Il checkpoint Le Chonk di Mistral, con 1.000 miliardi di parametri, arriva su Hugging Face

Il 29 ottobre 2026 Mistral AI ha rilasciato i pesi di Mistral Large 4, il suo modello multimodale nativo di punta da 1.000 miliardi di parametri, noto come Le Chonk, rendendo il checkpoint scaricabile da Hugging Face per l’hosting autonomo e disponibile tramite la sua API e le piattaforme dei partner con una licenza open-weight MIT modificata.

Il rilascio segue l’anteprima pubblica del modello, avvenuta il 6 ottobre 2026, quando Mistral presentò per la prima volta il sistema mixture-of-experts da 1.050 miliardi di parametri. Nel suo annuncio, Mistral ha dichiarato di aver applicato i riscontri ricevuti durante l’anteprima, continuando al contempo a potenziare l’apprendimento per rinforzo, e di aver ottenuto quelli che ha descritto come importanti progressi nella programmazione, nella cybersicurezza difensiva e nell’efficienza del ragionamento. L’azienda ha definito Mistral Large 4 il miglior modello open-weight per la programmazione e ha affermato che i progressi continuano ad accelerare, senza segni di saturazione.

Licenza, prezzi e disponibilità

I pesi sono pubblicati su Hugging Face con la Mistral Ecosystem Open-Weight License, una versione modificata della licenza MIT. In base ai suoi termini, il modello può essere utilizzato, modificato, perfezionato e commercializzato gratuitamente, a una condizione: le aziende che offrono un modello come servizio (Model-as-a-Service) devono ottenere da Mistral una licenza commerciale separata prima di utilizzarlo a fini commerciali.

Secondo la documentazione del modello di Mistral, l’accesso all’API costa 0,70 $ per milione di token di input, 0,07 $ per milione di token di input memorizzati nella cache e 2,10 $ per milione di token di output. Il modello è disponibile come mistral-large-4 tramite Mistral API e Mistral Studio, oltre che tramite OpenRouter, l’assistente di programmazione Vibe Code di Mistral, gli endpoint ospitati da NVIDIA con un container NVIDIA NIM ottimizzato e Microsoft Foundry. Mistral ha dichiarato che tramite Foundry sono disponibili opzioni di distribuzione privata per gli sviluppatori Azure; Tina Schuchman, vicepresidente aziendale di Foundry in Microsoft, ha affermato che Microsoft è il primo provider cloud a offrire Mistral Large 4 ai clienti.

Benchmark di programmazione e modalità di ragionamento

Mistral ha dichiarato che Mistral Large 4 è in testa al benchmark privato FrontierCode 2.0 di Cognition, che valuta la qualità del codice da un capo all’altro e la probabilità che il responsabile di un repository accetti le modifiche apportate da un agente, con un punteggio del 19,7%, superiore a quello dei modelli open-weight elencati, tra cui GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash.

Nell’Artificial Analysis Coding Agent Index, Mistral ha riportato un punteggio del 48%, descrivendo il risultato come sostanzialmente alla pari con il principale modello open-weight, GLM-5.3, pur utilizzando in media il 47% di token in meno per attività. Su Terminal-Bench 4.0, l’azienda ha segnalato un miglioramento di 13 punti percentuali rispetto all’anteprima pubblica, raggiungendo il 41% e conquistando il primo posto tra i modelli open-weight, con una riduzione del 30% dei token di output. Nelle valutazioni alla cieca di preferenza umana a coppie di Surge Code citate da Mistral, il modello è stato preferito a GLM-5.3, Kimi K3 e DeepSeek V4.1 Flash, classificandosi dietro soltanto a Claude Opus 5.5 tra i modelli valutati.

Il modello supporta tre modalità di ragionamento: bassa, media e alta, con quella alta impostata come predefinita. Mistral ha dichiarato che la modalità bassa sostituisce la precedente modalità di ragionamento «None» ed è adatta alle attività semplici, mentre quella media è pensata per l’uso quotidiano e quella alta per i casi più difficili, che richiedono un ragionamento approfondito, consentendo agli sviluppatori di bilanciare prestazioni e costi.

Risultati in cybersicurezza e modifiche alle misure di sicurezza

Mistral ha riportato un punteggio del 51% nell’Artificial Analysis Cyber Index, che misura la capacità di un modello di individuare vulnerabilità in una base di codice, riprodurle e convalidarle e correggerle senza compromettere le funzionalità esistenti. L’azienda ha dichiarato che il modello gestisce legittime attività di sicurezza difensiva senza rifiuti ingiustificati e che le misure di sicurezza integrate distinguono tra attività difensive e attività offensive dannose. Mistral ha riferito un tasso medio di rifiuto del 96,6% per le richieste informatiche dannose nei prompt relativi alla cybersicurezza di JailbreakBench, StrongREJECT e AgentHarm, descrivendolo come il più alto tra i modelli aperti secondo le proprie misurazioni.

Nell’annuncio, l’azienda ha anche rivelato di aver monitorato gli utilizzi legati alla cybersicurezza nel traffico del modello in produzione dopo l’anteprima. Mistral ha dichiarato di aver osservato che il modello rifiutava di collaborare ad attacchi black-box contro obiettivi reali, ma di aver rilevato un potenziale miglioramento della capacità di condurre attacchi reali e di stare modificando di conseguenza le misure di sicurezza, con ulteriori aggiornamenti previsti nei prossimi mesi. Partner aziendali coinvolti nella progettazione, come Orange Cyberdefense, stanno ottenendo l’accesso in anteprima a una variante specializzata di Mistral Large 4, ottimizzata per i test di penetrazione, la valutazione delle vulnerabilità e le attività di red teaming, previa verifica e nel rispetto di tutele contrattuali che limitano i test ai sistemi di proprietà o esplicitamente autorizzati, in ambienti controllati.

L’annuncio comprendeva dichiarazioni di dirigenti di Booz Allen Hamilton, Cisco, Cloudflare, CrowdStrike, Elastic, ENISA, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik e Zscaler. Brad Medairy, presidente della divisione di cybersicurezza nazionale di Booz Allen Hamilton, ha affermato che i test hanno dimostrato come il modello raggiunga tassi di richiamo nel rilevamento delle vulnerabilità pari a quelli di altri modelli di punta per la cybersicurezza, secondo il benchmark interno dell’azienda per l’analisi della sicurezza del codice sorgente.

Architettura e addestramento

Secondo la scheda del modello, Mistral Large 4 è un modello granulare a miscela di esperti con circa 1.000 miliardi di parametri totali e circa 52 miliardi di parametri attivi per token (49 miliardi escludendo gli embedding e i livelli di output), con 128 esperti instradati, di cui quattro attivi per token, oltre a un esperto condiviso. Supporta una finestra di contesto da 1 milione di token e accetta input testuali e immagini, producendo output testuali tramite un encoder visivo da 1,6 miliardi di parametri, di tipo Pixtral, addestrato per gestire immagini di dimensioni e proporzioni variabili. Mistral afferma che il modello è stato addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei propri data center in Europa e che è nativamente fluente in oltre 160 lingue, comprese tutte le lingue ufficiali dell’Unione europea.

Il checkpoint include una testa integrata DSpark per la generazione di bozze nella decodifica speculativa, che propone blocchi di tre token e che, secondo le misurazioni di Mistral, offre una capacità di elaborazione fino a 1,9 volte superiore rispetto all’esecuzione del solo modello target; è disponibile anche un checkpoint quantizzato NVFP4 destinato alle GPU Blackwell. Nell’Artificial Analysis Intelligence Index v5, la scheda del modello riporta un punteggio di 26, descritto come il più alto tra i modelli occidentali a pesi aperti, pur precisando che i principali modelli cinesi a pesi aperti ottengono punteggi più elevati nell’indice complessivo. Mistral ha inoltre riferito che il punteggio di Finch (FinWorkBench) è salito al 73,3%, il secondo tra i modelli aperti dopo Kimi K3; che BrowseComp ha raggiunto l’84,5%, partendo da un checkpoint di fine-tuning supervisionato che aveva ottenuto il 75%; e che la resistenza agli attacchi ha raggiunto il 97,1% nel B3 Agent Security Benchmark, rispetto al 93,3% della versione di anteprima.

Mistral ha dichiarato che Mistral Large 4 fungerà da base per una nuova generazione di modelli Mistral specializzati e ottimizzati, citando tra le uscite recenti Voxtral e Timestral.