Mistral lancia “Le Chonk”: modello di coding potente ma ancora indietro rispetto alla Cina

Presentazione di Large 4 e caratteristiche tecniche

Mistral, la startup parigina specializzata in intelligenza artificiale, ha rilasciato i pesi del suo modello più grande finora, denominato Large 4 e soprannominato “Le Chonk”. Il modello conta circa un trilione di parametri complessivi, di cui 52 miliardi sono attivi in ogni passo di inferenza. È in grado di accettare sia testo che immagini in ingresso e di generare output testuali e codice.

Per eseguire il modello è necessaria una notevole potenza hardware: la versione standard richiede otto GPU Nvidia B300, mentre una variante più compressa può funzionare su quattro GPU dello stesso tipo, secondo la documentazione del framework di inferenza SGLang.

Dopo la fase di public preview, Mistral ha continuato l’addestramento con tecniche di reinforcement learning, ottenendo miglioramenti significativi, soprattutto nelle aree di coding e difesa informatica. I ricercatori Pierre Stock e Corentin Petit hanno illustrato il processo in una conferenza stampa, sottolineando che la difficoltà dei compiti creati internamente è l’unico limite alle prestazioni del modello, definendo il progetto una “scommessa di due anni” ora in fase di ritorno.

Licenza e disponibilità

Large 4 è stato pubblicato su Hugging Face con una licenza MIT modificata: uso, modifica e distribuzione commerciale sono gratuiti, ma le aziende che intendono offrire il modello come servizio cloud devono ottenere una licenza separata da Mistral. Il modello è promosso come “AI sovrana”, addestrata interamente in Europa e pronta per l’esecuzione su server proprietari. È inoltre disponibile su Microsoft Foundry e altre piattaforme per chi non desidera gestirlo in proprio.

Performance nei benchmark di coding

Nel primo test indipendente, Large 4 si è dimostrato molto competitivo nella programmazione. Dopo tre settimane aggiuntive di addestramento, il punteggio su Terminal‑Bench 4.0 è salito dal 28 % al 41 %, superando di poco GLM‑5.3 (40 %). Su Artificial Analysis’ Coding Agent Index, Large 4 ha raggiunto il 48 % dei token rispetto a GLM‑5.3, ma con un consumo del 47 % in meno di token. Claude Code con Claude Opus 5.5 rimane il leader con 62 punti.

Su FrontierCode 2.0, nuovo benchmark di Cognition, Large 4 guida i modelli open con il 19,7 % di successo, ma Claude Opus 5.5 ottiene il 46 %. In test ciechi condotti da Surge, i valutatori hanno preferito il codice di Large 4 rispetto a GLM‑5.3, Kimi K3 e DeepSeek più spesso, mentre contro Opus 5.5 Large 4 ha vinto solo il 22 % delle partite.

Nel grafico di Pareto che traccia l’efficienza di prezzo‑prestazioni, Large 4 e GPT‑6.1 Terra occupano il quadrante più attraente, offrendo il miglior rapporto costo‑efficacia tra i trenta modelli testati.

Confronti con i modelli cinesi

Il confronto esclude Moonshot’s Kimi K3.1 Pro, i cui pesi non sono ancora pubblici ma che dovrebbe superare Terminal‑Bench 4.0 con il 67 % di punteggio. Una volta rilasciati (previsti per il 4 novembre 2026), la leadership di Mistral nel settore del coding potrebbe evaporare.

Difesa informatica e capacità di rifiuto

Large 4 è stato definito da Mistral il modello open leader nella difesa cyber, con un 51 % di punteggio su Artificial Analysis’ Cyber Index, che valuta la capacità di individuare, riprodurre e correggere vulnerabilità senza rompere funzionalità esistenti. Tuttavia, due modelli open lo superano: DeepSeek V4.1 Flash (57 %) e MiMo‑V2.6‑Pro (56 %). Kimi K3.1 Pro domina l’intero indice con il 64 %.

Il miglioramento rispetto alla versione preview è marginale: il punteggio è passato da 50 a 51 punti. Inoltre, il costo per task è di $1,21, più alto rispetto a DeepSeek V4.1 Flash (1017 $) che offre un punteggio superiore a una frazione del prezzo.

Un punto di forza di Large 4 è la capacità di rifiutare richieste dannose: rifiuta il 96,6 % delle richieste cyber malevoli, più di qualsiasi altro modello open. Mistral riconosce, però, che il modello potrebbe facilitare attacchi reali, perciò prevede di rafforzare le salvaguardie nei prossimi mesi. Alcuni partner, come Orange Cyberdefense, stanno testando una versione speciale per penetration testing, accessibile solo previa revisione e con restrizioni contrattuali.

Altri ambiti di utilizzo e prezzi

Nel lavoro d’ufficio, Large 4 si posiziona al secondo posto tra i modelli open per la modifica di fogli di calcolo finanziari e la ricerca web, dietro solo Kimi K3.

Per quanto riguarda i costi, l’API di Large 4 è ora a $0,70 per milione di token di input e $2,10 per milione di token di output, in linea con il prezzo scontato offerto durante le prime due settimane di lancio. In confronto, Kimi K3.1 Pro costa $2 per input e $10 per output.

Velocità e efficienza

Large 4 genera 161 token al secondo, un aumento rispetto ai 111 token al secondo della preview. Solo DeepSeek V4.1 Flash e Muse Wonder risultano più veloci. Il costo medio per task è sceso a $2,06, rispetto ai $5,54 della preview, rendendolo più economico di GLM‑5.3 ($5,01) e Kimi K3.1 Pro ($3,68), ma ancora più costoso di DeepSeek V4.1 Flash ($0,60) e MiMo‑V2.6‑Pro ($0,26).

Dal punto di vista del consumo di token, Large 4 ha prodotto 110 milioni di token di output nell’intero indice, rispetto ai 150 milioni della preview, avvicinandosi al mediano di 100 milioni dei modelli comparabili, ma ancora leggermente sopra.

Posizionamento globale e prospettive future

Artificial Analysis ha aggiornato la sua Intelligence Index a versione 5, assegnando a Large 4 in modalità “high” un punteggio di 26 punti. Questo è un punto in più rispetto ai 25 della preview, ma resta al di sotto dei modelli cinesi DeepSeek V4.1 Flash e GLM‑5.3 (32 punti ciascuno) e MiMo‑V2.6‑Pro (30 punti). Il modello medio di dimensioni simili tra gli open segna 23 punti.

Il leader assoluto dell’indice è Google Gemini 4 Carbon con 59 punti, seguito da Claude Opus 5.5 con 58 punti. Tra gli open, il più alto è Kimi K3.1 Pro con 46 punti, ma i suoi pesi non sono ancora disponibili.

Nonostante le lacune rispetto ai concorrenti cinesi, Mistral ritiene di essere sulla buona strada. Durante la conferenza stampa, il team ha sottolineato che la combinazione di velocità, costi contenuti e alta capacità di rifiuto di richieste dannose rende Large 4 una proposta attraente per le imprese che cercano soluzioni di AI “sovereign”.