Mistral Large 4 (Le Chonk): pesi aperti, licenza, prezzo e come provarlo
Mistral Large 4, il modello che l'azienda chiama anche Le Chonk, ha ora i pesi aperti: l'annuncio sul blog di Mistral è del 29 ottobre 2026 e il repository mistralai/Mistral-Large-4-1T-A52B è su Hugging Face. È un modello multimodale da circa 1 trilione di parametri con 1 milione di token di contesto, usabile via API a 0,70 dollari per milione di token in ingresso e 2,10 in uscita. Chi cerca Mistral Large 4 vuole sapere tre cose: che cosa si può scaricare davvero, a quali condizioni e quanto costa farlo girare.
Cosa è uscito il 29 ottobre
Il modello non è nuovo. Mistral lo aveva presentato il 6 ottobre 2026 come anteprima via API su Mistral Studio, scrivendo che i pesi sarebbero arrivati a fine mese. Il 29 ottobre è arrivata la seconda metà: la pubblicazione dei pesi e una versione aggiornata dei risultati. Per questo il titolo dell'annuncio, "Le Chonk: Built for Coders, Trusted by Defenders", insiste su coding agentico e sicurezza informatica.
Sulle dimensioni le fonti ufficiali non coincidono del tutto, ed è bene dirlo. Il nome del repository e il post di anteprima parlano di 1 trilione di parametri con 52 miliardi attivi. La scheda su Hugging Face dice circa 49 miliardi attivi per token e 52 contando anche i livelli di ingresso e uscita. È un'architettura a miscela di esperti: a ogni token lavora solo una parte dei parametri, ma i pesi da tenere in memoria sono tutti.
Il modello ha tre modalità di ragionamento, bassa, media e alta, con quest'ultima come predefinita. Mistral dichiara oltre 160 lingue. La scheda ne riporta 39 nei metadati e 160 nel testo, quindi per l'italiano conviene una prova diretta invece di fidarsi del numero.
Licenza: pesi aperti con una condizione
La Mistral Ecosystem Open-Weight License è, nelle parole di Mistral, una licenza MIT modificata. Permette uso, modifica, fine-tuning e uso commerciale. La condizione è una sola e pesa: chi costruisce un servizio in cui il modello è il prodotto venduto, il Model-as-a-Service, deve ottenere una licenza commerciale separata da Mistral.
Per un'azienda che usa il modello dentro i propri processi, o per una software house che lo integra in un prodotto che ha altre funzioni, la clausola in genere non scatta. Per chi vuole rivendere inferenza sì. Il confine esatto sta nel testo della licenza, che va letto prima di impegnarsi: io qui riporto la sintesi che ne fanno Mistral e la scheda.
È la stessa questione che ho trattato per Muse Spark Open di Meta: "pesi aperti" non dice niente senza leggere cosa permette la licenza.
Prezzo, accesso e quanto costa farlo girare
Mistral indica come punti di accesso Mistral Studio, la sua API, OpenRouter, gli endpoint ospitati da NVIDIA, Microsoft Foundry e Vibe Code. Per l'esecuzione in proprio cita vLLM e SGLang, un container NVIDIA NIM, TensorRT-LLM e NeMo AutoModel.
| Voce | Valore dichiarato |
|---|---|
| Ingresso, per milione di token | 0,70 dollari |
| Ingresso da cache | 0,07 dollari |
| Uscita, per milione di token | 2,10 dollari |
| Contesto (scheda Hugging Face) | 1 milione di token |
| Hardware negli esempi | 8 GPU in parallelo |
Il punto pratico è l'hardware. Un modello da 1 trilione di parametri in fp8 occupa, per un mio calcolo di massima, circa un terabyte di soli pesi: la scheda non indica la dimensione dei file, quindi la cifra è una stima da verificare. Gli esempi ufficiali usano otto GPU, e questo dice già a che classe di macchine si parla. Per la maggior parte delle PMI l'API resta la strada ragionevole, e i pesi aperti servono soprattutto a chi ha vincoli su dove i dati possono stare. Il ragionamento di fondo è quello di LLM privato: cos'è e quando conviene davvero.
Per chi ha meno hardware, la scheda cita un checkpoint NVFP4 pensato per le GPU Blackwell e quantizzazioni GGUF per llama.cpp. Non ho trovato nelle fonti ufficiali una misura della qualità persa con la quantizzazione.
I benchmark: numeri di Mistral, da leggere come tali
Tutti i risultati che seguono sono dichiarati da Mistral nell'annuncio del 29 ottobre, non sono miei test. Sul coding agentico indica 41% su Terminal-Bench 4.0 (28,3% nell'anteprima del 6 ottobre), 19,7% su Cognition FrontierCode 2.0, una valutazione privata, e 48% sull'Artificial Analysis Coding Agent Index, dove si dice alla pari con GLM-5.3 usando il 47% di token in meno per compito. In una preferenza umana di Surge Code dice di essere dietro soltanto a Claude Opus 5.5.
Sulla sicurezza riporta 97,1% di resistenza agli attacchi nel B3 Agent Security Benchmark, contro il 93,3% dell'anteprima, e 96,6% di rifiuti a richieste informatiche malevole. Su BrowseComp indica 84,5%. Sono cifre coerenti con un modello pensato per agenti, ma l'annuncio non allega una verifica indipendente e il rapporto tecnico è dato come in arrivo. Per capire quanto fidarsi di questo genere di tabelle c'è come leggere i benchmark dell'intelligenza artificiale.
Un dato è invece nei documenti e non nei grafici: Mistral dice che il modello generale ha protezioni che distinguono lavoro difensivo e offensivo, mentre una variante specializzata per la cybersicurezza resta in anteprima per partner aziendali selezionati, come Orange Cyberdefense, con vetting e vincoli contrattuali. Quella variante non è tra i pesi pubblici.
Come provarlo senza impegnarsi
Il consiglio è lo stesso che do per qualsiasi cambio di modello, e lo spiego in aggiornare il modello di un agente. Prendi dieci compiti reali già svolti dal modello che usi oggi, passali a Mistral Large 4 via API o OpenRouter con lo stesso prompt e confronta costo per compito riuscito, non costo per token. A 0,70 dollari in ingresso e 2,10 in uscita la prova costa pochi dollari.
Se invece il tuo interesse sono i pesi, prima di ordinare hardware scarica la scheda su Hugging Face, leggi la licenza e conta le GPU degli esempi. Se la tua azienda non ha già quella classe di macchine, la questione europea e di residenza dei dati si può spesso risolvere con l'endpoint europeo che Mistral dice di gestire in proprio, di cui parlo in intelligenza artificiale europea per aziende.
Cosa non è dichiarato
Nelle fonti ufficiali non ho trovato un confronto con Mistral Large 3, la dimensione dei file dei pesi, la data esatta della pubblicazione su Hugging Face, il nome della variante per la cybersicurezza e se sarà disponibile a tutti, né dettagli sui dati di addestramento. La mia lettura è che il valore dell'uscita sia la combinazione di tre elementi: pesi scaricabili, prezzo API basso e licenza permissiva con una sola clausola. Il resto lo deciderà la prova sui propri compiti.
Fonte primaria: l'annuncio di Mistral del 29 ottobre 2026, con il post di anteprima del 6 ottobre e la scheda su Hugging Face.
Domande frequenti
Mistral Large 4 è davvero open source?
Ha pesi aperti, non una licenza open source classica. La Mistral Ecosystem Open-Weight License è descritta da Mistral come una licenza MIT modificata: uso, modifica, fine-tuning e uso commerciale sono permessi, ma chi offre il modello come servizio a pagamento (Model-as-a-Service) deve chiedere a Mistral una licenza commerciale separata.
Quanto costa Mistral Large 4 in API?
Mistral indica 0,70 dollari per milione di token in ingresso, 0,07 per l'ingresso in cache e 2,10 per milione di token in uscita. Il prezzo di ingresso e di uscita è lo stesso dell'anteprima del 6 ottobre.
Che contesto ha Mistral Large 4?
La scheda del modello su Hugging Face indica 1 milione di token di contesto. L'annuncio del blog non riporta il dato, quindi il riferimento è la scheda.
Posso far girare Le Chonk sul mio server?
In teoria sì, in pratica serve hardware da data center. Gli esempi della scheda con vLLM, SGLang e Transformers presuppongono 8 GPU in parallelo. Esiste un checkpoint NVFP4 per le GPU Blackwell e sono elencate quantizzazioni GGUF per llama.cpp.
Le prestazioni dichiarate da Mistral sono verificate?
Sono numeri pubblicati da Mistral, alcuni su benchmark di terzi come Artificial Analysis e Terminal-Bench, altri su valutazioni private. Nelle pagine ufficiali non c'è una verifica indipendente e il rapporto tecnico è indicato come in arrivo. Vanno provati sui propri compiti.