Mistral AI, la startup francese che da tre anni rappresenta la principale alternativa europea ai colossi statunitensi e cinesi dell'intelligenza artificiale, ha presentato il 6 ottobre 2026 il suo modello più ambizioso: Mistral Large 4, soprannominato internamente "Le Chonk". Si tratta di un modello da oltre un trilione di parametri, addestrato interamente su infrastrutture europee, che l'azienda presenta come il modello open-weight più avanzato sviluppato fuori dalla Cina. La particolarità non è solo la scala, ma la strategia: Mistral punta esplicitamente su cybersecurity, difesa e settori regolamentati, scommettendo sul fatto che imprese e governi europei vogliano un'alternativa ai modelli chiusi di OpenAI, Anthropic e Google, ma anche a quelli apribili sviluppati in Cina.
Un trilione di parametri addestrato nei data center europei
Mistral Large 4 è un modello sparso a mescolanza di esperti (Mixture-of-Experts) descritto dall'azienda come "granulare": su 1,05 trilioni di parametri totali, solo circa 49 miliardi (poco meno del 5%) vengono attivati a ogni inferenza, un meccanismo che consente di avvicinarsi alle prestazioni di un modello enorme contenendo i costi di calcolo. A questi si aggiunge un encoder visivo da 1,6 miliardi di parametri: il modello accetta testo e immagini in ingresso, ma produce solo output testuale. Rispetto al predecessore Mistral Large 3 (675 miliardi di parametri totali, 41 miliardi attivi, addestrato su 3.000 GPU Nvidia H200), il salto è netto: Large 4 è stato addestrato da zero in circa due mesi su 4.000 GPU Nvidia Grace Blackwell, interamente nei data center europei dell'azienda. La finestra di contesto passa da 256.000 a 1 milione di token, e il modello supporta oltre 160 lingue, incluse tutte le lingue ufficiali dell'Unione Europea, sia in alfabeti latini che non latini.
Benchmark dichiarati e confronto con i modelli cinesi
Secondo i dati diffusi da Mistral, Large 4 ottiene un punteggio del 62% sul benchmark di coding agentico DeepSWE v1.1, contro il 44% di Beam (il modello open-weight appena lanciato dalla startup statunitense Reflection), il 51% di Qwen 3.8 Max, il 57% di DeepSeek V4 Pro e il 61% di GLM-5.3. Sul Harvey Legal Agent Benchmark, pensato per compiti legali, Large 4 segna il 15%, davanti a Kimi K3 (12,92%) e GLM-5.3 (8,33%) secondo i dati di Vals.ai. Il modello rivendica inoltre 67% su Finch (a pari merito con DeepSeek V4 Pro) e risultati di visual grounding del 42% su Dense200 e 73% su DIOR-RSVG, un campo in cui Mistral sostiene di superare anche i modelli proprietari più avanzati. Va detto che questi numeri sono forniti dall'azienda stessa e non ancora verificati da classifiche indipendenti: secondo la classifica pubblica di DeepSWE, modelli come GLM-5.3 e Kimi K3 risultano già intorno al 69%, mentre GPT-6 Astra, Gemini 3.8 Flash e Claude Opus 5 si attestano attorno al 74%, un dato che colloca Le Chonk tra i migliori modelli open-weight occidentali ma non ancora al vertice assoluto del settore. Pierre Stock, vicepresidente della ricerca di Mistral, ha dichiarato che il modello è "fondamentalmente più forte dei modelli cinesi di quest'estate", mentre il cofondatore e direttore scientifico Guillaume Lample ha sottolineato che "le capacità di difesa informatica permetteranno a imprese e governi di proteggersi da attori malevoli".
Cybersecurity, finanza e manifattura: a chi si rivolge
A differenza di molti modelli generalisti, Mistral posiziona Large 4 su casi d'uso specifici: sicurezza informatica e difesa, sviluppo software, analisi finanziaria, manifattura, lettura di immagini satellitari e aeree, disegni tecnici e progettazione di semiconduttori. L'argomento centrale dell'azienda è che un modello a pesi aperti dia ai team di sicurezza un controllo che i provider chiusi non offrono, perché i sistemi di moderazione di questi ultimi possono rifiutare richieste legittime ma dal profilo "dual-use", tipiche di chi lavora su analisi di vulnerabilità o simulazioni di attacco. Le aziende possono inoltre eseguire e personalizzare il modello su infrastrutture sovrane, con opzioni di zero-data-retention per chi non vuole che i propri dati lascino i sistemi aziendali. Mistral dichiara di servire oltre 125 imprese, tra cui Airbus, ASML e HSBC.
Tempistiche, prezzi e licenza ancora da confermare
Il modello è disponibile da subito in anteprima pubblica tramite l'API di Mistral su Mistral Studio, con un prezzo promozionale di 0,68 dollari per milione di token in input (0,07 dollari per i token in cache) e 2,09 dollari per milione di token in output, rispetto ai listini pieni di 1,36, 0,14 e 4,18 dollari e ai 0,50/1,50 dollari di Large 3. L'addestramento con rinforzo (reinforcement learning) è ancora in corso, quindi il checkpoint finale potrebbe differire da quello in anteprima. I pesi del modello saranno pubblicati il 27 ottobre 2026, dopo circa tre settimane di test sul campo con sviluppatori, team di cybersecurity e autorità statali. La licenza con cui verranno distribuiti i pesi non è stata ancora confermata: Large 3 era rilasciato con licenza Apache 2.0, ma al momento non c'è garanzia che Large 4 segua lo stesso schema.
Il contesto: la corsa europea ai modelli aperti
L'annuncio arriva un mese dopo che Mistral ha chiuso un round di finanziamento Serie D da circa 3 miliardi di euro (stimato in 3,4 miliardi di dollari da altre fonti), con una valutazione superiore ai 21 miliardi di euro (circa 24 miliardi di dollari secondo Reuters): la raccolta di capitali più grande mai realizzata da una tech company europea. Fondata nel 2023 da Arthur Mensch, Guillaume Lample e Timothée Lacroix, Mistral è passata da un team scientifico di tre persone a circa 300 ricercatori. Il lancio di Large 4 si inserisce in una fase di forte competizione sui modelli open-weight: un giorno prima, la startup statunitense Reflection ha rilasciato il proprio modello aperto Beam, con pesi previsti entro fine mese, mentre i laboratori cinesi (DeepSeek, GLM, Kimi, Qwen) restano, secondo diverse testate di settore, quelli che negli ultimi mesi hanno fissato il ritmo dell'innovazione open-weight, a fronte di OpenAI e Anthropic che mantengono chiusi i propri modelli più avanzati.
Perché interessa ad aziende e professionisti
Per chi sviluppa software, gestisce infrastrutture IT o valuta l'adozione di intelligenza artificiale in azienda, Le Chonk rappresenta un banco di prova concreto per capire se un modello europeo a pesi aperti può competere con le alternative statunitensi e cinesi senza rinunciare al controllo su dove e come i dati vengono elaborati. La finestra di contesto da un milione di token e il focus su coding, cybersecurity e analisi documentale lo rendono potenzialmente interessante per team di sviluppo e sicurezza che necessitano di eseguire modelli on-premise o su cloud europei, un requisito sempre più frequente in settori come finanza, difesa e pubblica amministrazione. Resta da vedere, una volta pubblicati i pesi il 27 ottobre, quanto le prestazioni reali confermeranno i benchmark diffusi dall'azienda.
Il commento di PINET
Per le imprese e le pubbliche amministrazioni italiane ed europee, un modello open-weight addestrato su infrastrutture europee risponde a un'esigenza concreta: poter elaborare dati sensibili senza dipendere necessariamente da provider extra-UE, un tema che il dibattito sulla sovranità digitale e il regolamento europeo sull'intelligenza artificiale (AI Act) hanno reso sempre più centrale negli ultimi due anni. Tra l'annuncio e un'adozione reale nelle aziende italiane restano tuttavia ostacoli pratici non banali: i benchmark finora diffusi sono forniti dalla stessa Mistral e non confermati da classifiche indipendenti, la licenza definitiva dei pesi non è nota, e un modello da oltre un trilione di parametri richiede infrastrutture di calcolo che la maggior parte delle PMI e degli enti pubblici italiani non possiede, rendendo quasi obbligato il passaggio attraverso cloud provider o data center terzi. Anche il confronto con i modelli open-weight cinesi, che secondo le fonti di settore hanno fissato il ritmo dell'innovazione negli ultimi mesi, potrà essere verificato solo quando i pesi di Le Chonk saranno pubblicamente testabili. Nel complesso si tratta di un passo utile a rafforzare l'autonomia tecnologica europea nell'IA, ma la sua reale rilevanza per il mercato italiano si misurerà soprattutto a fine ottobre, con la pubblicazione dei pesi e le prime valutazioni indipendenti.
Fonte: VentureBeat e Tech.eu
