Mistral Large 4: cos'è, quanto costa e l'unica riga ancora vuota sulla scheda di Mistral stessa

Mistral Large 4 è il modello generalista di punta di Mistral AI e il vertice della linea Large che occupava prima di esso Mistral Large 3 — un modello mixture-of-experts nativamente multimodale che la documentazione di Mistral stessa descrive come dotato di 1,05 trilioni di parametri totali con 52 miliardi attivi, un encoder visivo da 1,6 miliardi di parametri, una finestra di contesto da 1M token e un prezzo di listino di 1,36 $ per milione di token di input contro 4,18 $ per milione di output. Il nome API è mistral-large-4. Ciò che non figura su quel listino è la cosa che una gran parte dei lettori arriva cercando: il badge di licenza sulla pagina del modello di Mistral stessa recita "Open" e poi non nomina proprio nulla, e non esiste alcun repository di checkpoint da scaricare. Questa è la descrizione del modello così come si presenta il 13 ottobre 2026.

L'inquadramento conta, quindi va messo in cima. Mistral ha annunciato l'anteprima pubblica di Mistral Large 4 il 6 ottobre 2026, e questo blog contiene già quel pezzo di notizie più le nove pagine di confronto testa a testa che ne derivano. Quello che mancava è la pagina semplice che sta sotto di esse. Quel divario è misurato, non presunto: il nome nudo ha totalizzato 3.141 impression e 68 clic sulla nostra proprietà nei ventotto giorni fino al 13 ottobre, distribuiti su cinque query, mentre le righe qualificate sotto di esso — artificial analysis a 129 impression, preview a 122, benchmark a 84, ollama a 70 — sono tutte piccole. Le righe comparative, nel frattempo, convertono diverse volte meglio di quanto faccia il termine nudo, ed è esattamente per questo che le pagine di confronto sono state scritte per prime. Questa è la pagina per il lettore che ha digitato il nome e voleva sapere che cosa sia quella cosa.

Il nome, e il 4-0 presente nei nostri stessi URL

Mistral scrive il modello come Mistral Large 4. Il suo post di lancio offre due soprannomi informali accanto a quello — "ML4" e "le Chonk" — e la sua documentazione fornisce la model card da una pagina raggiungibile sia con mistral-large-4 sia con mistral-large-4-0. Il badge sulla card stessa riporta mistral-large-4, e la guida alla selezione dei modelli elenca mistral-large-4 come nome API, quindi la forma semplice è quella attuale del fornitore e lo zero finale è un alias legacy ereditato dal link del giorno del lancio.

Vale la pena una frase di riconciliazione perché ogni pagina già pubblicata qui usa la 4-0 forma — l'articolo di anteprima, la pagina di hosting e tutti e nove i confronti sono archiviati sotto mistral-large-4-0-*. Quegli URL rimandano allo stesso modello descritto in questa pagina. Questa pagina adotta semplicemente la grafia del fornitore per la voce di riferimento, così un lettore che arriva qui dal solo nome incontra il modello con il nome che il suo produttore attualmente stampa.

Le tre etichette di stato sulla scheda di Mistral vanno lette insieme, perché racchiudono l'intera situazione del modello in tre parole: Anteprima pubblica, Aperto, e v26.10. La prima indica che la configurazione di serving può ancora cambiare. La seconda è la dichiarazione sui pesi aperti. La terza è la revisione, ed è l'unica delle tre a essere semplicemente un fatto.

La specifica, così come la enuncia Mistral

Tutto ciò che compare nell'elenco seguente è la formulazione di Mistral stessa, tratta dalla sua scheda del modello, dalla sua guida alla selezione dei modelli e dal suo post di lancio. Laddove un laboratorio indipendente legge lo stesso numero in modo diverso, tale lettura viene indicata sulla riga anziché essere mediata.

• Parametri — 1.050 miliardi in totale con 52 miliardi di parametri attivi, su un'architettura mixture-of-experts sparsa e granulare. Il post di lancio arrotonda il totale a "1.000 miliardi di parametri"; la scheda del modello riporta il valore di 1,05T. Artificial Analysis registra il numero di parametri attivi come 49 miliardi anziché 52 miliardi, ovvero un divario di tre miliardi sulla stessa dimensione.

• Encoder visivo — 1,6 miliardi di parametri, su un modello che Mistral descrive come nativamente multimodale anziché adattato alle immagini a posteriori.

• Modalità — testo e immagini in ingresso, testo in uscita, con ragionamento incluso. La guida alla selezione di Mistral classifica l'output come "ragionamento, testo", e Artificial Analysis lo registra come modello di ragionamento con una nota che potrebbe esistere anche una variante non di ragionamento. La scheda prodotto del post di lancio lo definisce un "MoE ibrido instruct-and-reasoning".

• Finestra di contesto — 1M token sulla scheda di Mistral. Artificial Analysis ne legge 524.288 sulla configurazione che testa, ovvero la differenza tra un tetto dichiarato dal fornitore e una finestra effettivamente servita.

• Prezzo — 1,36 $ per milione di token di input, 0,14 $ per input in cache, 4,18 $ per milione di output, secondo la pagina dei prezzi pubblicata da Mistral. Quella pagina riporta anche una promozione di lancio che mostra le stesse tre righe barrate a 0,68 $, 0,07 $ e 2,09 $.

• Lingue — più di 160 lingue nei dati di addestramento, comprese tutte le lingue ufficiali dell'Unione europea, secondo quanto dichiarato da Mistral.

• Licenza — senza nome. Ne parleremo più sotto, perché è il vuoto che più di ogni altro sostiene la pagina.

Licenze e pesi: cosa pubblica effettivamente questa release

Mistral Large 3 è stato rilasciato con licenza Apache 2.0. La sua model card su Hugging Face riporta il tag della licenza nei metadati, e i suoi pesi sono scaricabili in FP8, NVFP4 e BF16. Anche Mistral Small 4 e le versioni Ministral 3 sono Apache 2.0, e Mistral Medium 3.5 è indicato come Modified MIT. Nulla di tutto ciò si trasferisce. Una licenza si desume dalla release che si ha davanti, e per Mistral Large 4 il fornitore non ne ha ancora messa per iscritto una.

Tre punti sulle superfici di Mistral stesso mostrano il vuoto, e un lettore può verificarli ciascuno in un browser:

• La scheda del modello su docs.mistral.ai riporta un chip di licenza che visualizza la singola parola "Open" senza alcun nome di licenza associato.

• La guida alla selezione dei modelli — la tabella comparativa che Mistral pubblica per gli sviluppatori che scelgono tra i suoi modelli — ha una colonna Licenza, e ogni riga adiacente è compilata: Apache 2.0 per Mistral Small 4, Modified MIT per Mistral Medium 3.5, Apache 2.0 per Mistral Large 3. La cella Licenza della riga Mistral Large 4 è vuota.

• La scheda dei pesi sulla model card riporta "Prossimamente".

Artificial Analysis, che monitora lo stesso ambito in modo indipendente, registra il nome della licenza e l'URL della licenza per Mistral Large 4 come null, contrassegna il modello isOpenWeights: false, e lo classifica come proprietario. Quel flag non è una contraddizione del marketing di Mistral; è un'affermazione su ciò che esiste oggi. Un'anteprima servita dal cluster del fornitore stesso, senza repository e senza testo di licenza, è un modello richiamabile più che un rilascio con pesi aperti.

Ciò a cui Mistral si è impegnata è una data: "Rilascieremo i pesi entro la fine del mese", nelle stesse parole del post di lancio, insieme a ulteriori dettagli sull'architettura, benchmark aggiuntivi e metodologia di post-addestramento. Prima di allora, l'azienda afferma di stare conducendo una finestra di red-teaming con partner verificati e autorità nazionali. L'account Hugging Face dell'organizzazione, consultato il 13 ottobre, non presenta ancora nulla di più recente dell'8 ottobre, e nessuna delle due voci è un checkpoint della linea Large.

Quindi, la descrizione accurata dell'affermazione open-weight oggi è che si tratta di un piano a cui è associata una scadenza, formulato da un laboratorio che ha già rilasciato pesi Apache 2.0 a questo livello. Questa è una posizione più forte di una promessa vaga, e più debole di un link per il download. La distinzione tra queste due cose è l'intera ragione d'essere di questa sezione.

Dove viene eseguito Mistral Large 4, nelle parole di Mistral

Mistral afferma che l'API di anteprima è disponibile su Mistral Studio e che il modello è "disponibile in più regioni in tutto il mondo, inclusa una distribuzione europea che Mistral gestisce end-to-end, indipendentemente da altri fornitori di servizi digitali e ai sensi della legge europea". L'azienda afferma inoltre che l'anteprima è erogata sulla stessa infrastruttura su cui è stato addestrato il modello — 3.800 GPU NVIDIA Grace Blackwell nei propri data center europei — e che il modello potrà essere eseguito su cloud privato o on-premise per i carichi di lavoro a cui è destinato. Queste sono le dichiarazioni del fornitore su dove viene eseguito il suo modello, attribuite al fornitore e non a noi.

Separatamente e senza giri di parole: Mistral Large 4 non è nel catalogo di OrcaRouter. La nostra lista di modelli attiva, consultata il 13 ottobre, espone 207 identificatori di modello e nessuno di essi appartiene alla famiglia Mistral, sotto mistral-large-4, mistral-large-4-0 o qualsiasi altra grafia. Qui non viene rivendicata alcuna rotta, e nulla in questo paragrafo va inteso come tale.

Una domanda sul deployment a cui questa pagina non darà una nuova risposta è la scheda di Ollama. Mistral Large 4 compare in quella libreria come un unico tag cloud anziché come una scala di dimensioni scaricabili, il che è una storia a sé con il suo articolo dedicato — mistral-large-4-ollama-cloud-only — e un lettore che è arrivato volendo sapere se può scaricare i pesi su una macchina locale dovrebbe leggere quella pagina anziché questa.

I numeri del benchmark, e chi li ha eseguiti

Il post di lancio di Mistral riporta una serie densa di punteggi ed è insolitamente esplicito su quali di essi non siano stati eseguiti dall'azienda. Sul fronte del coding agentico elenca 61,7% su DeepSWE v1.1, 59,4% su SWE-Atlas-QnA e 28,3% su Terminal-Bench 4.0, che si combinano in un punteggio di 49,8% nel Coding Agent Index che, secondo il post, colloca il modello davanti a DeepSeek V4 Pro 0813 e Qwen3.8 Max. Sui flussi di lavoro agentici riporta 59,9% su AutomationBench su 657 flussi di lavoro aziendali, e sul lavoro di conoscenza a lungo orizzonte riporta 1.393 Elo su AA-Briefcase. Nelle sue valutazioni di cybersicurezza riporta una posizione nella top five dell'Artificial Analysis Cyber Index, 82% in un test di riproduzione e patch descritto come il più alto di qualsiasi modello, e 93% nei 40 esercizi di competizione di Cybench. Sul grounding multimodale riporta 42% su Dense 200 contro 41% per GPT-6 Astra. Tutti questi sono dati riportati dal fornitore; alcuni sono descritti nel post come valutati da una terza parte prima che quel sistema di valutazione diventasse pubblico, il che è una provenienza più solida di un numero auto-prodotto e comunque non ancora pubblicato.

I numeri indipendenti sono più scarni e più utili. Artificial Analysis assegna a Mistral Large 4 Preview un punteggio di 38,4 sul suo Intelligence Index v4.3, che colloca il modello al di sopra della mediana della sua classe di confronto e al 65° posto su 216 modelli in quell'indice. La stessa pagina indica il costo di esecuzione di un'attività dell'Intelligence Index a $1,13 e registra qualcosa che il post di lancio non menziona affatto: il modello ha generato 200 milioni di token di output durante l'esecuzione dell'indice, rispetto a una mediana di 85 milioni, classificandosi 107° su 114 per verbosità. Un modello che è al di sopra della media per qualità e molto al di sopra della media per token spesi per risposta cambia l'aritmetica di una bolletta in un modo che i punteggi principali non fanno.

C'è anche una valutazione cieca nel post di lancio che vale la pena separare dalle altre, perché il metodo è diverso. Surge AI ha condotto un confronto umano cieco sulla qualità della programmazione con le identità dei modelli nascoste; annotatori professionisti hanno valutato Mistral Large 4 Preview 3,74 su una scala da 1 a 5, secondo su cinque, davanti a Kimi K3 a 3,59 e GLM-5.3 a 3,60 e dietro Claude Opus 5 a 4,22. Un panel cieco con una terza parte nominata dall'altro lato è una categoria di prova diversa da un punteggio scelto dal fornitore, ed è l'unico dato nell'annuncio a cui un lettore scettico dovrebbe dare maggior peso.

Che cosa è cambiato rispetto a Mistral Large 3, in tre frasi

Mistral Large 3 è un modello sparse mixture-of-experts da 675 miliardi di parametri con 41 miliardi di parametri attivi, una finestra di contesto da 256k, un encoder visivo da 2,5 miliardi di parametri e pesi Apache 2.0 che puoi scaricare oggi. Mistral Large 4 porta il totale a 1,05 trilioni, con 52 miliardi attivi secondo la scheda del fornitore, eleva il contesto dichiarato a 1 milione di token e aggiunge il ragionamento a un modello che Mistral aveva precedentemente descritto come multimodale solo instruct — il che è un cambiamento di tipo, non solo di scala. Inoltre, per ora, arriva senza la licenza e il checkpoint che rendevano Large 3 semplice da adottare.

Artificial Analysis registra Mistral Large 3 come deprecato e indica come destinazione della deprecazione Mistral Large 4, che è il segnale più chiaro disponibile del fatto che si tratta di generazioni successive dello stesso slot anziché di opzioni parallele. La pagina dei prezzi di Mistral stessa concorda: Large 3 si colloca a $0,50 in input e $1,50 in output per milione di token, e Large 4 è elencato sopra di esso con la coppia promozionale in vigore.

Il set di confronto, come indice anziché come verdetto

Esistono già nove pagine di confronto diretto per questo modello, e questa pagina deliberatamente non ne ripropone nessuna. Per un lettore che deve scegliere tra Mistral Large 4 e qualcos'altro, le pagine sono mistral-large-4-0-vs-claude-opus-5, -vs-deepseek-v4-pro, -vs-gemini-3-1-pro, -vs-glm-5-5, -vs-gpt-6-sol, -vs-grok-4-7, -vs-kimi-k3, -vs-minimax-m3 e -vs-qwen-3-8-max. La domanda misurata si concentra esattamente in quelle pagine — mistral large 4 vs claude con 78 impression e 11 clic, vs opus 5.5 a 84 e 10 — ed entrambe convertono ben al di sopra del tasso del termine semplice, il che è un argomento a favore del mantenere qui la definizione e lì la valutazione.

La dipendenza che vale la pena menzionare è mistral-large-4-0-vs-glm-5-5, perché GLM-5.5 è esso stesso una pagina in questo stesso batch e i due elaborati devono concordare su un confronto anziché contraddirsi a vicenda. Tutto il resto nella lista è un obiettivo stabile.

Ciò che non è stabilito

Se i pesi arriveranno entro la fine di ottobre, e con quale licenza. E se il prezzo promozionale sopravviverà alla finestra di anteprima, dato che il listino prezzi standard e la tariffa di lancio differiscono esattamente della metà su tutte e tre le linee. Entrambe sono verificabili da un lettore senza chiedere a nessuno: la licenza e il checkpoint appariranno su Hugging Face oppure no, e il listino prezzi mostrerà ancora un numero barrato oppure no.

Fino ad allora, la postura che questo modello invita ad assumere è quella che la sua stessa etichetta di fase suggerisce. Chiamala, misurala rispetto al tuo carico di lavoro — incluso il consumo di token, che è il numero che il post di lancio omette — e mantieni il percorso di produzione su qualcosa il cui comportamento non è destinato a cambiare. Un'anteprima non è semplicemente un'etichetta su un listino prezzi. Significa che il modello, la licenza e la fattura possono tutti cambiare contemporaneamente.

Su OrcaRouter instradiamo più di 200 modelli attraverso un unico endpoint compatibile con OpenAI al prezzo di listino del fornitore, con uno 0% di ricarico applicato in pass-through — quindi una variazione di prezzo del fornitore è una variazione di prezzo dalla nostra parte lo stesso giorno, su qualunque modello ricada. Il failover automatico è l'altra metà di questa storia per qualsiasi cosa in fase di anteprima: consente a una fetta di traffico reale di incontrare un modello non ancora collaudato mentre uno consolidato gestisce il resto, così una regressione viene aggirata invece di allertare qualcuno. Nessuna delle due è un'affermazione su Mistral Large 4, che non serviamo. Sono la forma della risposta per il prossimo modello, e per questo, che viene rilasciato prima della sua licenza.

Niente di tutto ciò è ipotetico: i guasti documentati dell'IA e gli incidenti degli agenti rispetto ai quali questo riferimento è scritto sono raccolti in the OrcaRouter AI Incident Archive , dove ogni voce porta con sé le proprie fonti, il proprio livello di gravità, il proprio grado di confidenza e il proprio flag di contestazione.