Ing. Calogero Bono
Mistral ha rilasciato i pesi di Mistral Large 4, soprannominato Le Chonk, un modello da circa mille miliardi di parametri. Lo ha fatto a fine ottobre, dopo un'anteprima pubblica di inizio mese. Si scarica da Hugging Face e si usa anche via API. Conta perché è un modello aperto che l'azienda francese posiziona su codice e difesa informatica, e perché nessuno può spegnerlo da remoto.
Qualche termine, prima di entrare nei fatti. I pesi (weights) sono i parametri numerici appresi in addestramento, quelli che fanno funzionare il modello. Open-weight significa che si possono scaricare, non che tutto il codice sia libero. MoE (Mixture-of-Experts) è un'architettura in cui per ogni token lavora solo un piccolo gruppo di "esperti" interni. Un token è un pezzo di testo elaborato dal modello. Il benchmark è una prova standard per confrontare i modelli.
Che cos'è Mistral Large 4?
Secondo la scheda ufficiale su Hugging Face, è un modello multimodale e multilingue di tipo MoE. Accetta testo e immagini e genera testo. Ha circa 1T di parametri totali, 49B attivi e una finestra di contesto da 1M di token.
La licenza è la Mistral Ecosystem Open-Weight License, una derivata della MIT con limiti per chi vuole offrire il modello come servizio. Punto Informatico riferisce che supporta oltre 160 lingue e che è stato addestrato con 3.800 chip NVIDIA Grace Blackwell. ZDNET cita invece la dichiarazione di Mistral su 4.000 GPU per due mesi. Le due cifre non coincidono, quindi le riportiamo entrambe come attribuite.
Quali numeri dichiara Mistral?
Sul codice, la scheda Hugging Face indica 61,7% su DeepSWE v1.1 e 28,3% su Terminal-Bench 4. Un Coding Agent Index del 49,8%. Per ZDNET, Terminal-Bench 4.0 è salito a 41% rispetto al 28% dell'anteprima, di un punto sopra GLM-5.3. Sull'indice complessivo il modello è a 48 contro il 49 di GLM-5.3.
Mistral sostiene che rivaleggia con GLM-5.3 usando il 47% di token in meno per compito, come riporta TechCrunch. Sulla parte cyber, Hugging Face parla di 82% in un test che chiede di riprodurre una vulnerabilità reale e poi correggerla, e del 93% su Cybench (40 sfide). Punto Informatico scrive che solo DeepSeek V4.1 Flash è superiore nel benchmark dedicato, ZDNET che Le Chonk è appena sopra DeepSeek V4.1 Flash su CyberGym. Le fonti non sono allineate su questo punto.
Perché i pesi aperti contano per la sicurezza?
L'argomento di Mistral è il controllo. Pierre Stock, vicepresidente scienza, ha detto a WIRED che l'AI sarà come l'elettricità e non vuoi che qualcuno la possa staccare. I modelli chiusi possono bloccare richieste di analisi di malware o vulnerabilità, perché sembrano attacchi. Con i pesi in casa, politica d'uso e deployment restano a te.
C'è il rovescio. Rafe Pilling di Sophos definisce il modello una tecnologia a duplice uso, perché può essere scaricato e adattato anche da chi attacca. Per Mistral il modello rifiuta le richieste dannose nel 97% dei casi (dato riportato da Punto Informatico). Hugging Face afferma che il tasso medio di rifiuto sui prompt cyber è più alto di ogni altro modello open-weight.
Per capire il contesto dell'incidente citato dalle testate, leggi il nostro articolo sul caso Hugging Face.
Come si usa in pratica?
Il modello ha supporto day-0 per transformers, vLLM e llama.cpp, con quantizzazioni GGUF. Ci sono anche Inference Endpoints e Inference Providers. Gli sviluppatori lo raggiungono anche con Mistral Studio, API e OpenRouter.
Il livello di ragionamento può essere low, medium o high. Il default è high e, secondo la scheda, il ragionamento non si può disattivare. La versione NVFP4 per vLLM richiede GPU NVIDIA Blackwell, e l'esempio ufficiale usa 8 GPU. Non è un modello da server piccolo. Se ti serve un'AI più alla portata, vedi la guida all'AI per le PMI.
Limiti da conoscere
Quasi tutti i numeri sono dichiarati da Mistral. ZDNET ricorda che i benchmark vanno presi con cautela. Le fonti divergono su chi sia davanti in cyber e sulle risorse di addestramento. Il classificamento di Hugging Face indica il modello quinto tra gli open-weight sull'Artificial Analysis Intelligence index, mentre Mistral parla di migliore al mondo per codice e cyber in ambito open, secondo WIRED. Sono affermazioni diverse.
Non è verificato in modo indipendente che il modello resista a un uso malevolo dopo un fine-tuning. Mancano costi reali di esecuzione e test su casi italiani. Inoltre la licenza limita l'offerta come servizio.
Cosa cambia per chi lavora con il digitale
Per chi sviluppa, esiste ora un'alternativa europea aperta per assistenti di codice e analisi di sicurezza, da far girare in casa. Per chi gestisce dati sensibili, il deployment on-prem evita di mandare codice e log a terzi. Come ricordato da Stock a TechCrunch, l'accesso non può essere revocato.
Per un'azienda piccola, però, serve hardware importante o un provider. Molto dipende dal fornitore. Conta anche il quadro normativo, per cui ti rimandiamo alla guida all'AI Act per sviluppatori. Se gestisci server, anche hosting e server gestiti con aggiornamenti di sicurezza restano la base, qualunque modello usi.
Il nostro parere
La mossa è interessante, e la scelta di pubblicare i pesi ha senso per la difesa. Chi indaga una vulnerabilità non dovrebbe vedersi chiudere la porta nel mezzo di un incidente. Ci convince meno il tono da corsa geopolitica. Le parole di Pilling sono un buon antidoto, perché il rischio dipende da monitoraggio e controlli, non dalla bandiera del modello.
Inoltre un modello da mille miliardi di parametri non è alla portata di quasi nessuna PMI italiana. Il vantaggio concreto, per ora, è per enti, grandi aziende e fornitori. Aspettiamo test indipendenti prima di chiamarlo il migliore.
Domande frequenti
Mistral Large 4 è davvero open source?
È open-weight, non open source in senso stretto. I pesi si scaricano da Hugging Face. La licenza deriva dalla MIT ma limita l'offerta come servizio.
Si può usare gratis?
I pesi sono disponibili gratuitamente, secondo Punto Informatico. Far girare il modello però costa in hardware. L'esempio ufficiale usa 8 GPU.
È meglio dei modelli cinesi?
Dipende dal test. Mistral dice di eguagliare o superare modelli come DeepSeek e Z.ai. ZDNET parla di un punto sotto GLM-5.3 sull'indice complessivo.
Può essere usato per attaccare?
Sì, come ogni modello scaricabile. Mistral dichiara un rifiuto delle richieste pericolose nel 97% dei casi. Dopo un fine-tuning però il comportamento potrebbe cambiare.
Quali lingue supporta?
Oltre 160, secondo Punto Informatico, incluse tutte quelle europee. Accetta testo e immagini e genera testo.
Cosa guardare nei prossimi mesi, tra test indipendenti e costi reali
- Segui i test indipendenti, come Artificial Analysis, e non fidarti solo dei numeri dell'azienda.
- Calcola il costo di esecuzione, in hardware o via API, prima di migrare un flusso di lavoro. Per partire in piccolo guarda cinque usi dell'AI per piccole attività.
- Prepara difese contro l'abuso, a partire da jailbreak e prompt injection.
