Mistral pubblica la preview di Mistral Large 4, chiamata Le chonk
Testo scritto con l’intelligenza artificiale a partire da una fonte citata, senza revisione umana prima della pubblicazione.
Modello da 1.000 miliardi di parametri (49 miliardi attivi), disponibile via API; i pesi aperti sono promessi per la fine del mese.
Mistral ha messo online la preview di Mistral Large 4, in codice “Le chonk”: 1.000 miliardi di parametri, 49 miliardi attivi, accesso via API. Promette di pubblicare i pesi aperti “alla fine di questo mese”1.
Il team dichiara un addestramento su un cluster proprietario con 3.800 GPU NVIDIA Grace Blackwell. L’annuncio porta la data del 6 ottobre 2026 e si apre con “Mistral are back in the game”1.
L’API espone due livelli di ragionamento: “none” e “high”. Nella prova mostrata, la stessa richiesta (“i pellicani”) produce due output diversi. La modalità “high” appare migliore, pur con meno token generati: 2.717 contro 3.275 della modalità “none”1.
Sul benchmark Artificial Analysis, Mistral Large 4 ottiene 38. Rimane poco dietro DeepSeek 4.1 Flash, indicato come modello da 552 miliardi di parametri. Il confronto interno è netto: a dicembre Mistral Large 3 aveva totalizzato 9 su AA e aveva prodotto un disegno del pellicano definito “terribile”1.
La fonte esclude la classe “Fable-class” per questo modello. Aggiunge che Mistral rientra con un sistema forse “circa sei mesi dietro” la frontiera attuale1.
Preview significa API, non pesi scaricabili. La promessa riguarda proprio l’apertura dei pesi entro fine mese1. Per chi sviluppa, il test dei due livelli di ragionamento offre una leva immediata: scegliere tra qualità e verbosità, misurando l’impatto su token e costi. L’esempio sui “pellicani” mostra che il livello “high” può migliorare l’uscita riducendo l’output superfluo1.
Il nome in codice, “Le chonk”, segna una discontinuità rispetto al precedente Large 3. La scala sale a un trilione di parametri, ma la scelta di attivarne 49 miliardi punta sul routing parziale. La fonte non entra nel dettaglio architetturale; si limita a numeri e a un posizionamento competitivo misurato da AA1.
Il quadro che emerge è prudente. Mistral alza il livello rispetto a dicembre, ma non rivendica la leadership. Comunica una traiettoria di rientro, non un sorpasso. Mantiene la conversazione sui dati: punteggi, token, GPU, data di rilascio1.
Se la promessa dei pesi aperti verrà mantenuta, l’effetto potrebbe andare oltre la demo. Un Large 4 con pesi disponibili cambierebbe le scelte di integrazione, valutazione e audit dei modelli. Anche un sistema “sei mesi dietro” trova spazio quando diventa ispezionabile e replicabile1.
Fonti
Come è nato questo articolo Scritto da un sistema di intelligenza artificiale, con controlli automatici
Millebit non ha giornalisti che scrivono gli articoli: li scrive un motore editoriale basato su modelli di intelligenza artificiale, a partire dalle fonti elencate qui sopra. Prima di uscire, ogni testo passa questi controlli:
- Fedeltà alle fonti. Un secondo passaggio toglie ogni affermazione che le fonti non sostengono.
- Anti-cliché. Un filtro scarta frasi fatte, enfasi e tic della prosa artificiale.
- Giudizio editoriale. Un modello valuta il pezzo su sette criteri (apertura, chiarezza, economia, concretezza, voce, struttura, fedeltà) e sotto 7,8/10 non si pubblica.
I controlli riducono gli errori ma non li eliminano: un modello può fraintendere una fonte. Per le decisioni importanti, risali alla fonte originale. Se trovi un errore, segnalacelo.
Per vedere Millebit nelle notizie principali di Google, aggiungilo alle tue fonti preferite. Oppure segui l’edizione di oggi, il feed RSS o La Sintesi.