Mistral Large 4, l’LLM di frontiera aperto da 1 trilione di parametri che sfida la Cina

Mistral AI ha presentato il 6 ottobre l’anteprima pubblica di Mistral Large 4, soprannominato “le Chonk”. Il modello è già disponibile via API, mentre i pesi – i parametri che permettono di scaricarlo ed eseguirlo sui propri server – saranno pubblicati entro fine ottobre. Qui è disponibile la sua model card. È il primo modello finanziato dal round di Serie D da 3 miliardi di euro chiuso a settembre.

Large 4 è un modello mixture-of-experts (MoE): una rete composta da molti sottomodelli specializzati, di cui solo una parte viene attivata per elaborare ciascun token. Su 1.000 miliardi di parametri totali, ne lavorano 49 miliardi alla volta. Si riduce il calcolo per ogni risposta, ma non la memoria richiesta: tutti gli “esperti” devono risiedere sulle GPU. Il modello è multimodale (accetta testo e immagini), ma risponde solo con testo, coprendo oltre 160 lingue, incluse tutte quelle ufficiali dell’UE.

L’addestramento è avvenuto in circa due mesi di lavoro su 3.800 GPU Nvidia Grace Blackwell nei data center europei della società, gli stessi che oggi erogano l’anteprima. Mistral afferma che la fase di apprendimento per rinforzo (reinforcement learning, la tecnica con cui il modello migliora attraverso tentativi e ricompense) è ancora in corso, e i risultati attuali sono quindi ancora soggetti a miglioramento.

Il miglior LLM open-weight fuori dalla Cina

Mistral sostiene che Large 4 sia competitivo con i migliori modelli aperti a livello globale e superi nettamente qualunque modello open-weight sviluppato in Europa o negli Stati Uniti. Tra gli LLM aperti americani più rilevanti figurano Gemma di Google, Llama di Meta, Nemotron di Nvidia e GPT-oss di OpenAI)

Quasi tutti i confronti pubblicati vengono da test interni, ma più test indipendenti arriveranno sicuramente già nei prossimi giorni. Su DeepSWE, benchmark di programmazione agentica, Large 4 ottiene il 61,7%, appena sopra GLM-5.3 di Z.ai (61%). Su FinWorkBench, dedicato alla finanza, pareggia con DeepSeek V4 Pro al 67%.

Il settore manifatturiero è una delle cinque priorità elencate da Ursula von der Leyen nel suo discorso sullo Stato dell’Unione di metà settembre, e Mistral gli ha dedicato particolare attenzione, mostrando capacità di comprendere schemi di progetto e rispondere a domande puntuali, come si vede in questo esempio.

Il primo riscontro esterno è arrivato in giornata da Artificial Analysis, servizio indipendente che aggrega dieci test in un unico indice. Large 4 ottiene 38,4 punti, classificandosi effettivamente come il miglior modello aperto non cinese, ma comunque dietro a sette modelli cinesi guidati da MiMo-V2.6-Pro di Xiaomi (46,3 punti). Il distacco con i modelli chiusi di punta resta ampio: Claude Opus 5.5 di Anthropic arriva a 57,6.

Il salto rispetto al predecessore è comunque netto: Large 3 si fermava a 9 punti. Artificial Analysis segnala però un difetto che ha effetti diretti sui costi, la prolissità. Per completare l’indice, Large 4 ha generato circa 200 milioni di token in uscita, contro una mediana di 81 milioni dei modelli comparabili.

Cybersecurity senza limiti: un bene o un male?

Sul Cyber Index di Artificial Analysis, Mistral si colloca tra i primi cinque modelli al mondo. In un test che chiede di riprodurre una vulnerabilità reale e poi correggerla, Large 4 raggiunge l’82% di successo. Alcuni modelli chiusi statunitensi ottengono invece punteggi vicini allo zero, perché intervengono le salvaguardie di sicurezza a bloccare l’esecuzione del compito.

Per Guillaume Lample, cofondatore e Chief Scientist di Mistral, queste capacità permetteranno ad aziende e governi di difendersi da chi aggira le protezioni dei modelli chiusi (jailbreak) per condurre attacchi. Fino al rilascio dei pesi, il modello è sottoposto ad attività di red teaming – attacchi simulati in condizioni reali – con aziende di sicurezza, partner selezionati e autorità statali, che usano una versione con moderazione ridotta.

L’argomento ha un rovescio. Le capacità utili ai difensori lo sono anche agli attaccanti, e una volta pubblicati i pesi le salvaguardie integrate potranno essere rimosse.

Perché la sovranità conta

Mistral offrirà il modello in più regioni, tra cui una europea gestita interamente dall’azienda e soggetta al diritto europeo. Con i pesi disponibili e installabili su propria infrastruttura, pubbliche amministrazioni e aziende che operano in settori regolati potranno eseguirlo senza dipendere da API e servizi cloud esterni e non completamente governabili.

Secondo Pierre Stock, vicepresidente per la ricerca scientifica di Mistral, i clienti chiedono modelli aperti proprio per avere la certezza che l’accesso non venga interrotto da un potere esterno. Il timore non è teorico. A giugno Anthropic ha sospeso l’accesso ad alcuni dei suoi modelli più avanzati per adeguarsi ai controlli sulle esportazioni del Dipartimento del Commercio statunitense, poi revocati a fine mese.

Per le aziende italiane che devono rispettare AI Act e GDPR senza dipendere dagli hyperscaler statunitensi (i grandi fornitori di cloud pubblico), Large 4 è oggi l’opzione open-weight non cinese più credibile. I pesi aperti, però, non garantiscono da soli la conformità. Il GDPR resta in capo a chi tratta i dati. L’AI Act, inoltre, impone obblighi aggiuntivi ai modelli per uso generale con rischio sistemico, presunto oltre le 10²⁵ operazioni in virgola mobile di calcolo per l’addestramento, soglia che Large 4 – in base alle informazioni disponibili – potrebbe aver superato.

I conti sui costi e i nodi ancora aperti

Eseguire in casa un modello di questa taglia non è banale. Il formato dei pesi non è ancora stato annunciato, ma l’ordine di grandezza è chiaro: circa 2 TB di memoria a 16 bit, 1 TB a 8 bit, 500 GB a 4 bit. Anche nella versione a 8 bit serve quindi un server con otto GPU di classe H200 (1.128 GB complessivi), più il margine per il contesto e la cache delle conversazioni. Per le realtà più piccole, l’accesso sarà quindi limitato a quello via API o i modelli più compatti che l’azienda promette di derivare da Large 4 nel prossimo futuro.

Per quanto riguarda le API, il prezzo è di 1,36 dollari per milione di token in ingresso e 4,18 dollari in uscita, con una finestra di contesto di circa 1 milione di token. Nell’anteprima, il prezzo è scontato del 50 percento (0,68/2,09 dollari), ma anche la finestra di contesto è dimezzata, a 524.000 token. Il prezzo standard piazza Mistral Large 4 circa a metà della classifica dei principali modelli aperti, ma comunque molto, molto al di sotto del prezzo dei modelli chiusi di frontiera.

Prezzi di listino standard in dollari, IVA esclusa, senza sconti per cache, elaborazione in batch o promozioni, e senza sovrapprezzi per richieste oltre una certa soglia di token. Meta non offre accesso API a Llama: il prezzo è quello del fornitore di base su OpenRouter. Rilevazione del 7 ottobre 2026.

Resta da chiarire la licenza d’uso, che Mistral non ha ancora indicato. Secondo VentureBeat sarà una licenza proprietaria Mistral, non la Apache 2.0 usata per Large 3. La differenza è sostanziale, e potrebbe determinare se e a quali condizioni un’azienda potrà usare il modello in produzione.