Mistral Large 4: 1 trilione di parametri, API subito e pesi aperti il 27 ottobre

Mistral ha presentato Mistral Large 4, un modello da un trilione di parametri totali con architettura Mixture-of-Experts, accessibile da oggi in anteprima via API. I pesi aperti arriveranno il 27 ottobre. È la mossa più ambiziosa dell’azienda francese da quando ha ripreso a pubblicare modelli open-weight, e arriva in un momento in cui la leadership cinese nei modelli aperti, da DeepSeek a Qwen, è al centro del dibattito.

Se ti occupi di AI per lavoro, questa uscita merita attenzione per tre ragioni: la scala del modello, la scelta di addestrarlo interamente in Europa e il posizionamento dichiarato da Mistral rispetto ai concorrenti. Vediamo i fatti, uno alla volta.

Cosa è stato annunciato: numeri e disponibilità

Mistral Large 4, soprannominato “Le Chonk” dalla stampa di settore, conta 1 trilione di parametri totali, di cui circa 49 miliardi attivi per ogni token elaborato. È un modello nativamente multimodale, quindi gestisce testo e immagini, e secondo le prime cronache supporta oltre 160 lingue, tra cui tutte le lingue ufficiali dell’Unione Europea e il coreano.

L’accesso via API è partito il 6 ottobre 2026, mentre il rilascio dei pesi è fissato per il 27 ottobre. La licenza non è stata ancora indicata nei dettagli: i precedenti di Mistral oscillano tra l’Apache 2.0 e licenze di tipo MIT modificate, quindi conviene attendere il comunicato ufficiale prima di pianificare un uso commerciale.

Il confronto con la generazione precedente rende l’idea del salto. Mistral Large 3, uscito a dicembre 2025, si fermava a 675 miliardi di parametri totali e 41 miliardi attivi. Large 4 cresce quindi di circa il 50% nel totale, mentre i parametri attivi aumentano in modo molto più contenuto.

Perché i parametri attivi contano più del totale

In un’architettura Mixture-of-Experts il modello è composto da molti “esperti” specializzati e per ogni token ne vengono attivati soltanto alcuni. Il costo di calcolo per ogni risposta dipende dai parametri attivi, non da quelli totali. Per questo un modello da 1 trilione con 49 miliardi attivi può risultare molto più economico da servire di quanto suggerisca la cifra complessiva. Se vuoi approfondire il meccanismo, abbiamo spiegato come funziona il Mixture-of-Experts in una guida dedicata.

Il rovescio della medaglia è la memoria: tutti i pesi devono comunque essere caricati. Far girare Large 4 in locale richiede risorse importanti, e la maggior parte degli sviluppatori userà almeno all’inizio l’API.

Addestrato in Europa su 4.000 GPU Blackwell

Il dettaglio industriale più interessante riguarda l’addestramento. Secondo quanto riportato, Mistral ha usato circa 4.000 GPU Nvidia Grace Blackwell nei propri data center europei, con un assorbimento di circa 10 megawatt e circa due mesi di training da zero. Il reinforcement learning, la fase che affina il comportamento del modello, era ancora in corso al momento dell’annuncio.

Per un’azienda che negli ultimi mesi ha costruito la propria identità attorno alla sovranità tecnologica, il messaggio è chiaro: un modello di frontiera può essere sviluppato e distribuito interamente nel perimetro europeo. È lo stesso filone che avevamo raccontato parlando di sovranità AI europea, endpoint regionali e modelli aperti, e che si intreccia con la crescente domanda di aziende e pubbliche amministrazioni di tenere i dati sotto giurisdizione europea.

Il contesto finanziario aiuta a capire la scala. L’uscita segue un round da 2 miliardi di dollari guidato da ASML, che ha dato a Mistral la liquidità necessaria per sostenere calcolo e talenti a questo livello.

Benchmark e casi d’uso dichiarati

I risultati diffusi sono preliminari e vanno letti con prudenza, perché provengono dall’azienda stessa e il modello non è ancora completo. Tra i numeri citati ci sono il 62% su DeepSWE, un test di ingegneria del software, il 67% su FinWorkBench per i compiti finanziari, il 15% su Harvey’s Legal Agent per l’ambito legale e punteggi di 73% e 42% rispettivamente su DIOR-RSVG e Dense200, due prove di visual grounding.

Il dato sul legale, molto più basso degli altri, ricorda che nessun modello eccelle ovunque. Mistral punta invece su cybersicurezza, manifattura e finanza, con capacità come la conversione di disegni tecnici in modelli CAD e l’analisi di contenuti legati ai semiconduttori.

Le finestre di contesto e i prezzi non sono stati riportati nelle fonti che abbiamo consultato. Sono informazioni decisive per valutare il costo reale in produzione, quindi vale la pena controllare la documentazione ufficiale nei prossimi giorni.

Un posizionamento volutamente circoscritto

Mistral definisce Large 4 il modello open-weight più forte proveniente da Stati Uniti o Europa sui benchmark aggregati. La formula esclude in modo esplicito i leader cinesi come DeepSeek e Qwen. È una scelta di comunicazione onesta nella forma, perché non pretende di battere tutti, ma anche rivelatrice: oggi il vero confronto sui pesi aperti si gioca con la Cina.

Lo si vede anche dalle altre uscite recenti. Pochi giorni fa abbiamo raccontato il debutto di Reflection AI, che sfida DeepSeek e Qwen con il suo primo modello a pesi aperti, mentre sul fronte europeo avevamo già seguito Quasar 438B di Multiverse Computing. Il mercato dei modelli aperti occidentali si sta riempiendo in fretta.

Cosa cambia per aziende e sviluppatori

La conseguenza pratica più immediata riguarda la scelta del fornitore. Fino a ieri chi voleva un modello aperto di fascia alta e non voleva dipendere da laboratori cinesi aveva poche alternative. Con Large 4 arriva un candidato serio, almeno sulla carta.

Per le aziende europee soggette a vincoli di compliance, la combinazione di pesi scaricabili, infrastruttura europea e licenza ancora da chiarire apre scenari concreti. Potrai ospitare il modello nel tuo ambiente, ottimizzarlo con i tuoi dati e tenere sotto controllo dove viaggiano le informazioni. Se invece lavori su prototipi e automazioni, l’API in anteprima ti permette di testare subito la qualità prima di decidere.

Due cautele restano. La prima: i benchmark pubblicati sono preliminari e il training con reinforcement learning non era concluso. La seconda: un trilione di parametri richiede hardware che pochi hanno in casa, quindi il vantaggio dell’apertura sarà reale soprattutto per chi ha infrastruttura GPU adeguata o si affida a provider terzi.

Il confronto con l’ecosistema open-weight

La corsa ai modelli aperti sempre più grandi segue una logica chiara. I laboratori cinesi hanno mostrato che pesi aperti e prestazioni elevate possono convivere, e hanno guadagnato adozione tra gli sviluppatori. Anche l’ecosistema americano ed europeo risponde ora con architetture sparse di grandi dimensioni, dove la scala totale cresce ma il costo per token resta gestibile. Abbiamo visto lo stesso schema nel nostro articolo su GLM 5.2 di Z.ai e i modelli cinesi open-weight per il coding.

Per Mistral, inoltre, la posta in gioco è anche commerciale. Un modello aperto di punta attira sviluppatori, e gli sviluppatori portano poi i clienti verso la piattaforma cloud e i servizi a pagamento dell’azienda.

Cosa osservare nelle prossime settimane

La data da segnare è il 27 ottobre, quando i pesi dovrebbero diventare scaricabili. Solo allora la comunità potrà verificare in modo indipendente i benchmark, misurare i requisiti reali di memoria e capire quale licenza regola l’uso commerciale.

Nel frattempo ti conviene tenere d’occhio tre elementi: la licenza definitiva, i prezzi dell’API e i test di terze parti sulle capacità di coding e di ragionamento. Saranno questi dati, più delle cifre di lancio, a dire se Large 4 è davvero la risposta europea che molti aspettano o soltanto un ottimo comunicato.

Conclusioni

Mistral Large 4 conferma che l’Europa può competere nella fascia alta dei modelli aperti, con un addestramento locale e una scala finalmente confrontabile con i grandi laboratori. Restano da chiarire licenza, prezzi e contesto, ma la direzione è netta.

Vuoi restare aggiornato sui modelli open-weight e sulle novità dei laboratori europei? Segui le nostre news e consulta la pagina ufficiale delle novità di Mistral per i dettagli tecnici man mano che vengono pubblicati.