Physical Address
304 North Cardinal St.
Dorchester Center, MA 02124
Mistral ha pubblicato il 29 ottobre i pesi di Mistral Large 4, il modello da circa un trilione di parametri che l'azienda chiama Le Chonk, sostenendo che eguagli o superi i migliori modelli aperti cinesi nel coding e nella cyber-difesa. Il punto però non è la classifica: è che un'azienda o un governo può installarlo sui propri server e continuare a usarlo anche se il fornitore cambia idea.
Cosa contiene il rilascio di Mistral Large 4
Le Chonk è un modello open-weight da 1,05 trilioni di parametri totali secondo Mistral, dei quali ne attiva solo una frazione per ogni token generato. I pesi completi sono scaricabili da Hugging Face con la Mistral Ecosystem Open-Weight License, una licenza MIT modificata che consente uso gratuito, messa a punto e creazione di prodotti commerciali.
L'unica eccezione riguarda chi vuole vendere il modello come servizio ospitato: in quel caso serve una licenza commerciale separata. Tutti gli altri possono usarlo tramite l'API di Mistral a 0,70 dollari per milione di token in ingresso e 2,10 dollari per milione in uscita, oppure attraverso OpenRouter e Microsoft Foundry. Il modello offre tre modalità di ragionamento — bassa, media e alta — e nasce da una preview del 6 ottobre, poi rafforzata per tre settimane con apprendimento per rinforzo e il riscontro dei clienti.
Sui parametri attivi le fonti divergono: Euronews riporta circa 52 miliardi «per ogni attività» (secondo Mistral), mentre Martin Cid Magazine indica 49 miliardi «per ogni parola generata»: le fonti usano criteri diversi, quindi le cifre non sono direttamente confrontabili.
Terminal-Bench 4.0: dal 28% al 41% in tre settimane
Su Terminal-Bench 4.0, il benchmark che misura la capacità di un agente di completare compiti di programmazione da riga di comando, ML4 è passato dal 28% della preview al 41% della versione definitiva: tredici punti in più, pari a un balzo del 46,4% sul valore di partenza (13 diviso 28). È il miglior risultato tra i modelli aperti secondo Mistral.
Il 41% basta a superare di un punto GLM-5.3 di Opencode, ma non a dominare l'indice composito di Artificial Analysis, che somma tre benchmark: lì Le Chonk segna 48 contro i 49 di GLM-5.3, un distacco di un punto, cioè circa il 2%. Codex GPT-6.1 Terra è a quota 48, quindi a pari merito.
Il vantaggio su cui Mistral insiste è un altro: sull'Artificial Analysis Coding Agent Index ML4 usa in media il 47% di token in meno per attività rispetto a GLM-5.3. A parità di lavoro, se GLM-5.3 consuma 100 token Le Chonk ne consuma 53: un rapporto di poco superiore a 1,8 a uno.
Nelle valutazioni comparative alla cieca condotte da Surge, i giudici hanno preferito il codice di Le Chonk a quello di GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash, mettendo davanti solo Claude Opus 5.5 di Anthropic. Il quadro non è però consolidato: nell'indice generale di intelligenza di Artificial Analysis, Hugging Face colloca ML4 al quinto posto tra i modelli aperti, non al primo, e le verifiche indipendenti sono appena cominciate.
Cyber-difesa: l'82% sulle vulnerabilità e il rischio dual-use
Sul fronte della sicurezza difensiva, Hugging Face riporta un punteggio dell'82% in un test di Artificial Analysis che chiede al modello di riprodurre una vulnerabilità reale presente in software open source e poi correggerla. Mistral sostiene che diversi modelli frontier proprietari si fermano vicino allo zero su questa prova, perché rifiutano di tentare.
Nel benchmark CyberGym, che misura la capacità di trovare falle di memoria in progetti C/C++ open source, riprodurle con input proof-of-concept e correggerle senza rompere i test, Le Chonk si colloca appena sopra DeepSeek V4.1 Flash. Il cofondatore Guillaume Lample ha spiegato così il senso dell'operazione: «The cyber defense capabilities will enable enterprises and governments to defend themselves against threat actors that are jailbreaking closed models to perform cyberattacks».
«L'IA sarà come l'elettricità. Non si vuole vivere in un mondo in cui il vicino può toglierti la corrente da un giorno all'altro», ha detto ai giornalisti Pierre Stock, vicepresidente Science di Mistral. Il rovescio è strutturale, non aggirabile: «È chiaramente una tecnologia a doppio uso», ha dichiarato a Wired Rafe Pilling, senior director of threat intelligence di Sophos. Lo stesso Mistral ha scritto di aver rilevato durante la preview un «potenziale aumento della capacità di condurre attacchi reali».
Dal Mac da 22.299 dollari alle 4.000 GPU
Scaricare i pesi non significa poterli far girare. Anche le versioni compresse a 2 bit realizzate dal team di llama.cpp e da Unsloth richiedono una macchina Apple Silicon Ultra con 512 GB di memoria unificata: l'unico Mac in quella configurazione è un Mac Studio con chip M5 Ultra, che negli Stati Uniti costa 22.299 dollari.
Le prestazioni in locale sono un compromesso. Hugging Face ha eseguito la variante a 2 bit su un Mac Studio M3 Ultra di generazione precedente ottenendo circa 15 token al secondo; con quattro schede Nvidia RTX 6000 Pro e documenti molto estesi la velocità è scesa a circa 3 token al secondo. Facendo i conti sui 15 token al secondo, un task da 100.000 token richiede circa 6.667 secondi, cioè un'ora e 51 minuti.
Sull'addestramento le fonti non concordano. ZDNet riporta 4.000 GPU Nvidia Grace Blackwell per due mesi nei data center europei di Mistral; Euronews parla di 3.800 GPU. La forbice è di 200 unità, il 5% del dato più alto (200 su 4.000). Per dare la misura: Jensen Huang ha scritto su X che OpenAI ha addestrato GPT-6 Astra su circa 100.000 GPU, quindi le 4.000 di Mistral valgono il 4% di quel numero.
Cosa cambia in pratica. Per una banca o un ente pubblico la differenza non sta nei punti dei benchmark, ma nel fatto che il modello gira su server propri, con codice e registri di crash che non escono dall'infrastruttura. È lo scenario che a giugno 2026 ha visto l'amministrazione Trump ordinare ad Anthropic di sospendere l'accesso ai modelli Fable 5 e Mythos 5 per i cittadini stranieri, con restrizioni revocate poi solo per Fable 5. Il prezzo di questa indipendenza sta tutto nell'hardware: 512 GB di memoria unificata o più schede di fascia alta, e velocità che su una macchina singola restano nell'ordine dei 15 token al secondo.
Arthur Mensch, CEO e cofondatore, rivendica la scelta: «L'open source è essenziale per garantire che l'IA all'avanguardia non finisca concentrata nelle mani di pochi soggetti». La vera prova per Le Chonk non sarà il 41% su Terminal-Bench, ma quante organizzazioni accetteranno di pagare il conto dell'hardware pur di non dipendere da un'API che qualcun altro può spegnere.
Fonti
