Hvad Ecosia sagde, og hvad Mistral svarede

Den 6. oktober 2026 skrev Politico, at Ecosia, en søgemaskine fra Berlin brugt af institutioner fra Tysklands føderale miljøministerium til Storbritanniens NHS, dropper Mistral for åbne modeller, også kinesiske. Ecosia havde først i maj erstattet OpenAI med Mistral.

Direktør Christian Kroll gav tre grunde. Han er skuffet over kvaliteten af Mistrals modeller, som han mener er et år bagud i forhold til konkurrenterne. Ecosia løb ind i tilbagevendende tekniske problemer, blandt andet overbelastede servere, fordi det simpelthen var en for stor kunde for Mistral. Og efter hans opfattelse er afhængighed af internationale investorer ikke rigtig suveræn. Mistral har rejst milliarder af euro i udlandet, blandt andet fra Samsung Electronics og Nvidia.

Mistral svarede ikke på Politicos anmodning om en kommentar, men dets chefforsker Guillaume Lample sagde til mediet, at han vil opfordre Ecosia til at teste den nye Large 4 hurtigst muligt, og tilbød tidlig adgang, vægtene og fælles tilpasning.

Hvor modellerne står på ét indeks

På Artificial Analysis' Intelligence Index scorer Mistral Large 4 ifølge Trending Topics 38,4, den stærkeste åbne model uden for Kina, men kun nummer otte blandt de åbne, bag syv kinesiske.

ModelUdviklerIntelligence Index
MiMo-V2.6-ProXiaomi46,3
GLM-5.3Z.ai44,8
Kimi K3Moonshot AI43,6
GLM 5.3 FlashZ.ai41,8
Qwen3.8 2.4TAlibaba39,9
Qwen3.8-Flash-NextAlibaba39,8
DeepSeek V4.1 FlashDeepSeek39,5
Mistral Large 4 (preview)Mistral38,4

Pr. opgave koster Large 4 cirka 1,13 dollar mod cirka 2 dollar for GLM-5.3 og Kimi K3 og 0,27 for DeepSeek V4.1 Flash, der scorer lidt højere. To forbehold gælder. Large 4 er en preview, der stadig trænes, med vægte ved udgangen af oktober, og Mistral siger, at den er trænet helt i Europa og kan køre på kundernes egne servere. Og Ecosias hjælpeside nævner Mistral Small 3.2 og Small 4 til dets AI-funktioner, ikke Large, så den model, Kroll bedømte, var ikke den, Mistral lancerede den uge.

Hvad Melious sælger

Ecosia får nu sine modeller via Melious, en tysk platform, der efter egen beskrivelse tilbyder mere end 60 open-weight-modeller via ét API, der er kompatibelt med OpenAI- og Anthropic-kode, så et skifte kun kræver en ny basis-URL og nøgle. Den siger, at dens 11 udbydere sidder i otte lande, Luxembourg, Frankrig, Italien, Irland, Sverige, Tyskland, Holland og Finland, at automatisk failover er indbygget, at dine data aldrig forlader Europa, og at opsætningen er uafhængigt kontrolleret af staysin.eu. Det er påstande fra forsiden, som vi ikke kunne verificere.

Udvalget omfatter blandt andet GLM 5.3 fra Z.ai, Kimi K3 fra Moonshot AI og DeepSeek V4.1 Flash. Trending Topics bemærker, at Z.ai har stået på den amerikanske entitetsliste siden 2025, og at europæere, der vil have de bedste åbne modeller, næsten uundgåeligt ender hos kinesiske udviklere, også når serverne er europæiske.

Kroll siger, at Ecosia nogenlunde har halveret sine omkostninger, samtidig med at kvalitet og ydelse er blevet bedre. Der er ikke offentliggjort tal, og både Politico og TechNode videregiver påstanden fra ham.

En suverænitetstjekliste til din næste AI-kontrakt

Sagen flytter spørgsmålet fra hvem der byggede modellen til hvor den kører, og hvor hurtigt man kan skifte. Et europæisk datacenter kan hoste en kinesisk model, præcis det Ecosia valgte.

Tjek fire ting. Hvor inferensen kører, og hvilken lov der gælder for den. Hvem der driver serverne, for elleve udbydere bag ét API betyder, at du skal have listen i kontrakten. Hvor lang tid et modelskifte tager, hvilket du bør teste frem for at læse: Ecosia gik fra OpenAI til Mistral i maj og væk fra Mistral i oktober. Og hvor modellen kommer fra, for Politico citerer et fund fra NewsGuard om, at fem førende kinesisk støttede modeller gentagne gange undlod at korrigere pro-kinesiske falske påstande, og en leverandør på den amerikanske entitetsliste kan have betydning, hvis du sælger til USA.

Behandl enhver omkostningspåstand som en hypotese. Omkostningen pr. opgave varierer med en faktor fire mellem Large 4 og DeepSeek V4.1 Flash på indekset, så lav din egen sammenligning pr. opgave, før du skifter.