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.