Il 6 ottobre 2026 Mistral ha aperto la preview pubblica di Mistral Large 4, soprannominato Le Chonk. È un Mixture-of-Experts ibrido instruct-and-reasoning, nativamente multimodale, con 1,05 trilioni di parametri totali, 49 miliardi attivi e un encoder vision da 1,6 miliardi. La scheda è nelle docs ufficiali; l’annuncio è sul blog.
Non è ancora un rilascio di pesi. L’API preview è su Mistral Studio. I pesi sono promessi a fine ottobre: la pagina francese indica il 26, Reuters il 27. Fino ad allora i numeri restano di laboratorio, e il post-training è ancora in corso.
Architettura, contesto e prezzo
Le Chonk unisce istruzione, ragionamento e uso di tool in un solo checkpoint. Il contesto in docs e su OpenRouter è di 1 milione di token, con output fino a 256K. È fluente in oltre 160 lingue, incluse tutte le lingue ufficiali dell’Unione europea. Il listino Mistral, in promo sulle prime due settimane anche su OpenRouter, è di 0,68 dollari in input, 0,07 in cache e 2,09 in output per milione di token. Il dettaglio è sulla pagina pricing.
È stato addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei datacenter europei di Mistral. La preview gira sulla stessa infrastruttura. VentureBeat parla di circa 4.000 GPU, due mesi e circa 10 MW: il numero ufficiale del blog resta 3.800. Lo stack di training, customization e RL è lo stesso offerto ai clienti con Mistral Forge.
Coding agentico, non il vertice assoluto
Sul coding lungo i numeri del blog sono:
- DeepSWE v1.1: 61,7%
- SWE-Atlas-QnA: 59,4%
- Terminal-Bench 4: 28,3%
- Coding Agent Index combinato: 49,8%, davanti a DeepSeek V4 Pro 0813 e Qwen3.8 Max nel confronto pubblicato da Mistral
Una valutazione cieca con Surge AI, scala 1-5, lo mette secondo su cinque a 3,74, dietro Claude Opus 5 (4,22) e davanti a GLM-5.3 (3,60), Kimi K3 (3,59) e GLM-5.2 (3,40).
Il margine sugli open cinesi è sottile, e i confronti storici di DeepSWE non sono sempre la stessa harness. Mistral segnala che parte degli score di coding è stata misurata in privato da Artificial Analysis prima del lancio pubblico della harness.
Cyber: il benchmark dove il rifiuto conta
Sul Cyber Index di Artificial Analysis, Mistral colloca Le Chonk nella top 5 globale e in testa agli open-weight sviluppati fuori dalla Cina. Sul task che chiede di riprodurre una vulnerabilità reale in software open source e poi patcharla segna 82%, il più alto tra i modelli confrontati. Su Cybench, 40 esercizi da competition, risolve il 93%.
Il blog nota che modelli closed come Claude Opus 5.5 e GPT-6 Astra stanno vicini allo zero sullo stesso test perché rifiutano il task. Per Mistral è il punto di prodotto: la difesa spesso parte dal dimostrare che il flaw esiste, e un filtro del provider può bloccare incident response. I pesi aperti e il deploy on-prem sono presentati come controllo, non solo come costo.
In test interni il modello è stato usato per analisi malware, priorità delle vulnerabilità e regole di detection. Partner selezionati e autorità hanno una preview privata con moderazione ridotta. Questo va letto insieme ai dati di safety: su Lakera B3 resiste al 93,3% degli attacchi, su KORA segna 1,691 (massimo 2), e il refusal rate medio su prompt cyber malevoli da JailbreakBench, StrongREJECT e AgentHarm è più alto degli altri open confrontati.
Grounding, finanza e lavoro da scrivania
Sul visual grounding il blog cita Dense 200 al 42% contro 41% di GPT-6 Astra. Fonti che riportano i grafici Mistral aggiungono DIOR-RSVG al 73% contro 68% di Astra: è visione su scene dense e immagini satellitari, non una vittoria generale di multimodalità.
Sugli agenti di knowledge work:
- AutomationBench, 657 workflow su Gmail, Sheets, Slack e Salesforce: 59,9%
- AA-Briefcase: 1.393 Elo, davanti a DeepSeek V4 Pro
- FinWorkBench (Finch), fogli finance e accounting: 67% nei grafici riportati, a pari con DeepSeek V4 Pro 0813
- Harvey Legal Agent, valutazione vals.ai: sopra tutti gli open nel claim ufficiale; le ricostruzioni dei grafici indicano circa 15%
Annotatori interni lo preferiscono a GLM-5.3 su CAD e STEM, e lo vedono vicino su finance e coding. Su SciCode-Verified Mistral lo dichiara stato dell’arte tra gli open-weight.
Cosa non è ancora verificabile
I pesi non sono pubblici. Licenza attesa custom Mistral, non Apache, secondo VentureBeat. Architettura fine e metodo di post-training arriveranno con il rilascio. Arthur Mensch, CEO, ha detto a Reuters che su alcuni aspetti, cyber inclusa, batte modelli cinesi. Guillaume Lample, chief scientist, ha detto a Wired che il lab punta ai domini dove gli altri investono meno.
Per chi deve scegliere oggi: l’API preview è usabile, il self-host no. Il valore dichiarato è un open-weight europeo competitivo su cyber, manufacturing, finance e grounding, eseguibile sotto policy propria quando i pesi usciranno.
Fonti
Testo: assistito da AI · revisionato da Carlos H. P. Ross
