Mistral Large 4 pesi aperti spiegati: Le Chonk, il modello 1T che puoi scaricare

Mistral ha pubblicato i pesi a vuoto di Mistral Large 4 il 29 ottobre 2026, tre settimane dopo l'anteprima pubblica del modello il 6 ottobre. Soprannominato "Le Chonk", è il modello di punta del laboratorio francese: un modello nativamente multimodale di esperti con circa 1 trilione di parametri totali, di cui solo circa 52 miliardi attivi per token. Questo design è proprio il punto. Hai una scala a trilioni di parametri per conoscenza e capacità, ma paghi il calcolo solo per circa il 5% dei pesi su ciascun token.

Il rilascio è importante perché non è più una demo o un'anteprima solo API. I pesi sono su Hugging Face come Mistral-Large-4-1T-A52B, pronto per essere scaricato, messo a punto e eseguito sui propri server con vLLM o SGLang. Mistral sta proponendo a Big 4 due lavori in particolare: codifica agentica e cybersecurity difensiva. Ogni numero di benchmark qui sotto è riportato dal fornitore di Mistral, quindi trattalo come una richiesta dell'azienda finché tester indipendenti non la ripetono. Il report tecnico completo è ancora indicato come imminente.

Il verdetto rapido

Cosa è cambiato dalla anteprima del 6 ottobre

Il miglioramento principale riguarda Terminal-Bench 4.0, un test del lavoro di codifica svolto in un terminale. Mistral riporta che il punteggio è passato dal 28 percento all'anteprima al 41 percento nella versione open-weight, un salto di 13 punti, mentre i token di output sono diminuiti del 30 percento. Mistral attribuisce tre settimane extra di reinforcement learning per i guadagni, inclusi un ragionamento più efficiente e costi di inferenza più bassi.

Quel singolo salto riformula il modello. In anteprima, Large 4 sembrava un programmatore promettente ma in ritardo. Nella versione open-weight, Mistral lo riporta al 48% sull'Artificial Analysis Coding Agent Index, praticamente pari a GLM-5.3, mentre utilizza in media il 47% di token in meno per compito. Nel benchmark privato FrontierCode 2.0 di Cognition, che testa se un maintainer di repository unisce la modifica del codice di un agente, Mistral riporta il 19,7%, il punteggio più alto tra i modelli open-weight elencati. Per contestualizzare, i modelli chiusi sono ancora molto avanti nello stesso test: Claude Opus 5.5 ottiene il 46%, secondo la copertura dell'annuncio di Mistral. I pesi aperti stanno colmando il divario, ma non l'hanno colmato.

Tabella di benchmark (tutte riportate dai fornitori da Mistral)

Leggi questi numeri con due avvertenze. Primo, i diversi benchmark non sono comparabili tra loro, quindi una percentuale più alta in un test non significa che il modello sia "migliore" complessivamente rispetto a un altro. In secondo luogo, gli audit indipendenti sono stati meno generosi: un audit citato nella copertura si è classificato tra i Large 4, 32° su 44 in un indice complessivo, anche se lo colloca tra i primi in un benchmark legale. I benchmark dei fornitori sono un punto di partenza per i tuoi test, non un verdetto.

Tabella dei prezzi

Il prezzo della nuova API è circa la metà del prezzo di lista di anteprima, che corrisponde allo sconto di lancio che Mistral ha avuto durante l'anteprima. Per confronto, il Kimi K3.1 Pro di Moonshot costa 2 dollari in input e 10 dollari in uscita per ogni token da 1 milione, quindi l'API delle Big 4 è prezzata in modo aggressivo per un modello open di classe frontier. Il prezzo più basso del token aiuta solo se la dichiarazione di efficienza del token vale nel tuo carico di lavoro, quindi misura il costo per compito finito, non il costo per token.

La licenza, in linguaggio semplice

Large 4 è rilasciato sotto la licenza Mistral Ecosystem Open-Weight, una versione modificata della licenza MIT. Puoi usarla, modificarla, perfezionarla e costruire prodotti commerciali gratuitamente. C'è un'unica esclusione, ed è importante: le aziende che gestiscono un'offerta Model-as-a-Service, cioè vendono accesso ospitato al modello stesso, devono prima ottenere una licenza commerciale separata da Mistral. La copertura osserva che l'annuncio non definisce chiaramente dove termina l'incapsulamento del modello in un prodotto SaaS e inizia il Model-as-a-Service, quindi se prevedi di rivendere l'accesso, ottieni una risposta scritta alla domanda sulla licenza prima di svilupparci.

Sovranità e sicurezza: l'altra metà del campo

Mistral ha addestrato le Big 4 da zero nei propri data center europei, secondo quanto riportato su circa 3.800 GPU NVIDIA Grace Blackwell (alcune coperture indicano la cifra a 4.000), e presenta il modello come un'IA sovrana: le organizzazioni possono ispezionarlo, personalizzarlo e farlo girare all'interno dei propri firewall senza dipendere dall'API di Mistral. Questo è un vero vantaggio per le industrie regolamentate, il lavoro governativo e chiunque abbia regole rigorose sulla residenza dei dati.

Sul tema della sicurezza, Mistral cammina su una linea attenta. Riporta un punteggio del 51 percento nell'Artificial Analysis Cyber Index e un tasso di rifiuto del 96,6 percento nelle richieste informatiche dannose, e afferma che le guardrail preservano il lavoro difensivo bloccando gli attacchi. Allo stesso tempo, Mistral ammette di aver visto potenziale di miglioramento nell'esecuzione di attacchi reali durante l'anteprima, e una variante meno limitata, adattata a penetration testing e red-teaming, resta limitata a partner di progettazione aziendali verificati, inclusa Orange Cyberdefense, sotto contratti che limitano i test a sistemi di proprietà o esplicitamente autorizzati. Una volta che i pesi sono diventati pubblici, non possono essere disattivati, quindi la release aperta stessa è una decisione sul fatto che il valore difensivo superi il rischio di uso improprio.

Cosa serve per gestirlo da solo

Questo non è un modello di laptop. Secondo la documentazione SGLang citata nella copertura, la versione standard gira su otto GPU NVIDIA B300, mentre una variante più compressa gira su quattro GB300. La maggior parte dei team sarà meglio servita dall'API ospitata, da un endpoint partner come Microsoft Foundry o OpenRouter, o da Mistral Forge per ottimizzare varianti specifiche per compito, invece di auto-ospitare il modello completo. Se preferisci un piccolo modello aperto per il lavoro sul dispositivo, consulta il nostro post su Liquid AI LFM3, sei modelli di classe 2B costruiti proprio per questo compito. Per un caso contrastante di un modello potente che non puoi scaricare affatto, vedi Gemini 4 Carbon, il modello di cybersecurity di Google attualmente limitato a difensori selezionati. E se stai valutando modelli aperti rispetto a quelli chiusi Frontier, la nostra analisi del Kimi K3.1 Pro è un secondo dato utile.

Quale scegliere

Scegli l'API Mistral se vuoi testare rapidamente le Big 4, oppure se hai bisogno di codice open-model di frontiera senza comprare GPU. Il prezzo di 0,70$/2,10$ e il contesto da 1M la rendono economica da provare.

Scegli l'auto-hosting se la residenza dei dati, la sovranità o la personalizzazione profonda sono i fattori decisivi, e hai il budget GPU. Hai il controllo totale, ma gestisci anche il lavoro di distribuzione, sicurezza e aggiornamento.

Scegli il fine-tuning tramite Mistral Forge se hai un lavoro ristretto e ben definito, come un workflow di sicurezza o un codice interno, dove una variante più piccola e calibrata potrebbe battere il modello generale in termini di costi e accuratezza.

Salta per ora se pensi di rivendere l'accesso al modello ospitato senza risolvere la licenza commerciale, se ti serve un modello che giri su hardware modesto, o se il tuo carico di lavoro è già ben coperto da un modello piccolo più economico. E se vuoi il punteggio di codifica assolutamente migliore indipendentemente dall'apertura, modelli chiusi come Claude Opus 5.5 sono comunque in testa su FrontierCode 2.0, basandoti sui numeri riportati.

Per i team che costruiscono sistemi di produzione IA, la scelta del modello è solo metà del lavoro. CodeMyPixel costruisce servizi di sviluppo di agenti AI e aiuta le aziende ad assumere un'agenzia di automazione AI per inserire modelli come questo in veri flussi di lavoro, con le barriere, la valutazione e i controlli sui costi che un download grezzo di un modello non include.

Cos'è Mistral Large 4?

Mistral Large 4 è il modello open-weight di punta di Mistral AI, soprannominato Le Chonk. È un modello multimodale nativo di esperti con circa 1 trilione di parametri totali e circa 52 miliardi di utenti attivi per token, una finestra di contesto da 1 milione di token e padronanza di più di 160 lingue.

Mistral Large 4 è davvero gratuito?

I pesi sono gratuiti da scaricare, utilizzare, modificare, perfezionare e costruire prodotti commerciali sotto la licenza Mistral Ecosystem Open-Weight. L'unica eccezione sono le aziende Model-as-a-Service, che necessitano di una licenza commerciale separata da Mistral. L'auto-hosting comporta comunque un costo per l'infrastruttura GPU, oppure puoi pagare il prezzo dell'API Mistral di 0,70 dollari per 1 milione di token di ingresso e 2,10 dollari per ogni token di output da 1 milione.

Come si confronta Large 4 con GLM-5.3 e Claude Opus 5.5?

Secondo i dati riportati dai fornitori, Large 4 pareggia GLM-5.3 al 48 percento sull'Indice degli Agenti di Codifica utilizzando il 47 percento in meno di token, e guida i modelli aperti su FrontierCode 2.0 con il 19,7 percento. Claude Opus 5.5 guida ancora lo stesso test di FrontierCode con il 46 percento, quindi i modelli frontier chiusi restano avanti in termini di capacità di codifica grezza.

Quale hardware mi serve per far girare Mistral Large 4?

La versione standard richiede hardware serio: otto GPU NVIDIA B300 secondo la documentazione SGLang, o quattro GB300 per una variante compressa. La maggior parte degli utenti dovrebbe iniziare con l'API Mistral, OpenRouter o Microsoft Foundry invece di auto-hosting.

Dove posso scaricare Mistral Large 4?

I pesi sono pubblicati su Hugging Face come Mistral-Large-4-1T-A52B, per la distribuzione con vLLM o SGLang. Il modello è disponibile anche tramite Mistral Studio, l'API di Mistral, OpenRouter, Microsoft Foundry e endpoint ospitati da NVIDIA.

La mia azienda dovrebbe passare a Mistral Large 4?

Cambia se la sovranità, la residenza dei dati o il controllo di fine-tuning sono importanti per te, o se la dichiarazione di efficienza del token regge nei tuoi test. Testa prima sui tuoi compiti, conferma la posizione della licenza se rivendi l'accesso e confronta il costo per compito completato, non solo per token, prima di effettuare il committ.

• mistral large 4
• le chonk
• open weight models
• mistral ai
• ai coding
• cybersecurity ai
• frontier models