Le Chaton Fat: das falsche Mistral-Modell und das wahre KI-Rennen, das alle übersahen
Le Chaton Fat war ein Hoax gegen Europas KI. Das Eigentliche: Mistral jagt nicht die Frontier, und Frankreich führt eine Nicht-LLM-Frontier an.
Um den 11. Juni 2026 herum machten auf X Screenshots eines Mistral-Modells namens Le Chaton Fat die Runde, mitsamt Benchmark-Tabelle, Parameterzahl und Erscheinungsdatum. Nichts davon war echt. Es gibt kein Le-Chaton-Fat-Modell, die Zahlen waren erfunden, und der Name ist ein Wortspiel auf Mistrals Assistenten Le Chat (“das fette Kätzchen”). Die paar Minuten lohnen sich wegen dessen, worauf der Scherz zielte, und wegen der Anzeigetafel, die er allen unterjubelte.
Die Screenshots stammten überwiegend von Accounts, die sich über die Idee lustig machen, Europa könne ein echtes Frontier-Labor aufstellen. Das ist die eigentliche Nutzlast. Nicht “Mistral hat ein schlechtes Modell ausgeliefert”, sondern “Europas KI ist heiße Luft, und schau, wie leicht sie sich fälschen lässt”. Am saubersten bleibt das hängen, wenn man Europas KI an der einen Anzeigetafel misst, auf der sie verliert: an der rohen Größe eines Allzweck-LLM. Das ist die falsche Anzeigetafel, und die zwei Wochen rund um das Meme haben gezeigt, warum. Unser Vergleich Fable 5 gegen Opus gehört in dieselbe Debatte, und er liest sich anders, sobald du aufhörst, Labore nur nach Leaderboard zu sortieren.
Das Meme ging nie wirklich um Mistral
Der Hoax startete an einer echten Umbenennung. Mistral hat seinen Consumer-Assistenten Anfang Juni von Le Chat in Vibe umgetauft, und dass “Le Chat” auf Französisch “die Katze” heißt, erledigte den Rest. Jemand drehte das zu “Le Chaton Fat”, Pseudo-Französisch für ein fettes Kätzchen, und schraubte das Drumherum eines Launchs dran: ein erfundenes Datenblatt für ein Mixture-of-Experts-Modell mit zig Billionen Parametern, das angeblich jeden Rivalen in jedem Benchmark schlug, samt verräterischen Scherzen wie einem Kontextfenster von unendlich, für Croissants. Das Format ahmte trotzdem einen echten Mistral-Release nah genug nach, dass Reshares einen Screenshot wie eine Nachricht behandelten.
Arthur Mensch wehrte sich nicht dagegen. Er spielte öffentlich mit und scherzte, das Modell sei “eigentlich le gros chaton” (das große Kätzchen), und Mistral zog den Gag aufs Produkt: Die Vibe-Landingpage bekam ein Katzen-Maskottchen mit zwei Zuständen, entspannt für Casual-Chat und mit Krawatte für den Work-Modus. Aus einem Meme wurde binnen einer Woche Marketing, und genau das fanden alle gut. Was die meisten überflogen: wer den Scherz gebaut hat und warum.
Am lautesten verbreiteten ihn Accounts, die dem europäischen KI-Vorstoß feindlich gegenüberstehen, die jede Behauptung, Mistral gehöre an denselben Tisch wie OpenAI oder Anthropic, als Pointe behandeln. So gerahmt ist “Le Chaton Fat” kein Kommentar zu einem Modell. Es ist eine Wette darauf, dass das Publikum Europa an Frontier-LLM-Benchmarks misst und lacht. Beiß an, und du hast den falschen Maßstab schon akzeptiert, und das ist der eigentliche Trick, auf den man nicht hereinfallen sollte.
”Ist Mistral ein ChatGPT-Rivale” ist die falsche Frage
Fang bei der Verwechslung an, von der die viralen Threads lebten. Vibe ist der Assistent, kein Modell. Es ist der neue Name für Le Chat, die Chat-App, die die meisten anfassen, und sie sitzt auf Mistrals Modellen auf, statt selbst eines zu sein. “Mistral hat Vibe veröffentlicht” stimmt; “Vibe ist ein neues Modell, das man benchmarken kann” stimmt nicht. Sein Vorzeige-Feature, die Vibe Remote Agents, läuft auf einem bestimmten Modell darunter, auf Medium 3.5. Ein Benchmark von “Vibe” misst also immer nur, auf welches Modell ein Feature gerade routet.
Eine Ebene tiefer liegen die echten Modelle, und die sind nicht dafür gebaut, eine Frontier-Ohrfeige zu gewinnen. Large 3 ist ein Mixture-of-Experts-Modell, 41B aktiv aus 675B total, veröffentlicht unter Apache 2.0 mit 256K Kontext, Teil der zehn Modelle umfassenden Mistral-3-Familie, angekündigt am 2. Dezember 2025. Die Zahl, die hier zählt, ist nicht der Leaderboard-Rang. Es ist die Lizenz. Apache 2.0 auf einem Modell der Frontier-Klasse heißt: Du kannst es betreiben, feintunen und kommerziell ausliefern, ohne Nutzungsschranke und ohne fremde API im Request-Pfad. Das ist ein anderes Produkt als ein gehostetes Frontier-Modell, und beide auf einem Benchmark zu sortieren verfehlt den Sinn von beiden.
Das dichte Flaggschiff, Medium 3.5, ein 128B-Modell unter einer modifizierten MIT-Lizenz, ist das, was in Vibes Agents verdrahtet ist, und mindestens eine Primärquelle führt es weiterhin als Public Preview. Bestätige also die Verfügbarkeit, bevor du darauf baust. Das strategische Signal sitzt allerdings woanders. Mistrals Pitch läuft zunehmend über maßgeschneiderte Modelle, die auf den eigenen Daten eines Unternehmens trainiert und auf dessen eigener Infrastruktur gehostet werden, die Sorte, die ein Hersteller oder eine Bank für Instandhaltung, Betrugserkennung oder Anrufweiterleitung will. So ein Modell wird dir nie ein besseres Clafoutis-Rezept schreiben, und genau das ist der Punkt: Sein Wert ist Souveränität und Passform, kein GPQA-Score. Zu fragen, ob es ChatGPT schlägt, ist die falsche Frage an ein Modell, das eine andere beantworten soll.
Die Frontier, die niemand memte: Frankreich führt still die Tabular-KI an
Das hier hat der Scherz komplett begraben. Die ehrlich state-of-the-art KI, die dieses Jahr aus Frankreich kam, ist überhaupt kein LLM, und fast niemand hat darüber gepostet.
Es ist ein Tabular Foundation Model, ein Modell für die Tabellen, die echte Unternehmen am Laufen halten: Kundenlisten, Transaktionen, Patientenakten, eine Zeile pro Haus oder pro Kredit. Diese Modalität hat sich dem Deep Learning zwanzig Jahre lang widersetzt, und der amtierende Champion blieb Gradient Boosting (XGBoost und Verwandte), ein Ansatz aus den frühen 2000ern, den LLMs nicht schlagen, weil das nächste Token vorherzusagen nicht dieselbe Fähigkeit ist wie statistische Vorhersage über eine Tabelle. Das neue Modell heißt TabICL, gebaut vom Inria-Team, das die Entwicklung von scikit-learn beherbergt (die SODA-Gruppe; Gaël Varoquaux ist Mitbegründer von scikit-learn, mit Marine Le Morvan, David Holzmüller und Jingang Qu an der Arbeit). Sein deutscher Vorgänger, TabPFN, wurde im Januar 2025 in Nature veröffentlicht (“Accurate predictions on small data with a tabular foundation model”), die Sorte Publikationsort, die Forschung signalisiert statt eines Launch-Threads.
Der Mechanismus läuft der Intuition zuwider. Das Modell wird einmal vortrainiert, ausschließlich auf synthetischen Daten, und sagt dann auf deiner echten Tabelle in einem einzigen Forward-Pass, ohne Retraining pro Datensatz vorher, die Tabular-Variante von In-Context-Learning. Es trägt keine Semantik, es weiß nicht, dass eine Spalte Alter oder Augenfarbe ist, es lernt schlicht den statistischen Zusammenhang besser als alles davor. Und es liefert: TabICLv2 schlägt stark getuntes XGBoost, CatBoost und LightGBM bei rund 80 % der TabArena-Datensätze, zieht mit dem stärksten bisherigen Tabular-Modell gleich und läuft dabei bis zu 10× schneller als TabPFN-2.5 bei großen Tabellen, und es fittet und prognostiziert 50.000 Zeilen × 100 Features in unter 10 Sekunden auf einer H100. Es ist Open Source unter BSD-3-Lizenz, pip install tabicl, mit einer scikit-learn-API, und das v2-Paper kam im Februar 2026, weshalb es bisher kaum auf dem Radar ist.
Das ist die Erwiderung, die das Meme verdient und nie bekommen hat. Während die Timeline ein erfundenes französisches Modell verspottet, führt ein französisches öffentliches Labor eine echte Frontier an, auf den Daten, die 90 % der Unternehmen tatsächlich haben, und die Großen sind nirgends im Bild. Es ersetzt LLMs nicht; es macht etwas, worin LLMs schlecht sind. Europas KI nur danach zu messen, wer den größten Chatbot baut, ist der Weg, genau die Stelle zu verpassen, an der Europa schon vorn liegt.
Verfügbarkeitsrisiko, nicht Leaderboard-Platz
Der offene Weg hörte diesen Monat auf, abstrakt zu sein. Ein führendes US-Frontier-Modell wurde per Exportverfügung aus der Verfügbarkeit genommen, genau der Ausfallmodus, den eine Self-Hosting-Strategie überleben soll. Wenn ein Spitzenmodell in einer Jurisdiktion per Regulierung zurückgezogen werden kann, erbt eine Organisation, die sich darauf standardisiert hat, den Rückzug. Ein Apache-2.0-Modell, das schon auf deiner eigenen Hardware liegt, wird von keiner Exportregel zurückgerufen.
Diese Asymmetrie, ein rückrufbares API-Modell gegen Gewichte, die du bereits hältst, ist die echte Linie in der Tabellenkalkulation, und sie hat nichts mit dem Leaderboard-Platz zu tun. Sie ist auch der Grund, warum das Souveränitätsargument keine Pose ist: Ein Modell, das du herunterladen und auf europäischer Infrastruktur betreiben kannst, ist das, was “souverän” in der Praxis heißen muss. Die Lizenz ist die Politik. Wer geschlossene Frontier-Modelle gegen offene abwägt, sollte die Export-Episode neben die Benchmarks in den Vergleich nehmen, und unser Beitrag Fable 5 gegen Opus lohnt eine zweite Lektüre, das Verfügbarkeitsrisiko im Blick.
Was ein Praktiker tatsächlich verfolgen sollte
Ignorier die Chaton-Fat-Specs; sie waren nie echt. Dann leg den Reflex ab, den das Meme ausnutzte. Hör auf, KI und Europa allein nach Frontier-LLM-Benchmarks zu sortieren. Verfolg stattdessen drei Dinge. Lizenz und Hosting: Kannst du die Gewichte selbst betreiben, oder kann dir das Modell unter den Füßen weggezogen werden. Passform vor Allgemeinheit: Ein spezialisiertes oder souveränes Modell, das deinen Workload trifft, schlägt einen Leaderboard-Sieger, den du nicht deployen kannst. Und die Frontiers, die überhaupt nicht konversationell sind, etwa Tabular Foundation Models, wo sich die echte Forschung bewegt und wo ein Chatbot-Benchmark dir nichts sagt.
Häufige Fragen
Ist Le Chaton Fat ein echtes Mistral-Modell?
Nein. Le Chaton Fat ist ein viraler Hoax von um den 11. Juni 2026, ohne Modell, ohne Gewichte und mit komplett erfundenen Benchmarks. Der Name ist ein Wortspiel auf Le Chat, Mistrals früheren Assistenten-Namen, und die Screenshots stammten größtenteils von Accounts, die sich über europäische KI lustig machen. Mistral hat nie etwas unter diesem Namen veröffentlicht, auch wenn CEO Arthur Mensch beim Scherz mitmachte und die Firma der Vibe-Landingpage ein Katzen-Maskottchen verpasste.
Was hat Mistral tatsächlich veröffentlicht?
Echtes Produkt und echte Modelle, auf verschiedenen Ebenen. Mistral Vibe, die Umbenennung des Le-Chat-Assistenten, mit neuen Remote Agents. Large 3, ein Mixture-of-Experts-Modell mit 675B total und 41B aktiven Parametern unter Apache 2.0, Teil der zehn Modelle umfassenden Mistral-3-Familie, angekündigt am 2. Dezember 2025. Und Medium 3.5, ein dichtes 128B-Flaggschiff unter einer modifizierten MIT-Lizenz, das Vibes Agents antreibt, von mindestens einer Quelle als Public Preview gelistet.
Was ist der echte französische KI-Durchbruch hinter dem Scherz?
TabICL, ein Tabular Foundation Model vom Inria-Team, das die Entwicklung von scikit-learn beherbergt. Es prognostiziert auf tabellenartigen Daten in einem einzigen Forward-Pass, ist ausschließlich auf synthetischen Daten vortrainiert und schlägt stark getuntes Gradient Boosting bei rund 80 % der TabArena-Benchmark-Datensätze. Sein Vorgänger TabPFN wurde im Januar 2025 in Nature veröffentlicht. Es ist Open Source (pip install tabicl) und, bemerkenswert, kein LLM.
Warum ist “ist Mistral so gut wie ChatGPT” die falsche Frage?
Weil Mistral nicht dafür gebaut ist, die Allzweck-Frontier zu gewinnen. Sein Wert sind offene Gewichte (Large 3 unter Apache 2.0) und souveräne, spezialisierte Modelle, die auf der eigenen Infrastruktur eines Kunden laufen, was ein Benchmark gegen ChatGPT nicht misst. Der exportgetriebene Rückzug eines US-Frontier-Modells im Juni 2026 ist genau die Sorte Risiko, die dieser Pitch neutralisieren soll.
Kommt ein Mistral 4 oder Large 4?
Angekündigt ist nichts. Stand Juni 2026 ist die aktuelle Generation Mistral 3 mit Large 3 an der Spitze, und kein Mistral 4 oder Large 4 existiert in irgendeiner veröffentlichten Model Card. Jeder Post, der ein Modell der nächsten Generation behauptet, ist Gerücht, und nach der Le-Chaton-Fat-Episode ist ein Screenshot der schwächstmögliche Beleg dafür.
Das Verdikt
Das Chaton-Fat-Meme ist eine Ablenkung, gebaut auf einer Falle: Miss Europas KI an Frontier-LLM-Benchmarks, und lach. Lehn die Falle ab, und zwei echte Dinge rücken in den Fokus. Mistrals Large 3 ist ein MoE mit 675B total, das du unter Apache 2.0 selbst hosten kannst, wertvoll wegen Eigentum und Souveränität statt wegen des Leaderboard-Rangs, und neuerdings relevant, weil ein US-Frontier-Modell gerade bewiesen hat, wie schnell Verfügbarkeit verschwinden kann. Und Frankreichs eigentliches State-of-the-Art ist ein Tabular-Modell, TabICL, das getuntes Gradient Boosting bei den meisten Benchmarks schlägt und überhaupt kein LLM ist. Die Lehre ist nicht, dass Europa bei Chatbots aufgeholt hat. Sie ist, dass die Chatbot-Anzeigetafel nie das ganze Rennen war.
Foto: Yan Krukau / Pexels
