Il 6 ottobre 2026 Mistral AI ha annunciato e reso accessibile via API l’anteprima pubblica di Mistral Large 4, un modello multimodale con 1.050 miliardi di parametri totali e 52 miliardi attivi. La pubblicazione dei pesi scaricabili è invece pianificata entro la fine di ottobre. Mistral AI ha annunciato l’anteprima.
Mistral Large 4 entra in anteprima pubblica
L’accesso via API e la futura pubblicazione dei pesi sono due passaggi distinti. Mistral AI ha aperto l’anteprima il 6 ottobre; l’azienda prevede di rendere disponibili i pesi entro la fine del mese. La documentazione classifica il modello come «Open», mentre la pubblicazione dei pesi resta un passaggio pianificato.
Che cosa dicono le specifiche ufficiali
La documentazione di Mistral AI indica 1.050 miliardi di parametri complessivi e 52 miliardi attivi. Le due cifre descrivono aspetti diversi del modello: i parametri totali ne indicano la dimensione complessiva, mentre quelli attivi rappresentano la parte coinvolta nel calcolo. Mistral Large 4 usa un’architettura Mixture of Experts (MoE), che distribuisce il lavoro tra componenti specializzati.
| Caratteristica | Specifica pubblicata da Mistral AI |
| Parametri totali | 1.050 miliardi |
| Parametri attivi | 52 miliardi |
| Encoder visivo | 1,6 miliardi di parametri |
| Architettura | Mixture of Experts (MoE) a granularità fine |
| Modalità | Modello descritto da Mistral come nativamente multimodale |
Il numero di parametri descrive la scala del modello, ma da solo non misura la qualità delle risposte né dimostra che sia migliore in ogni attività. Mistral definisce Large 4 multimodale; la documentazione specifica anche un encoder visivo da 1,6 miliardi di parametri.
Che cosa cambierebbe con la pubblicazione dei pesi
Mistral AI ha pianificato la pubblicazione dei pesi entro la fine di ottobre 2026. L’azienda collega i pesi scaricabili alla possibilità di ospitare il modello sulla propria infrastruttura: è una prospettiva diversa dall’uso dell’anteprima tramite API.
Prestazioni e addestramento: i dati dichiarati da Mistral
Mistral ha riportato il 61,7% su DeepSWE v1.1, il 28,3% su Terminal-Bench 4 e il 93% su Cybench, che l’azienda descrive come una serie di 40 esercizi di cybersicurezza. Sono risultati riferiti a prove specifiche, non un verdetto valido per ogni tipo di utilizzo.
Secondo Mistral, il modello è stato addestrato da zero con 3.800 GPU NVIDIA Grace Blackwell nei suoi data center europei. Al lancio dell’anteprima, l’azienda ha detto che la fase di reinforcement learning era ancora in corso e che il modello non mostrava segnali di saturazione nei benchmark. Mistral ha inoltre dichiarato che una parte significativa dei dati di addestramento comprendeva più di 160 lingue, incluse tutte le lingue ufficiali dell’Unione europea.
