Mistral ha rilasciato il 29 ottobre 2026 i pesi di Mistral Large 4 (ML4), il proprio modello open-weight basato su un trilione di parametri. Il sistema, presentato inizialmente all’inizio di ottobre 2026 e soprannominato “Le Chonk”, può essere scaricato e impiegato autonomamente da imprese e agenzie governative. La disponibilità dei pesi rende possibile distribuire il modello per finalità proprie, senza dipendere da un fornitore esterno per accedere a funzionalità avanzate.
Il rilascio dei pesi, definiti come l’addestramento numerico che anima il sistema, consente ad altre aziende e agenzie pubbliche di distribuire ML4 per i propri scopi. La scelta si inserisce nella competizione crescente tra sviluppatori di modelli open-weight, come Mistral, e fornitori di modelli chiusi, tra cui OpenAI e Anthropic. Secondo l’azienda, imprese e governi non dovrebbero dipendere da società esterne per ottenere l’accesso a capacità avanzate. Questa posizione assume un peso particolare nella cybersicurezza, dove le organizzazioni cercano un controllo maggiore sui propri dati e sistemi.
Il modello è accessibile su Hugging Face e tramite API. Mistral lo colloca nell’ambito della sicurezza informatica, dove organizzazioni pubbliche e private cercano un controllo più diretto sui propri dati e sistemi. Secondo l’azienda, ML4 offre capacità di difesa cyber sovrana per rilevare, analizzare e rispondere a minacce nel codice e nell’infrastruttura IT. In questo ambito, imprese e istituzioni del settore pubblico possono scaricare, distribuire e possedere il modello, integrandolo nei propri sistemi di protezione.
Mistral sostiene che ML4 ottenga prestazioni “state-of-the-art” impiegando “una frazione del compute e del capitale impegnati dai laboratori closed”. Arthur Mensch sostiene che l’AI debba essere “uno strumento di emancipazione, non di dominanza”. Il rilascio open-weight consente a imprese e agenzie governative di distribuire il modello per finalità proprie, mentre la competizione con i fornitori di modelli chiusi si intensifica.
Mistral afferma che ML4 è paragonabile per prestazioni a GLM-5.3, modello cinese open-weight, e che utilizza il 47 percento di token in meno per task. In base a questa indicazione, il modello risulta più economico da utilizzare rispetto al concorrente cinese, che in precedenza era considerato uno dei migliori modelli open-weight al mondo, soprattutto per le attività legate alla cybersicurezza. Il minor consumo di token per ciascuna attività costituisce il dato indicato da Mistral per spiegare il vantaggio economico rispetto a GLM-5.3.
Mistral dichiara che ML4 supera tutti gli altri modelli open nei task di agentic coding sull’Artificial Analysis Coding Agent Index. L’affermazione riguarda un indice di valutazione dedicato agli agenti di programmazione e distingue le capacità operative del modello dai risultati dichiarati nelle comparazioni generali con GLM-5.3. Artificial Analysis è una piattaforma di benchmark per l’AI: il riferimento riguarda specificamente le attività di agentic coding, nelle quali un agente di programmazione opera sul codice.
Pierre Stock afferma che l’accesso a ML4 non può essere interrotto “per definizione” perché il modello è open-weight. Il Vice President of Science di Mistral ha spiegato che le organizzazioni potranno disporre di funzionalità avanzate per difendersi dagli attacchi informatici, assumendo un controllo maggiore sull’impiego dell’AI. Stock ha indicato la possibilità di usare il modello on-prem all’interno dell’ecosistema aziendale, anche per identificare, coordinare e gestire in tempo reale gli incidenti di sicurezza rilevanti. L’uso interno consente inoltre di estendere l’accesso a capacità avanzate a organizzazioni pubbliche e private.
Lo stesso responsabile ha riconosciuto l’esistenza di rischi associati agli agenti AI autonomi, sostenendo che il problema è risolvibile e che non bisogna generare allarmismo. A suo avviso, le imprese dovrebbero estendere questa capacità a tutti il prima possibile, per rafforzare l’ecosistema e contrastare il rischio che soggetti malevoli utilizzino tecnologie analoghe per preparare attacchi. Stock ha osservato che i progressi nella sicurezza informatica basata sull’AI stanno aiutando i professionisti a individuare i bug a una frequenza molto più elevata rispetto al passato. La sua richiesta è diffondere rapidamente questa capacità, per aumentare la protezione dell’ecosistema.
