# mistral-large-4-le-chonk-2026-10-06

## Veille

Post di blog di **Mistral AI** (firmato "By Mistral", lettura di 11 minuti), datato **6 ottobre 2026**, che annuncia la preview pubblica di **Mistral Large 4** (ML4, soprannominato "the Chonk" dall'editore): un modello nativamente multimodale con **1.000 miliardi di parametri, di cui 49 miliardi attivi**, addestrato da zero su **3.800 GPU NVIDIA Grace Blackwell** nei data center europei di Mistral. API di preview disponibile su Mistral Studio; **pesi open annunciati per la fine del mese**.

## Titre Article

Introducing Mistral Large 4

## Date

2026-10-06

## URL

https://mistral.ai/news/mistral-large-4/

## Keywords

Mistral Large 4, ML4, the Chonk, Mistral AI, pesi open, modello MoE, multimodale, cybersecurity, sovranità dell'IA, Europa, codice agentico, DeepSWE, Terminal-Bench, Cybench, Artificial Analysis Cyber Index, reinforcement learning, Mistral Forge, Harvey, vals.ai, robustezza al prompt injection, 160 lingue, série D

## Authors

Mistral AI — éditeur de modèles d'IA ; billet de blog de l'entreprise (« By Mistral »).

## Ton

Profilo: annuncio di prodotto da parte del fornitore destinato ai decisori tecnici e alle aziende, strutturato per aree di capacità (cybersecurity, codice agentico, workflow agentici, multimodalità, scienza e matematica, lavoro di conoscenza, sicurezza del modello), con tab di benchmark e quattro demo interattive. Il testo alterna cifre, confronti nominati e un argomento di sovranità ("Forged in Europe. Built for AI sovereignty"). Usa un soprannome familiare per il modello e specifica lo stato provvisorio del prodotto: preview, reinforcement learning "ancora in corso", con architettura, benchmark aggiuntivi e metodo di post-training promessi insieme al rilascio dei pesi. Le valutazioni citate combinano terze parti (Artificial Analysis, vals.ai, Surge AI, Lakera, HarveyAI) e valutazioni interne.

## Pense-betes

- **Modello**: 1.000 miliardi di parametri, 49 miliardi attivi, nativamente multimodale, modello ibrido istruzione-e-ragionamento; più di **160 lingue**, incluse tutte le lingue ufficiali dell'UE. Addestrato con l'ambiente di addestramento, personalizzazione e reinforcement learning offerto ai clienti tramite **Mistral Forge**, con aziende dei settori finanza, industria, logistica, farmaceutico e pubblico.
- **Tempistica**: preview API oggi, pesi prima della fine del mese. Prima di allora, test in condizioni reali (red teaming) con responsabili della cybersecurity, partner verificati e autorità statali, con moderazione ridotta e capacità cyber estese.
- **Cybersecurity**: tra i primi cinque modelli nell'AA Cyber Index e alla guida dei modelli open fuori dalla Cina; 82% sulla riproduzione della vulnerabilità più correzione, 93% su Cybench. Il post spiega che i rifiuti dei modelli closed bloccano la ricerca sulle vulnerabilità e la risposta agli incidenti, e che perdere l'accesso in piena crisi è un rischio; sottolinea la distribuzione privata o on-premise.
- **Codice e agenti**: 59,4% su SWE-Atlas-QnA, Coding Agent Index del 49,8%, davanti a DeepSeek V4 Pro 0813 e Qwen3.8 Max; 59,9% su AutomationBench (657 workflow); 1.393 Elo su AA-Briefcase.
- **Multimodale**: capacità visive e agentiche combinate (immagini satellitari gigapixel, disegni tecnici); 42% contro 41% per GPT-6 Astra su Dense 200 (visual grounding).
- **Sicurezza del modello**: 93,3% di attacchi bloccati sul B3 di Lakera; punteggio KORA di 1,691 su 2; tasso di rifiuto per le richieste cyber malevole, secondo il post, più alto rispetto a tutti i modelli open confrontati.
- **Reinforcement learning**: libreria di ambienti componibili (sandbox di codice, ricerca sul web, API), verifica combinata (reward model, test, giudici LLM); con 3.000 GPU, circa **33 miliardi di token al giorno**, di cui ~16 miliardi addestrabili; budget di rollout di diversi milioni di token.
- **Prossimi passi**: ML4 è presentato come la prima tappa della roadmap finanziata dal round **série D de 3 Md€** e come base per una nuova generazione di modelli specializzati.
- ⚠️ **Perimetro**: preview; l'architettura dettagliata e il metodo di post-training non sono pubblicati. I confronti sono quelli di Mistral, con scelte di concorrenti specifiche per il post, e diversi punteggi sono forniti senza la tabella completa nel testo (grafici a tab).

## RésuméDe400mots

Mistral AI ha annunciato il 6 ottobre 2026 la preview pubblica di Mistral Large 4, o ML4, soprannominato "the Chonk". Il modello ha 1.000 miliardi di parametri, di cui 49 miliardi attivi, è nativamente multimodale ed è stato addestrato da zero su 3.800 GPU NVIDIA Grace Blackwell nei data center europei dell'azienda. L'API di preview è disponibile su Mistral Studio; i pesi saranno rilasciati prima della fine del mese, dopo una fase di test in condizioni reali con responsabili della cybersecurity, partner verificati e autorità statali, che ottengono accesso a una versione con moderazione ridotta e capacità cyber estese.

Mistral presenta ML4 come vicino ai migliori modelli open al mondo e chiaramente in vantaggio su qualsiasi modello open americano o europeo, con risultati allo stato dell'arte tra i modelli open in cybersecurity, finanza e diritto, e risultati che superano alcuni modelli closed nel visual grounding.

In ambito cybersecurity, il modello si colloca tra i primi cinque dell'Artificial Analysis Cyber Index e guida i modelli open fuori dalla Cina. Nel test di riproduzione della vulnerabilità seguita dalla correzione, ottiene l'82%, il punteggio più alto citato, e il 93% su Cybench. Il post spiega che Claude Opus 5.5 e GPT-6 Astra ottengono un punteggio vicino allo zero su questo test perché rifiutano il compito, mentre difendere un software spesso inizia col dimostrare che una falla è reale. Conclude che ciò mostra il valore dei modelli open, distribuibili privatamente o on-premise, secondo la politica propria dell'organizzazione.

Nel codice agentico, ML4 raggiunge il 61,7% su DeepSWE v1.1, il 59,4% su SWE-Atlas-QnA e il 28,3% su Terminal-Bench 4, per un indice combinato del 49,8%, davanti a DeepSeek V4 Pro 0813 e Qwen3.8 Max. Una valutazione umana in cieco condotta da Surge AI lo classifica secondo su cinque (3,74), dietro a Claude Opus 5 (4,22). Nei workflow agentici, ottiene il 59,9% su AutomationBench e 1.393 Elo su AA-Briefcase. Sul lavoro di conoscenza, vals.ai lo classifica davanti a GPT-6 Astra in finanza e diritto, e supera gli altri modelli open sul benchmark legale di Harvey. La sezione sulla sicurezza cita il 93,3% di attacchi bloccati sul benchmark B3 di Lakera e un tasso di rifiuto per le richieste cyber malevole più alto rispetto ai modelli open con cui viene confrontato.

Sul piano metodologico, Mistral descrive una libreria componibile di reinforcement learning in cui si combinano sandbox, ricerca sul web, API e verificatori (reward model, test, giudici). Con 3.000 GPU, un ciclo di addestramento produce circa 33 miliardi di token al giorno. ML4 è la prima tappa della roadmap finanziata dal round série D de 3 Md€ e servirà da base per modelli specializzati. Il pricing è di 1,36 $ per milione di token in input e 4,18 $ per milione di token in output.

## GrapheDeConnaissance

- Mistral AI —publie→ Mistral Large 4 (TECHNOLOGIE, 0.98)
- Mistral Large 4 —mesure→ 1 000 milliards de paramètres dont 49 milliards actifs (MESURE, 0.97)
- Mistral Large 4 —utilise→ GPU NVIDIA Grace Blackwell (TECHNOLOGIE, 0.95)
- Mistral AI —recommande→ déployer ML4 en privé ou sur site pour les opérations de sécurité (AFFIRMATION, 0.85)
- Mistral Large 4 —mesure→ 82 % sur reproduction puis correction de vulnérabilité (AA Cyber Index) (MESURE, 0.95)
- Mistral Large 4 —mesure→ 93 % sur Cybench (MESURE, 0.95)
- Mistral Large 4 —surpasse→ Claude Opus 5.5 (TECHNOLOGIE, 0.85)
- Mistral Large 4 —surpasse→ GPT-6 Astra (TECHNOLOGIE, 0.85)
- Mistral Large 4 —surpasse→ DeepSeek-V4-Pro (TECHNOLOGIE, 0.88)
- Claude Opus 5 —surpasse→ Mistral Large 4 (TECHNOLOGIE, 0.9)
- Mistral Large 4 —mesure→ 61,7 % sur DeepSWE v1.1 (MESURE, 0.95)
- Mistral Large 4 —mesure→ 3,74 sur 5 à l'évaluation humaine Surge AI (MESURE, 0.93)
- Mistral Large 4 —mesure→ 93,3 % d'attaques repoussées sur Lakera B3 (MESURE, 0.93)
- Mistral AI —affirme_que→ les refus des modèles fermés bloquent la recherche de vulnérabilités et la réponse à incident (AFFIRMATION, 0.9)
- Mistral Large 4 —utilise→ Mistral Forge (TECHNOLOGIE, 0.9)
- Mistral Large 4 —utilise→ apprentissage par renforcement (CONCEPT, 0.95)
- série D de 3 Md€ —permet→ la feuille de route de développement du modèle (AFFIRMATION, 0.88)
- Mistral Large 4 —permet→ souveraineté de l'IA (CONCEPT, 0.85)

---
Canonical: https://www.thekb.eu/it/fiches/mistral-large-4-le-chonk-2026-10-06/