Mistral AI ha presentato Large 4, il suo nuovo modello di intelligenza artificiale, rendendolo disponibile in anteprima pubblica su Mistral Studio. Il sistema, sviluppato in Francia, punta a competere con i modelli di OpenAI, Anthropic e Google grazie a un’architettura da oltre mille miliardi di parametri e a una finestra di contesto da un milione di token.
La società parigina ha inoltre annunciato la futura pubblicazione dei pesi del modello, attesa per la fine di ottobre. Il grado effettivo di apertura dipenderà però dalla licenza, non ancora disponibile. Il lancio segna il ritorno sulla scena internazionale di Mistral AI dopo mesi di relativa assenza dal confronto pubblico tra i principali laboratori di AI statunitensi, europei e cinesi.
Large 4, il modello da 1.050 miliardi di parametri
Large 4 utilizza un’architettura Mixture-of-Experts, che attiva soltanto una parte della rete per ogni token elaborato. Il modello dispone di 1.050 miliardi di parametri complessivi, mentre quelli attivi durante l’elaborazione sono 49 miliardi. Questa configurazione punta a combinare capacità elevate e costi operativi più contenuti rispetto a una rete interamente attiva.
Il sistema accetta input testuali e immagini, supporta oltre 160 lingue e include tutti gli idiomi ufficiali dell’Unione Europea. La finestra di contesto raggiunge un milione di token, una caratteristica pensata per lavorare su documenti molto estesi, grandi basi di codice e flussi informativi complessi.
Guillaume Lample, cofondatore e direttore scientifico di Mistral AI, ha descritto il nuovo modello con una dichiarazione netta:
“[MistraL large 4] è alla frontiera dei modelli open ed è di gran lunga il modello a pesi aperti più potente sviluppato negli Stati Uniti o in Europa”.
Il riferimento ai modelli “open” resta tuttavia da precisare. Mistral ha indicato la distribuzione dei pesi aperti intorno al 20 ottobre, ma la licenza stabilirà quali utilizzi saranno consentiti e quanto Large 4 potrà essere considerato realmente aperto rispetto a un modello proprietario.
Il supercomputer francese e i costi di utilizzo
L’addestramento è avvenuto da zero nel cluster di data center di Bruyères-le-Châtel, a circa 30 chilometri da Parigi. Mistral AI ha utilizzato 3.800 GPU NVIDIA Grace Blackwell, installate in una struttura realizzata anche grazie ai 600 milioni di euro raccolti dalla società con il round di finanziamento Serie B del 2024.
Gli stessi data center ospitano ora l’anteprima di Large 4. Il prezzo di listino è fissato a 1,36 dollari per ogni milione di token in ingresso e 4,18 dollari per milione di token in uscita. Per le prime due settimane è previsto uno sconto del 50%, con tariffe rispettivamente di 0,68 e 2,09 dollari.
Il modello è ancora in fase di ottimizzazione. L’addestramento con reinforcement learning prosegue e, secondo Mistral, la preview genera quotidianamente circa 33 miliardi di token. L’azienda afferma di non aver ancora osservato segnali di saturazione nel processo di miglioramento.
Cybersicurezza al centro della strategia di Mistral
A differenza di altri lanci recenti, Mistral AI ha associato Large 4 soprattutto alla cybersicurezza, più che al coding. Nel Cyber Index di Artificial Analysis il modello rientra tra i primi cinque, mentre nei test specifici ha ottenuto l’82% su CyberGym e il 93% su Cybench, una raccolta di 40 esercizi tratti da competizioni di sicurezza informatica.
Mistral ha messo a confronto questi risultati con quelli di Claude Opus 5.5 e GPT-6 Astra, che nei test CyberGym avrebbero totalizzato punteggi vicini allo zero per la tendenza a rifiutare determinate richieste. Nell’indice complessivo, però, i due modelli raggiungono rispettivamente 25 e 33 punti, contro i 50 di Large 4.
Il dato va letto considerando la natura dei benchmark: un sistema che applica filtri più restrittivi può ottenere risultati inferiori in prove operative sulla sicurezza, senza che questo descriva necessariamente tutte le sue capacità tecniche.
Il confronto con Claude, GPT e Gemini nei benchmark
Nel coding, una valutazione umana in cieco realizzata da Surge AI ha assegnato a Large 4 un punteggio di 3,74 su 5. Il modello di Mistral si è classificato secondo, dietro Claude Opus 5, che ha ottenuto 4,22.
Il risultato non è però uniforme in tutti gli ambiti. Su ChartQA Pro, GPT-6 Astra ha superato Large 4 con 65,1 punti contro 63,1. Nel test scientifico SciCode, Mistral considera il proprio sistema ai vertici tra i modelli open, ma davanti a Large 4 risultano GLM-5.3 e Qwen3.8.
I numeri citati provengono dalle valutazioni diffuse dalla stessa Mistral AI e non rappresentano da soli l’esperienza d’uso quotidiana. Le prestazioni effettive possono dipendere dal tipo di prompt, dalla gestione dei rifiuti, dalla latenza e dall’integrazione nei servizi, elementi che i benchmark non sempre riescono a misurare.
Aggiungi MRW alle tue fonti preferite su Google!
