-
Mistral ha rilasciato i pesi scaricabili del modello Large 4, consentendo alle aziende di ospitare e personalizzare l'IA internamente.
-
Large 4 ha ottenuto 51 sull'Artificial Analysis Cyber Index, restando dietro ai principali concorrenti.
-
I modelli open-weight restano indietro di circa quattro-sette mesi rispetto ai sistemi di IA chiusi.
Il 29 ottobre Mistral ha reso disponibili i pesi di Large 4 per il download. Ciò significa che aziende e governi possono implementare il modello di cybersecurity basato su AI in-house, anziché dipendere da società americane o cinesi. Tuttavia, questa libertà ha un prezzo. Poiché Mistral ha scarso controllo sul modello, non può determinare chi potrà utilizzarlo e per quali scopi.
Dalla preview API ai pesi scaricabili
Mistral Large 4 è stato lanciato inizialmente tramite API il 6 ottobre e i suoi pesi sono stati resi disponibili per il download il 29 ottobre. L'accesso API rimane ancora un'opzione di distribuzione. Le specifiche ufficiali di Large 4 indicano che i parametri totali sono 1,05 trilioni e quelli attivi sono 52 miliardi, leggermente superiori ai 49 miliardi come riportato in precedenza da Cryptopolitan.
Le aziende possono personalizzare e ospitare autonomamente il modello. Tuttavia, chi intende rivenderlo come servizio ospitato necessita di una licenza commerciale separata. Questa indipendenza è centrale nella proposta di Mistral. Come ha dichiarato l'esecutivo dell'azienda Pierre Stock a TechCrunch, l'accesso "non può essere interrotto".
Cosa mostrano i benchmark e cosa invece no
Secondo i datidi Mistral, Large 4 ha ottenuto il 48% nell'indice Coding Agent, posizionandosi quasi alla pari con GLM-5.3. Tuttavia, Large 4 ha utilizzato il 47% in meno di token per attività. L'azienda ha inoltre riportato punteggi del 19,7% su FrontierCode 2.0 e del 41% su Terminal-Bench 4.0.
La situazione è leggermente diversa per la cybersecurity. Large 4 ha ottenuto 51 nell'Artificial Analysis Cyber Index, restando dietro a Kimi K3.1 Pro (64), DeepSeek V4.1 Flash (57) e Grok 4.7 (56). Tuttavia, questi punteggi richiedono un contesto. L'indice misura quanto bene i modelli di IA riescono a individuare e risolvere le vulnerabilità di sicurezza. Non valuta la loro capacità di portare a termine attacchi informatici.
Quanto dista dalla frontiera chiusa
Nonostante i miglioramenti riportati di Large 4 nella codifica e nella cybersecurity difensiva, i principali modelli open-weight sono ancora indietro rispetto ai sistemi chiusi più potenti. Un'analisi di Epoch AI del 16 ottobre ha assegnato a GLM-5.3, il principale modello open-weight, un punteggio Cyber ECI di 160. I modelli chiusi più avanzati hanno ottenuto 171. Analizzando le prestazioni storiche, Epoch ha stimato che i modelli open-weight fossero indietro di sei-sette mesi rispetto alla frontiera chiusa. Tuttavia, la sua valutazione è stata effettuata prima del rilascio finale di Large 4.
L'AI Security Institute britannico è giunto a una conclusione simile. Ha stimato un divario di quattro-sette mesi tra i modelli open-weight e i loro concorrenti closed-weight, sebbene i suoi test differissero da quelli di Epoch AI.
Il problema va oltre la questione delle capacità difensive. Nell'ambito dei suoi test controllati, Anthropic ha segnalato che GLM-5.3 è riuscito a sfruttare vulnerabilità esistenti in 50 prove su 410. I ricercatori sono riusciti a aggirare le funzionalità di sicurezza del modello nel 64%-100% delle varie simulazioni.
La promessa di sovranità incontra la realtà dell'adozione
Le aziende mostrano un maggiore interesse nel controllare i propri sistemi di IA, ma la spesa racconta una storia diversa. Secondo i rapporti, il 42% delle imprese intervistate ha utilizzato modelli open-weight in produzione a settembre, rispetto al 31% di luglio.
Tuttavia, i pesi aperti hanno rappresentato solo il 5% del consumo di IA misurato a ottobre. Claude deteneva il 29%, mentre Microsoft 365 Copilot rappresentava il 36%.
Futurum ha inoltre scoperto che l'origine del modello ha influenzato le decisioni per il 47% degli utenti in produzione. Tuttavia, il suo sondaggio si è concentrato principalmente sull'America settentrionale, limitando conclusioni più ampie.
Per le imprese, una maggiore indipendenza significa anche assumersi maggiori responsabilità. PwC ha avvertito che le aziende che scelgono i pesi aperti devono gestire autonomamente la sicurezza e la manutenzione.
Salvaguardie non revocabili
Questa responsabilità diventa particolarmente importante quando i modelli di IA possono gestire compiti sensibili di cybersecurity. Mistral afferma che Large 4 rifiuta il 96,6% delle richieste cyber dannose. Tuttavia, queste protezioni possono essere rimosse una volta scaricato il modello. AISI avverte inoltre che gli sviluppatori non possono monitorare o ritirare le copie ospitate in privato.
Moonshot ha adottato un approccio diverso. L'azienda ha rimosso i materiali di formazione sulla cybersecurity da Kimi K3.1 Pro prima del previsto rilascio dei pesi del 4 novembre. Il suo punteggio interno nel benchmark offensivo è successivamente sceso dal 90,5% all'81,0%. Tuttavia, questi risultati non sono stati verificati indipendentemente.
Al 30 ottobre, nessun attacco cyber pubblicamente documentato è stato collegato ai nuovi pesi rilasciati da Large 4.
I cervelli più intelligenti del crypto leggono già la nostra newsletter. Vuoi unirti a loro? Unisciti a loro.
Domande frequenti
Cos'è Mistral Large 4 e dove può essere scaricato?
Large 4, soprannominato "Le Chonk", è il modello multimodale nativo di Mistral con un trilione di parametri e circa 49 miliardi di parametri attivi. I suoi pesi sono ora disponibili su Hugging Face e tramite l'API di Mistral.
Il punteggio dell'Indice Cyber di Large 4 dimostra che può eseguire attacchi?
No. Artificial Analysis afferma che il suo Cyber Index misura solo attività difensive: individuazione, riproduzione e correzione delle vulnerabilità, escludendo esplicitamente la creazione di exploit funzionanti; pertanto, il 51% di Mistral non costituisce prova di capacità offensive.
Quanto sono indietro i sistemi open-weight rispetto ai modelli chiusi nel campo della cybersecurity?
Il 16 ottobre Epoch AI ha stimato che il fronte open fosse indietro di circa sei-sette mesi rispetto al fronte closed, mentre l'AISI britannico aveva precedentemente misurato un divario di quattro-sette mesi utilizzando i propri test.
Disclaimer. Le informazioni fornite non costituiscono consulenza finanziaria. Cryptopolitan.com non si assume alcuna responsabilità per eventuali investimenti basati sulle informazioni presenti in questa pagina. Si raccomanda vivamente di effettuare ricerche autonome e/o consultare un professionista qualificato prima di prendere qualsiasi decisione di investimento.
Micah Abiodun
Micah Abiodun utilizza al meglio la sua laurea magistrale in Ingegneria Ambientale e Gestione (MSc) presso l'Università Tecnologica di Tallinn (TalTech) per affinare le notizie su contenuti e previsioni dei prezzi su Cryptopolitan. Ora al suo 7° anno nello spazio mediatico crypto, copre le principali criptovalute, altcoin, DeFi, stablecoin, trend macroeconomici e tecnologie emergenti.
