Bester mehrsprachiger europäischer Open-Source-LLM 2026

Wählen Sie ein Mehrsprachiger europäischer LLM Open-Source im Jahr 2026 bedeutet, zwischen sprachlicher Abdeckung (24 Sprachen der EU), rechtlicher Souveränität und brutaler Leistung gegenüber chinesischen und amerikanischen Großunternehmen abzustimmen. Diese Seite vergleicht die verfügbaren Modelle im Katalog WelchesLLM die Französisch, Deutsch, Italienisch, Spanisch, Niederländisch oder die nordischen Sprachen gut abdecken. Der Vergleich stützt sich auf überprüfbare Spezifikationen (VRAM bei Q4, Kontextlänge, Lizenz) statt auf Marketing. Der Aufbau: Überblick über das europäische Angebot, technischer Vergleich der Mistral-Modelle, mehrsprachige Alternativen außerhalb der EU, Bereitstellung auf eigener Infrastruktur, FAQ und Zusammenfassung.

Übersicht der europäischen open-weight-LLM-Angebote

Der Begriff "Mistral aus Europa" ist kein bloßer Slogan: Mistral AI bleibt der einzige europäische Akteur, der offene Modellgewichte in großem Maßstab veröffentlicht und dabei die wichtigsten EU-Sprachen nativ unterstützt. Auf französischer Seite existieren Initiativen wie EuroLLM (europäisches Projekt Horizon, INESC-ID + Unbabel + Universität von Edinburgh) und Lucie 7B (Linagora, unter offener Lizenz) existieren, sind aber nicht in unserem Katalog mit 249 validierten Open-Weights-Modellen enthalten, da sich ihre Veröffentlichungen noch in der Forschungsphase befinden oder nur einen Teil der Gewichte umfassen. Einen Überblick über das EuroLLM-Ökosystem bietet das Referenzpaper auf arXiv:2409.16235.

Bis heute hat das Angebot WelchesLLM führt vier Mistral-Modelle auf, die für den mehrsprachigen Einsatz in der EU relevant sind:

• Mistral Large 3 675B — 675B Parameter, Lizenz Apache 2.0, VRAM Q4 ~405 GB, Kontext 256k
• Mixtral 8x22B Instruct — 141B, Apache 2.0, VRAM Q4 ~82 GB, Kontext 64k
• Mistral Medium 3.5 128B — 128B, modifizierte MIT-Lizenz, VRAM in Q4 ~74 GB, Kontext 256k
• Mistral Small 4 — 119 Milliarden, Apache 2.0, VRAM Q4 ~72 GB, Kontext 256k

Die anderen ernstzunehmenden Modelle im Katalog für „mehrsprachige EU-Anwendungen“ stammen von außereuropäischen Herstellern, bieten aber eine als ausreichend eingeschätzte Abdeckung der 24 EU-Sprachen — weiter unten ausführlich beschrieben.

Technischer Vergleich: die europäischen Mistral-Modelle im Benchmark-Test

Mistral Large 3 675B ist das führende europäische Open-Weights-Modell. Architektur basierend auf Mixture of Experts (MoE), es behauptet auf den offiziellen Karten Hugging Face wettbewerbsfähige Scores gegenüber DeepSeek V3 und Llama 4 Maverick. Für Französisch und Deutsch ist sein Tokenizer optimiert, was die Token-Kosten im Vergleich zu 100 % englischzentrierten Modellen senkt.

• Lizenz : Apache 2.0 — freier kommerzieller Gebrauch, freie Weiterverteilung
• VRAM Q4 : ~405 GB (Cluster mit 8× H100 mit je 80 GB oder 6× MI300X mit je 192 GB erforderlich)
• VRAM Q8 : geschätzt ~700 GB (bei Modellen dieser Größenordnung selten in Q8 eingesetzt)
• Tokens/sec : je nach Backend (vLLM, SGLang, TensorRT-LLM) zu bestätigen

Für einen VRAM-Budget, das durch 5 geteilt wird, Mixtral 8x22B Instruct bleibt eine bewährte Referenz. Mit 39B aktiven Parametern von insgesamt 141B läuft das Modell in Q4 auf 2× H100 80 GB oder 1× MI300X. Die von Mistral auf ihrem offizieller Blog gaben bei seiner Veröffentlichung MMLU ~77 % und HumanEval ~75 % an — Werte, die inzwischen von der neuen Generation übertroffen wurden, aber für einen stabilen On-Premises-Betrieb weiterhin solide sind.

Mistral Small 4 (119B) und Mistral Medium 3.5 (128B) sind auf High-End-Workstations ausgerichtet: Mit einem VRAM-Bedarf von etwa 72–74 GB in Q4 passen sie auf eine einzelne H100 mit 80 GB oder bei aggressiver Q3_K_M-Quantisierung auf eine RTX 6000 Ada. Ein detaillierter Vergleich ist verfügbar unter /compare/mistral-small-4-vs-mixtral-8x22b.

Wettbewerbsfähige multilinguale Alternativen außerhalb der EU

Wenn "LLM für 24 EU-Sprachen" Ihr technisches Kriterium ist und nicht die rechtliche Souveränität, bieten mehrere außereuropäische Modelle eine mehrsprachige Abdeckung von nachgewiesener Qualität:

• Qwen 3 235B-A22B (Apache 2.0, Alibaba) – auf einem umfangreichen mehrsprachigen Korpus trainiert, mit konkurrenzfähigen MMMLU- und XCOPA-Ergebnissen laut dem technischer Bericht von Qwen. VRAM Q4 ~142 GB, Kontext 131k.
• Llama 3.1 405B Instruct (Llama 3.1 Community) — offiziell unterstützte Mehrsprachigkeit in 8 Sprachen, darunter Französisch, Deutsch, Spanisch, Italienisch und Portugiesisch. Details auf der Modellkarte von Meta.
• Command R+ 104B (CC-BY-NC 4.0, Cohere) — für mehrsprachige RAG-Aufgaben konzipiert, aber mit einer Lizenz, die kommerzielle Nutzung ausschließt.
• Qwen 2.5 72B Instruct — guter Kompromiss: 42 GB VRAM bei Q4, laut Angaben Unterstützung für 29 Sprachen.

Achtung: Die Unterstützung ressourcenarmer EU-Sprachen (Finnisch, Estnisch, Maltesisch, Irisch) bleibt bei all diesen Modellen schwach. In diesen Fällen liefert nur gezieltes Fine-Tuning akzeptable Ergebnisse. Siehe unseren multilingualen Fine-Tuning-Guide.

Selbst gehostete Bereitstellung: VRAM, Quantisierung, Backends

WelchesLLM verfolgt eine klare Linie: keine Cloud-Aufrufe, Bereitstellung lokal oder auf einer Infrastruktur, die Sie kontrollieren. Für die europäischen Mistral-Modelle sind hier die VRAM-Anforderungen je nach Quantisierung aufgeführt (Q4-Werte durch den Katalog bestätigt, Q5/Q8/FP16 anhand der üblichen llama.cpp-Verhältnisse geschätzt):

• Mistral Large 3 675B : Q4 ~405 GB / Q5 ~500 GB geschätzt / Q8 ~700 GB geschätzt / FP16 ~1,35 TB geschätzt
• Mixtral 8x22B : Q4 ~82 GB / Q5 ~100 GB geschätzt / Q8 ~145 GB geschätzt / FP16 ~280 GB geschätzt
• Mistral Medium 3.5 : Q4 ~74 GB / Q5 ~92 GB geschätzt / Q8 ~130 GB geschätzt
• Mistral Small 4 : Q4 ~72 GB / Q5 ~90 GB geschätzt / Q8 ~125 GB geschätzt

Empfohlene Backends: vLLM für den Mehrbenutzer-Throughput, llama.cpp für CPUs/Apple Silicon, SGLang für agentbasierte Workflows. Der Konfigurator WelchesLLM unterstützt diese VRAM-/Backend-Filter.

Bei knappem Budget, Mistral Small 4 auf einem Apple M3 Ultra mit 192 GB in Q4 bleibt die zugänglichste Self-Hosting-Option unter den europäischen Modellen — mit einem ähnlichen Speicherbedarf wie gpt-oss 120B (OpenAI, Apache 2.0, ~70 GB Q4), das nicht europäisch ist, aber in derselben Hardware-Kategorie liegt. Siehe /compare/mistral-small-4-vs-gpt-oss-120b.

Praktische Anwendungsfälle für das EU-Ökosystem

• Französischsprachige öffentliche Verwaltung : Mistral Large 3 oder Medium 3.5, Apache-2.0-Lizenz mit öffentlichen Vergabeverfahren vereinbar, souveränes Hosting möglich (OVHcloud, Scaleway, GAIA-X-Infrastruktur).
• Mehrsprachiges KMU (DE/FR/IT/NL) : Mixtral 8x22B auf 2× H100, RAG über LangChain oder LlamaIndex mit mehrsprachigen E5- oder BGE-M3-Embeddings.
• Wissenschaftliche Forschung zu weniger verbreiteten Sprachen der EU : Fine-Tuning von Mistral Small 4 (Apache 2.0 erlaubt die Weiterverbreitung abgeleiteter Modelle).
• Multilingualer Code (Kommentare FR, Identifikatoren EN) : Qwen3-Coder-Next 80B-A3B zusätzlich.

Zur Einhaltung der DSGVO und des AI Act siehe den Leitfaden für Souveränität und die Seite bestes französisches LLM.

FAQ

F: Sind EuroLLM und Lucie 7B im Katalog WelchesLLM enthalten?

Nein, bislang nicht. EuroLLM (Horizon-Europe-Projekt) und Lucie 7B (Linagora) existieren, aber ihre veröffentlichten Modellgewichte erfüllen noch nicht unsere Indexierungskriterien (Versionsstabilität, klare Lizenz, reproduzierbare Spezifikationen). Wir verfolgen ihre Entwicklung. Informationen zur Entwicklung des EuroLLM-Projekts finden Sie auf seiner offizielle Hugging Face-Seite.

F: Welches europäische Mistral-Modell ist das beste für eine einzelne Workstation?

Mistral Small 4 (119B, Apache 2.0, ~72 GB Q4) ist der beste Kompromiss für eine H100 mit 80 GB oder einen Mac M3 Ultra mit 192 GB. Bei einem knapperen Budget: Mixtral 8x22B bleibt trotz seines vergleichsweise hohen Alters relevant, da seine MoE-Architektur wenig aktive Rechenleistung benötigt.

F: Übertrifft Mistral Large 3 DeepSeek V3.2 im Französischen?

Für jeden Benchmark einzeln zu bestätigen. Bei öffentlichen qualitativen Bewertungen Mistral Large 3 wird im Allgemeinen wegen seiner stilistischen Nuancen im geschriebenen Französisch bevorzugt, während DeepSeek V3.2 dominiert beim mehrsprachigen mathematischen Schlussfolgern. Ein Vergleich ist in Arbeit unter /compare/mistral-large-3-vs-deepseek-v32.

Q: Welche Lizenz für einen kommerziellen europäischen Einsatz?

Apache 2.0 (Mistral Large 3, Mixtral 8x22B, Mistral Small 4) ist die freizügigste Lizenz: Kommerzielle Nutzung, Weiterverbreitung und Änderungen sind ohne Einschränkungen hinsichtlich Umsatz oder Einsatzbereich erlaubt. Mistral Medium 3.5 steht unter der Modified-MIT-Lizenz, die sorgfältig zu lesen ist. Vermeiden Sie Command R+ für die kommerzielle Nutzung (CC-BY-NC 4.0).

F: Wie viele EU-Sprachen werden tatsächlich nativ unterstützt?

Mistral gibt offiziell Französisch, Englisch, Deutsch, Italienisch, Spanisch, Niederländisch, Portugiesisch als Hauptsprachen bekannt. Die anderen (Polnisch, Schwedisch, Rumänisch usw.) funktionieren, jedoch mit vermindertem Qualitätsniveau. Die umfassende Abdeckung der 24 EU-Sprachen – einschließlich Maltesisch, Irisch, Estnisch – bleibt bis heute ein Ziel von Projekten wie EuroLLM, kein erreichtes Ziel.

F: Kann man Mistral Large 3 lokal fine-tunen?

Ja, aber er benötigt einen Multi-Node-GPU-Cluster für LoRA/QLoRA oder mehrere MI300X für vollständiges Fine-Tuning. Für die meisten praktischen Anwendungen reicht ein Fine-Tuner Mistral Small 4 (Apache 2.0) auf 1-2 H100 mit Unsloth oder Axolotl ist realistischer.

Fazit

Der beste Mehrsprachiger europäischer LLM open-source 2026 hängt vom VRAM-Budget ab : Mistral Large 3 675B an der Spitze für Benutzer mit einem Cluster, Mistral Small 4 oder Mixtral 8x22B für Workstations. Alle drei sind unter Apache 2.0 lizenziert, auf souveräner Infrastruktur einsetzbar und unterstützen die wichtigsten EU-Sprachen solide. Um die Auswahl auf Ihre Hardware abzustimmen, starten Sie den Konfigurator WelchesLLM oder durchsuchen Sie den komplettes Katalog der 249 indexierten Modelle.