Mistral Large 4 («Le Chonk»): l'anteprima open-weight da circa un trilione di parametri, addestrata nei datacenter europei di Mistral

Mistral Large 4 («Le Chonk»): l'anteprima open-weight da un trilione di parametri, addestrata nei datacenter europei di Mistral

Il 6 ottobre 2026 Mistral ha pubblicato Introducing Mistral Large 4 e ha presentato il modello così: «Unofficially ML4, very officially: le Chonk» (ufficiosamente ML4, ufficialissimamente le Chonk). L'API in anteprima pubblica è disponibile su Mistral Studio. Mistral dice che rilascerà i pesi entro la fine del mese; The Next Web ha indicato come data il 27 ottobre.

Nel lancio ci sono tre promesse distinte. Primo, un'anteprima ospitata che si può usare subito. Secondo, i pesi aperti in un secondo momento, con una licenza non ancora annunciata. Terzo, un'installazione europea che Mistral dice di gestire interamente in proprio, secondo il diritto europeo. Quanto alle dimensioni, il post descrive un modello nativamente multimodale da 1 trilione di parametri, di cui 52 miliardi attivi. La scheda del modello, con le etichette Public Preview, Open, v26.10, indica 52B parametri attivi e 1,05T totali, un encoder visivo da 1,6B e un contesto di 1M di token.

Sull'addestramento, Mistral scrive che il modello è stato addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei propri datacenter in Europa e che l'anteprima pubblica gira sulla stessa infrastruttura. Più sotto, i risultati dichiarati da Mistral sono tenuti separati da una lista di controllo per chi acquista, che tratta i pesi scaricabili e l'endpoint effettivamente usato come due cose diverse.

Nome e stato. Il prodotto è Mistral Large 4, soprannominato le Chonk. Il 6 ottobre è uscito come Public Preview su Mistral Studio e la scheda del modello lo indica come Open, v26.10. I pesi non sono ancora disponibili. Fino ad allora, ogni decisione di produzione riguarda un modello in anteprima ospitato, non un file sul proprio disco.

Dimensioni. Il post di Mistral descrive «a 1 trillion-parameter natively multimodal model with 52 billion active parameters», cioè un modello nativamente multimodale da 1 trilione di parametri, di cui 52 miliardi attivi. La scheda del modello indica 52B parametri attivi, 1,05T totali e un encoder visivo da 1,6B, con un contesto di 1M di token. Alcuni articoli del giorno del lancio hanno riportato 49 miliardi di parametri attivi; ora le due pagine di Mistral concordano su 52 miliardi. Il dato da usare è 52 miliardi attivi e circa un trilione totale (1,05T secondo la scheda).

Addestramento e servizio. Mistral dice che il modello è stato addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei propri datacenter in Europa e che l'anteprima pubblica gira sulla stessa infrastruttura. Alcune testate hanno arrotondato a circa 4.000; il numero di Mistral è 3.800. Secondo Mistral, inoltre, una parte significativa dei dati di addestramento era multilingue e copriva più di 160 lingue, comprese tutte le lingue ufficiali dell'Unione europea.

Come Mistral parla di sovranità. Secondo Mistral, pesi aperti e installazione in proprio servono a dare ai clienti il controllo sulla loro IA, e il modello sarà disponibile in diverse regioni del mondo, compresa un'installazione europea che Mistral gestisce interamente in proprio, indipendentemente da altri fornitori di servizi digitali e secondo il diritto europeo. È il linguaggio di prodotto di Mistral su controllo e distribuzione, non una certificazione pubblica.

Il contesto finanziario. Mistral presenta Large 4 come la prima tappa della roadmap finanziata dal suo round di Serie D da 3 miliardi di euro, che definisce il più grande aumento di capitale mai raccolto da un'azienda tecnologica europea, e dice di stare ampliando la capacità di calcolo nei propri datacenter europei.

Che cosa deve ancora arrivare. Mistral dice che, man mano che si avvicina il rilascio dei pesi, condividerà altri dettagli sull'architettura, ulteriori benchmark e la metodologia di post-addestramento. Presenta inoltre ML4 come base per una nuova generazione di modelli Mistral specializzati. Finché pesi e licenza non saranno pubblicati, vanno considerati piani annunciati, non risorse da mettere in produzione.

Tutte le cifre di questa sezione sono dichiarate da Mistral nella pagina di lancio. Nessuna è stata riprodotta in modo indipendente: vanno lette come risultati di Mistral, non come un confronto per gli acquisti.

Programmazione e lavoro agentico. Mistral riporta il 61,7 per cento su DeepSWE v1.1, il 59,4 per cento su SWE-Atlas-QnA e il 28,3 per cento su Terminal-Bench 4, con un punteggio complessivo di 49,8 per cento sul Coding Agent Index. In una valutazione umana alla cieca sulla qualità del codice condotta da Mistral con Surge AI, ML4 Preview ha ottenuto 3,74 su 5, secondo di cinque modelli, dietro a Claude Opus 5 con 4,22.

Sicurezza informatica. Mistral dice che ML4 è tra i primi cinque modelli al mondo sull'Artificial Analysis Cyber Index e guida i modelli a pesi aperti sviluppati fuori dalla Cina. Riporta l'82 per cento in uno dei test dell'indice, che chiede a un modello di riprodurre una vulnerabilità reale in un software open source e poi di correggerla, e afferma che diversi modelli chiusi ottengono quasi zero perché rifiutano il compito. Mistral riporta anche che ML4 risolve il 93 per cento delle 40 sfide di Cybench.

Lavoro d'ufficio e multimodalità. Mistral riporta il 59,9 per cento su AutomationBench e 1.393 Elo su AA-Briefcase, e dice che il valutatore esterno vals.ai ha trovato ML4 superiore a GPT-6-Astra su compiti legali e finanziari. Sul visual grounding Mistral riporta il 42 per cento su Dense 200 contro il 41 per cento di GPT-6-Astra. Sulla sicurezza del modello, riporta che ML4 resiste al 93,3 per cento degli attacchi del B3 AI Security Benchmark di Lakera e ottiene 1,691 su 2 nel KORA Benchmark.

Per chi acquista: costruite un vostro set di valutazione prima di sostituire un modello in produzione. Le cifre di Mistral sono un contesto utile, non il vostro test di accettazione.

Fino al rilascio dei pesi, Mistral dice di sottoporre il modello a red teaming in contesti reali con leader della sicurezza informatica, partner selezionati e autorità statali, che useranno lo stesso modello con moderazione ridotta e capacità informatiche ampliate. È una scelta di prodotto annunciata da Mistral; questo articolo non descrive come verrebbe usata una versione del genere.

L'argomento di Mistral è che i rifiuti imposti dal fornitore possono bloccare la ricerca legittima sulle vulnerabilità e la risposta agli incidenti, e che pesi aperti e installazione in proprio permettono alle organizzazioni di svolgere attività di sicurezza secondo le proprie regole. È la motivazione di Mistral per questa versione di red teaming. Le uniche cifre sulla sicurezza informatica in questo articolo sono i punteggi dichiarati dal fornitore riportati sopra.

Che cosa significa per un MSP: se un cliente chiede una «IA sovrana per la sicurezza informatica», le domande verificabili sono chi gestisce l'endpoint, dove gira l'inferenza, se i pesi si possono ospitare in proprio con una licenza pubblicata e chi decide la politica sui rifiuti. Sono domande di contratto e di inventario.

Sei abitudini, ciascuna con qualcosa che vale come prova.

1. Separate le tre promesse. La disponibilità dell'API in anteprima non equivale ad avere i pesi sul disco, e nessuna delle due equivale a un endpoint gestito nell'UE scritto in un contratto. Prova: sapete dire quale delle tre state acquistando oggi. Non è una prova: una slide che dice «sovrano» senza specificare quale.

2. Fissate l'ID del modello in anteprima e considerate l'anteprima come qualcosa da cui migrerete. Quando arriveranno i pesi, licenza e infrastruttura di servizio saranno decisioni nuove. Prova: la configurazione in produzione riporta l'ID esatto dell'anteprima, con un responsabile e un ticket di passaggio.

3. Aspettate la licenza. Non scrivete il nome di una licenza in una proposta al cliente prima che Mistral pubblichi la licenza dei pesi. Prova: la proposta dice «licenza da confermare al rilascio dei pesi».

4. Chiedete dove gira davvero l'inferenza per l'endpoint che usate (regione, gestore, subfornitori), non solo dove è stata scritta la pagina promozionale. Prova: una risposta scritta del fornitore o l'allegato del contratto, collegati alla riga d'inventario.

5. Fate le vostre valutazioni sul vostro traffico (formato, rifiuti, latenza, uso degli strumenti) prima di sostituire un modello in produzione. Le cifre di Mistral non sono il vostro set di valutazione. Prova: una valutazione con punteggi sui vostri prompt, con un revisore nominato.

6. Verificate le condizioni commerciali nella vostra console prima di indicare qualsiasi cifra a un cliente.

Due abitudini in più per i team che già usano modelli a pesi aperti. Tenete l'endpoint in anteprima e un eventuale futuro checkpoint ospitato in proprio su righe d'inventario separate, anche se condividono il nome commerciale. E quando gli articoli di giornale indicano una data per i pesi, come il 27 ottobre, seguite i canali di Mistral; consideratela una data di consegna solo quando Mistral la conferma.

---

I fatti principali. Mistral Large 4 (le Chonk) è stato annunciato il 6 ottobre 2026. L'anteprima pubblica è su Mistral Studio. I pesi sono promessi entro la fine del mese; The Next Web ha indicato il 27 ottobre. Il modello è un mixture-of-experts multimodale con circa un trilione di parametri totali (1,05T secondo la scheda), 52 miliardi attivi, un encoder visivo da 1,6B e un contesto di 1M di token. Mistral dice di averlo addestrato su 3.800 GPU Grace Blackwell nei propri datacenter europei. I pesi aperti sono promessi; la licenza non è stata annunciata. Tutti i benchmark citati sono dichiarati da Mistral.

Fonti: Mistral, Introducing Mistral Large 4 (6 ottobre 2026); documentazione Mistral, scheda del modello Mistral Large 4; The Next Web (6 ottobre 2026).