L’ANALISI
Mistral Large 4: che cosa offre oggi la preview e che cosa manca ai pesi
Mistral Large 4 è disponibile via API in preview: architettura MoE, prezzi, limiti delle prove dichiarate e checklist prima dei pesi aperti.
In breve: Large 4 si può provare subito via API, ma oggi non è ancora un modello scaricabile. Il punto verificabile è una preview multimodale MoE con prezzi pubblici; il self-hosting resta una promessa legata al rilascio dei pesi entro fine mese.
Che cosa è disponibile oggi
La public preview è accessibile in Mistral Studio e tramite API. La documentazione identifica il modello come mistral-large-4 e riporta 49 miliardi di parametri attivi, 1,05 trilioni totali e un encoder visivo da 1,6 miliardi.
Architettura e perimetro dichiarato
Mistral descrive un’unica modalità ibrida per istruzioni e ragionamento, input multimodale e supporto a oltre 160 lingue. L’addestramento sarebbe avvenuto su 3.800 GPU NVIDIA Grace Blackwell nei datacenter europei dell’azienda.
Prezzi e decisione operativa
L’annuncio espone 1,36 dollari per milione di token in input e 4,18 in output. Sono dati utili per un test API controllato, non per stimare il costo del futuro deployment locale: mancano dimensione dei file, precisioni, memoria e stack di serving.
Benchmark da leggere come evidenza del produttore
Mistral mostra risultati su cybersecurity, workflow agentici, coding, documenti e visione. Salvo i riferimenti esplicitamente esterni, grafici e confronti restano una selezione del fornitore e vanno riprodotti su casi propri prima di una scelta.
Che cosa cambia con i pesi
Il rilascio annunciato entro fine ottobre renderebbe possibile valutare licenza, checkpoint, quantizzazioni, requisiti hardware e prestazioni fuori dall’API. Fino ad allora “open-weight” descrive la destinazione dichiarata, non l’artefatto disponibile oggi.
Condizioni e limitazioni
I pesi, i dettagli completi dell’architettura e la metodologia di post-training non sono ancora pubblicati. I benchmark sono in larga parte scelti o prodotti da Mistral e la preview può cambiare: non dimostra ancora costi, requisiti o qualità del futuro self-hosting.
Checklist per una prova controllata
- Fissare modello, endpoint, regione e prezzi osservati alla data del test.
- Usare un dataset piccolo con documenti, immagini e richieste agentiche rappresentative.
- Separare qualità, latenza, token consumati e costo per task completato.
- Confrontare almeno un modello alternativo con lo stesso prompt e gli stessi strumenti.
- Registrare errori, rifiuti, chiamate tool e necessità di intervento umano.
- Non inviare dati sensibili durante la preview senza un accordo e controlli adeguati.
- Rivalutare licenza, checksum, memoria e quantizzazioni quando usciranno i pesi.