Mistral – den europeiske AI-utfordreren

Introduksjon

I slutten av juli åpnet EU en anbudsrunde for inntil sju såkalte AI-gigafabrikker, med en samlet investeringsramme på omtrent 30 milliarder euro¹. Ambisjonen er å omsider melde Europa på i AI-kappløpet, hvor spesielt USA og Kina har rykket ifra.

Foreløpig er det kun én europeisk aktør som tilbyr noenlunde konkurransedyktige språkmodeller, nemlig franske Mistral. Selskapet, grunnlagt i 2023 av tidligere forskere fra DeepMind og Meta, ble verdsatt til rundt 11,7 milliarder euro i september 2025², og ryktes å være i samtaler om en ny runde med finansiering med verdsettelse opp mot 20 milliarder euro³. Dette illustrerer god vekst, men dette er likevel småpenger sammenlignet med de amerikanske AI-gigantene. Anthropic ble f.eks. verdsatt til $965 milliarder i sin nyeste runde med finansiering⁴.

Den siste tiden har likevel Mistral fått økt oppmerksomhet. Digital suverenitet har kommet høyt opp på agendaen til mange selskap. Stadig flere norske og europeiske aktører ser etter alternativer til amerikanske teknologiløsninger. Debatten skjøt fart da Anthropic i sommer måtte suspendere tilgangen til sin beste AI-modell (Claude Fable 5) for å etterleve amerikansk eksportkontroll⁵. Begrensingene ble stort sett opphevet etter kort tid, men episoden illustrerer uansett hvor lite kontroll Europa har over modellene som brukes til stadig mer kritiske oppgaver.

Mistral har fra starten satset på åpenhet, etterlevelse av EU-regelverk for personvern og dataflyt, og små til mellomstore språkmodeller (hovedsakelig med åpne vekter). Men holder det til å kunne konkurrere med gigantene? Det ser jeg nærmere på i dette innlegget

Åpne vekter

De fleste modellene Mistral tilbyr har såkalte “åpne vekter” (ofte feilaktig beskrevet som “åpen kildekode”), som betyr at man kan laste ned modellene (typisk fra Hugging Face) og kjøre dem på egen infrastruktur, gitt at bruken er forenlig med lisensen på den aktuelle modellen. Dette er f.eks. ikke mulig med noen av Anthropic sine modeller. Self-hosting gir selskaper som skal anvende modellene full kontroll over dataflyten, og man kan sikre at ingen data vil nå tredjeparter. Dette er spesielt sentralt for aktører som opererer med svært sensitiv data, f.eks. innen helse og forsvar.

Dersom man velger å bruke Mistral-modellene via en skyleverandør som Microsoft Azure (f.eks. i Microsoft Foundry), forsvinner riktignok dette argumentet da dataen uansett når Microsofts servere.

Mistral sin brukervendte plattform kalles Mistral Vibe (tidligere “Le Chat”), og her finner man stort sett samme funksjonalitet som hos konkurrentene, med ulike moduser for “chat”, “work” og “code”. Min erfaring er at plattformen er svært brukervennlig, med GUI som er fullt på høyde med konkurrentene.

Tilgjengelige modeller

Tabellen under viser en oppsummering av Mistral sine ledende AI-modeller. Her har jeg kun tatt med modellene jeg anser som mest relevante per 31. juli 2026.

Modellnavn	Lanseringsdato	Beskrivelse	Antall parametere	Pris (per 1M token inn/ut)
Mistral Large 3	Desember 2025	Per i dag deres største modell, men begynner å bli noe utdatert. Best på flerspråklighet og kreativ skriving. Kommer trolig i oppdatert versjon snart.	675B (41B aktive)	$0,5/1,50 (merk: til sammenligning er dette ca 10x billigere enn Claude Opus 5)
Mistral Medium 3.5	April 2026	Mistral sin ledende modell på intelligens og resonnering. Merk at denne modellen erstattet og forente tidligere rene kode- og resonneringsmodeller, henholdsvis Devstral og Magistral.	128B	$1,50/7,50
Mistral Small 4	Mars 2026	Liten og svært kostnadseffektiv modell for agentiske arbeidsflyter	24B (6B aktive)	$0,15/0,60
Ministral 3 3B	Desember 2025	Mindre modell for on-device bruk (finnes også i 8B og 14B versjon)	3B	$0,10/0,10
Mistral OCR 4	Juni 2026	Dokumentforståelse	Ukjent	$4 per 1000 sider
Voxtral Mini Transcribe 2	Februar 2026	Transkribering som dekker 13 språk. Norsk er dessverre ikke inkludert ennå.	Ukjent	$0,003 per minutt

Etter lanseringen av Claude Fable 5 oppsto det et internettmeme om at Mistral hadde en enda større modell, “Le Chaton Fat”, på vei. Dessverre er det foreløpig ingen tegn til at Mistral skal lansere en slik modell med det første.

Sammenligning med AI-gigantene

Jeg skal her se på noen benchmarks for hvordan Mistral-modellene gjør det opp mot de amerikanske gigantene OpenAI, Anthropic og Google. Leverandører som Moonshot AI (Kimi), DeepSeek og xAI (Grok) kunne selvsagt også vært inkludert, men er utelatt fra sammenligningen ettersom min erfaring er at de er lite utbredt blant norske selskaper.

Benchmarks

Total intelligens

Jeg benytter her et aggregert måltall fra Artificial Analysis som sier noe om modellenes totale intelligens.

Artificial Analysis Intelligence Index

Artificial Analysis er en uavhengig aktør som tester og sammenligner AI-modeller på tvers av leverandører. Intelligence Index er deres forsøk på å koke ned modellenes generelle evner til ett enkelt tall. Indeksen beregnes som et vektet gjennomsnitt av flere benchmark-resultater, skalert fra 0 til 100. Versjon 4.1, som benyttes i denne bloggen, består av ni ulike evalueringer, fordelt på fire hovedkategorier (agentiske oppgaver, koding, generelle evner og vitenskapelig resonnement).

Som vi ser av figuren under ligger Mistral langt bak konkurrentene på generell intelligens, og deres beste modell på dette måltallet, Mistral Medium 3.5, er et stykke unna toppsjiktet. Nå skal det nevnes at dette er en betydelig mindre (kun 128B) og mer kostnadseffektiv modell enn modellene vi sammenligner den med her. Claude Fable 5 ryktes f.eks. å ha rundt 5T parametere. Dersom dette ubekreftede parametertallet stemmer, betyr det at Claude Fable 5 er ca. 40x større enn Mistral Medium 3.5.

Det er heller foreløpig ingen tegn til at dette gapet i intelligens er på vei til å lukkes - snarere tvert imot.

Vi ser at Mistrals beste modell er omtrent på nivå med Claude Opus 4, som var blant de ledende AI-modellene i fjor sommer. Sånn sett kan man si at Mistral ligger over 12 måneder bak konkurrentene sine, men det blir en noe urettferdig sammenligning da Mistral Medium 3.5 er langt billigere og mer energieffektiv enn Claude Opus 4 var.

Flerspråklighet

Ingen av benchmarkene som er inkludert i Intelligence Index inkluderer flerspråklighet, som er en av Mistral sine styrker - spesielt på europeiske språk. Rene språklige benchmarks tyder riktignok på at Mistral ligger noe bak konkurrentene også der, men gapet er ikke stort. Etter min erfaring er ikke Mistral sine modeller merkbart dårligere enn konkurrentene når det kommer til norsk språk.

Pris

Ettersom Mistrals ledende AI-modeller er betydelig mindre enn konkurrentenes smarteste modeller, kan de dermed konkurrere på pris? Foreløpig ligger de også noe bakpå der, da konkurrentene også tilbyr mindre varianter av sine frontier-modeller. Dette bildet forverret seg ytterligere nylig da OpenAI reduserte prisen på de mindre variantene av GPT-5.6 (Terra og Luna) med 80%⁶.

Som vi ser av plottet under, så er ingen av Mistrals modeller på “pareto-fronten” av intelligens versus kostnad, det vil si at det alltid finnes andre modeller som er minst like god eller bedre på både kostnad og intelligens (i henhold til dette spesifikke måltallet, vel og merke).

Det bør poengteres at dette bildet endrer seg ofte, og Mistral-modellene har ved flere anledninger tidligere vært nærmere Pareto-fronten. Bildet ser naturligvis enda verre ut om man tar med de kinesiske modellene, som dominerer venstresiden av Pareto-fronten med svært billige og effektive modeller.

Prisargumentet gjelder selvsagt kun dersom man betaler for modellene via APIet - for self-hosting betaler man kun i form av kostnaden for å fysisk kjøre modellen.

Spesialiserte modeller

Mistral sin nisje den seneste tiden har vært mindre og mer spesialiserte modeller. De har f.eks. ledende modeller innen dokumentscanning (OCR) og transkribering, og på disse områdene er de faktisk helt på høyde med de amerikanske gigantene. OpenAI lanserte f.eks. nylig en ny transkriberingsmodell (GPT-transcribe), men Mistral sin Voxtral-modell presterer faktisk bedre enn denne i henhold til flere benchmarks.

Konklusjon

Selv om Mistrals AI-modeller ligger noen måneder bak sine amerikanske konkurrenter når det kommer til ren modellkraft, er det liten tvil om at de tilbyr en plattform med et tydelig særpreg. På oppgaver som krever tung resonnering, som koding, er Mistrals modeller fortsatt et godt stykke bak. På andre bruksområder, som kreativ skriving, transkribering og OCR, holder de godt følge.

Forklaringen på gapet er trolig at Mistral rett og slett ikke kan matche AI-gigantene på tilgjengelig kapital og prosesseringskraft. Selskapet har investert tungt i ny datasenterkapasitet det siste året, blant annet i Sverige, noe som forhåpentligvis kan redusere gapet på sikt. Men uten vesentlig større investeringer blir det nok vanskelig å holde tritt med AI-gigantene.

For europeiske selskaper som prioriterer databeskyttelse, tilgang til åpne modeller og redusert avhengighet av amerikanske tech-giganter, representerer Mistral uansett et attraktivt alternativ. Men foreløpig må man akseptere modeller som er «gode nok» snarere enn best i klassen.