwoordt volgens de bron aan een gok die zowel financieel als technisch is, en het heeft de komst voorbereid van Mistral Large 4, een model van 1.000 miljard parameters dat begin oktober uitkwam.
- Mistral biedt het Chinese GLM-model aan in open access.
- Dit is een financiële en technische gok die terugkerende inkomsten moet opleveren.
- Mistral wil soevereine inferentie aanbieden en leert zo een frontier-model op grote schaal draaien.
- Mistral Large 4 blijft achter, maar moet uiteindelijk het standaardmodel worden.
Sommigen zagen er een verraad van de soevereiniteitsbelofte van het bedrijf in, anderen een evolutie naar een advies- en cloudactiviteit. In essentie is de verklaring vooral boekhoudkundig. AI-uitgevers geven enorme bedragen uit aan fysieke infrastructuur, grafische processors (GPU’s), om hun modellen te trainen. In het beursintroductiedossier van Anthropic, geciteerd door de bron, staan bijvoorbeeld 7,33 miljard dollar aan rekenkosten in 2025, tegenover 4,6 miljard aan inkomsten.
Mistral beschikt over veel minder middelen dan OpenAI of Anthropic, ondanks verschillende opeenvolgende financieringsrondes, waaronder 1,7 miljard euro in 2025. De integratie van GLM heeft dus tot doel een bron van terugkerende inkomsten te creëren, door bedrijven te factureren voor elk antwoord dat binnen hun diensten wordt gegenereerd. « Het is duidelijk een zeer goede business, die terugkerende inkomsten oplevert, met capex die wordt afgeschreven », legt Bilal El Alamy uit, medeoprichter en CEO van Pyratz (venture builder).
Een aanbod bedacht voor soevereine inferentie
Mistral laat zich ook inspireren door Palantir en zijn ingenieurs die bij de klant worden gedetacheerd, ‘forward deployed engineers’ genoemd. Aanwezig ter plaatse installeren en implementeren deze ingenieurs de technologieën en adviseren ze bedrijven over AI in het algemeen. Deze aanwezigheid stelt Mistral in staat zich te vestigen bij grote accounts, met name rond soevereine AI, een segment waar Marc Trilling, voorzitter en medeoprichter van Saegus, « een sterk groeiperspectief » ziet.
Volgens Saegus, dat bedrijven uit de CAC 40 adviseert, zijn deze minder geïnteresseerd in de herkomst van een model dan in de plaats waar de inferentie draait, dat wil zeggen het proces dat het mogelijk maakt om het op servers te laten werken. Mistral verklaart in een blogpost van 11 augustus dat GLM en toekomstige modellen van derden « op dezelfde infrastructuur zullen draaien, met dezelfde regionale controles en dezelfde serviceverplichtingen » als zijn eigen modellen.
Deze vraag beantwoordt aan een concrete behoefte. Nicolas Gaudemet, chief AI officer van Onepoint, merkt op dat « sommige van onze klanten echte soevereiniteitsuitdagingen hebben », met name in de publieke sector, rond hypersensitieve data. Voor veel bedrijven blijft het draaien van deze modellen on-site of op hun eigen cloudinfrastructuur te duur, omdat de huidige modellen erg zwaar zijn. Volgens hem wordt de interface van Mistral dan de meest logische oplossing. Hij noemt Scaleway, OVHcloud, Cloud Temple en Mistral als de enige spelers die momenteel op grote schaal soevereine API-toegang bieden tot frontier-modellen.
Een testbank voor frontier-modellen
Het hosten van GLM biedt Mistral ook de kans om te leren hoe een frontier-model op grote schaal op zijn eigen infrastructuur kan draaien. Het netjes bedienen van duizenden klanten met modellen van honderden miljarden parameters is delicaat, en zowel OpenAI als Anthropic zijn daarop gestuit, ook al is hun klantenbestand niet te vergelijken. Bilal El Alamy schat dat, zodra de infrastructuur op orde is, Mistral zijn concurrenten kan inhalen door te profiteren van bestaande best practices.
Mistral Large 4 blijft achter bij de meest performante Chinese en Amerikaanse modellen. Het trainen van een model van 1.000 miljard parameters met slechts 4.000 Nvidia Grace Blackwell-chips is echter, volgens de bron, een technisch succes. « We denken echt dat we de juiste methode hebben gevonden om te itereren », vat Pierre Stock samen, VP science van Mistral AI.
De rekenkracht die is gekocht met de serie C-financieringsronde, aangekondigd in september 2025, zal pas volledig operationeel zijn tussen eind oktober 2026 en begin 2027. Tot die tijd is GLM niet bedoeld om op de voorgrond te blijven. « Het plan is uiteraard om ML4 als standaardmodel in al onze producten te hebben », verzekert Pierre Stock. Guillaume Lample, medeoprichter en chief science officer van Mistral, preciseert dat het Chinese model in de catalogus blijft, maar dat « standaard het doel uiteraard is om Mistral Large 4 naar voren te schuiven ».
