Il 29 ottobre 2026 la francese Mistral AI ha pubblicato i pesi di Mistral Large 4, il modello che in azienda chiamano scherzosamente "Le Chonk". Dal 6 ottobre era disponibile solo come anteprima a pagamento via API; ora chiunque può scaricarlo da Hugging Face, farlo girare sulla propria infrastruttura e adattarlo. Per le aziende europee che si chiedono come usare un'AI potente senza dipendere interamente da pochi fornitori americani, è la notizia AI più rilevante della settimana.
Che cosa è stato rilasciato
Secondo Mistral e la scheda ufficiale del modello, Large 4 è un modello mixture-of-experts nativamente multimodale con circa 1.000 miliardi di parametri, di cui circa 49 miliardi attivi per ogni token (52 miliardi includendo embedding e layer di output). Unisce una modalità "instruct" e una di ragionamento con tre livelli di sforzo, supporta una finestra di contesto fino a 1 milione di token e gestisce oltre 160 lingue. Mistral dichiara di averlo addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei propri datacenter europei.
I pesi sono distribuiti con la licenza "Mistral Ecosystem Open-Weight", che Mistral descrive come una MIT modificata: uso, modifica, fine-tuning e uso commerciale sono consentiti, ma chi offre il modello stesso come servizio (Model-as-a-Service) deve ottenere una licenza commerciale separata. Chi non vuole ospitarlo in casa può usarlo tramite l'API di Mistral a 0,70 dollari per milione di token in input e 2,10 dollari per milione in output, oppure via OpenRouter, endpoint ospitati da NVIDIA e Microsoft Foundry.
Quanto è bravo?
Mistral presenta Large 4 come il miglior modello open-weight per il coding agentico e la cybersicurezza. Tra i dati dichiarati: 48% sul Coding Agent Index di Artificial Analysis, "di fatto alla pari" con il cinese GLM-5.3 ma con il 47% di token in meno per attività, e 41% su Terminal-Bench 4.0, 13 punti in più rispetto all'anteprima. Sono numeri forniti dal produttore, e la stampa indipendente ricorda che i migliori modelli proprietari di OpenAI e Anthropic restano avanti nel complesso. Fortune riporta anche che, secondo Artificial Analysis, l'anteprima costava di più per attività rispetto a modelli aperti di intelligenza simile. In sintesi: un modello aperto di fascia alta, serio, ma non il migliore al mondo.
Perché conta per le aziende europee
L'argomento principale non sono i benchmark ma il controllo. Intervistato da Fortune, il VP of science di Mistral Pierre Stock ha spiegato che la "continuità operativa" è la prima richiesta dei clienti nei settori regolamentati, preoccupati che l'accesso ai modelli chiusi possa essere interrotto. Con i pesi aperti, un'azienda o il suo fornitore IT può conservare una copia del modello ed eseguirla in un datacenter UE, in un cloud privato o on-premise. Le conseguenze pratiche:
- Residenza e riservatezza dei dati: documenti sensibili, contratti o dati dei clienti possono essere elaborati senza uscire da un'infrastruttura che controllate, il che semplifica il dialogo su GDPR con clienti e auditor.
- Indipendenza dal fornitore: prezzi, condizioni e disponibilità di un'API possono cambiare; un modello ospitato da voi continua a funzionare.
- Personalizzazione: la licenza consente il fine-tuning su terminologia, prodotti e procedure aziendali.
- Documenti lunghi: un contesto da 1 milione di token rende realistico analizzare in un solo passaggio manuali, bandi di gara o interi codici sorgente.
Un bagno di realtà per le PMI
"Aperto" non significa "gira su un portatile". Gli esempi di deployment della scheda del modello presuppongono un nodo con otto GPU di fascia alta e vLLM o SGLang; un checkpoint quantizzato NVFP4 riduce la memoria necessaria ma è pensato per hardware NVIDIA Blackwell. Per la maggior parte delle piccole e medie imprese le strade realistiche sono:
- Usarlo tramite un'API ospitata in UE (Mistral gestisce direttamente un deployment europeo), tenendo aperta l'opzione di ospitarlo in futuro.
- Chiedere al proprio partner cloud o IT di ospitarlo su infrastruttura UE dedicata, se i requisiti di riservatezza giustificano il costo.
- Scegliere modelli aperti più piccoli per le attività quotidiane, come redazione di testi, classificazione o ricerca interna, riservando il modello di frontiera ai compiti che lo richiedono davvero.
Qualunque sia la scelta, le basi non cambiano: decidere quali dati possono entrare in quale strumento, testare il modello su casi reali prima di diffonderlo, mantenere una persona nel processo per le decisioni che riguardano clienti o dipendenti e assicurarsi che il personale sappia usare l'AI in modo responsabile. L'AI Act chiede inoltre a ogni organizzazione di capire il proprio ruolo (fornitore o utilizzatore) per ciascun sistema di AI che usa.
Il nostro punto di vista
Mistral Large 4 non mette fine al predominio dei laboratori americani e cinesi, ma offre alle aziende europee un'opzione credibile, di fascia frontier, che possono possedere e verificare. La mossa più intelligente per una PMI non è cambiare tutto da un giorno all'altro, ma progettare i propri processi AI in modo che il modello sottostante sia sostituibile: prompt e flussi chiari, regole sui dati documentate e una breve lista di alternative già testate.
È proprio il tipo di scelta che aiutiamo a fare nell'AI Evolution Program: capire dove l'AI crea davvero valore, selezionare strumenti adatti ai propri dati e vincoli di conformità e formare le persone a usarli bene. Se volete valutare modelli aperti come Mistral Large 4 per la vostra azienda, contattateci.