L'annuncio del modello è uscito. L'API si può provare. Per la tua installazione locale, però, il pacchetto vero e proprio manca ancora. Questa fase intermedia è particolarmente facile da trascurare con i modelli aperti: un quadro tecnico degli obiettivi sembra subito un download già disponibile.
Mistral ha presentato Large 4 il 6 ottobre 2026 come anteprima pubblica dell'API. L'annuncio indica la fine del mese per il rilascio dei pesi; anche la scheda del modello riporta un'anteprima pubblica. Secondo le fonti al 25 ottobre, l'accesso in anteprima e il pacchetto del modello locale annunciato restano stati separati.
Di cosa si occupa il servizio
Con un'API, la tua applicazione invia una richiesta a un servizio che fornisce il modello. Quel servizio mantiene l'ambiente di esecuzione necessario. Per un piccolo test, quindi, non devi prima far stare tutti i pesi del modello sul tuo computer.
Una strada locale sposta questa responsabilità. Ti servono i file giusti, un runtime compatibile e risorse sufficienti. A questo si aggiungono le condizioni d'uso applicabili. Avere un file non risponde ancora a tutte queste domande; un annuncio non risponde nemmeno alla domanda su quale artefatto concreto esista.
Per la pianificazione tecnica è utile separare tre ambiti: l'accesso al servizio, gli artefatti completi e un modo dimostrato di eseguire il modello. Per ciascun ambito, annota lo stato che hai effettivamente verificato. In questo modo, un download successivo diventa un'aggiunta mirata anziché una correzione silenziosa di un'affermazione sulla disponibilità fatta troppo presto.
Il compito resta indipendente dalla via di accesso
Definisci prima un piccolo caso d'uso, come riassumere le tue note di prodotto. Tre frasi fattuali, nessuna proprietà sconosciuta aggiunta e una nota visibile sulle contraddizioni sono requisiti utili. Queste regole valgono sia per un test tramite il servizio sia per un eventuale confronto locale successivo.
Usa poche note sintetiche di cui conosci il significato. Una nomina un materiale, una corregge una quantità, a una manca la taglia. Mantieni invariati gli input e i limiti desiderati. Se in seguito cambiano sia la via di accesso sia l'istruzione, difficilmente potrai attribuire le differenze a un'unica causa.
Identificare un artefatto senza ambiguità
Non appena hai effettivamente un file del modello che puoi usare legittimamente, puoi registrarne il nome, la dimensione e un checksum. Il seguente strumento Python, scritto da noi, legge un file esistente blocco per blocco. Non scarica nulla, non modifica alcun file e non verifica la qualità del modello.
from pathlib import Path
import hashlib
import sys
pfad = Path(sys.argv[1])
if not pfad.is_file():
raise SystemExit("Specify an existing file.")
pruefer = hashlib.sha256()
with pfad.open("rb") as quelle:
for block in iter(lambda: quelle.read(1024 * 1024), b""):
pruefer.update(block)
print("File:", pfad.name)
print("Bytes:", pfad.stat().st_size)
print("SHA256:", pruefer.hexdigest())Salvalo come datei-stand.py e, quando lo esegui, passagli il percorso effettivo di un file esistente. Per un modello composto da più parti, il checksum di una singola parte non basta per l'intero pacchetto. In tal caso, elenca singolarmente gli artefatti rilevanti e conserva insieme a essi una nota sulla loro origine.
Un checksum è un segno di identità. Mostra se due versioni di un file coincidono. Non certifica né un diritto d'uso né la sicurezza, la correttezza dei contenuti o una memoria sufficiente. Queste domande richiedono verifiche separate.
Dal download al funzionamento locale documentato
Per una prova locale autentica ti servono inoltre il runtime esatto, la sua configurazione e un piccolo compito effettivamente eseguito. Un download riuscito da solo non è ancora un caricamento riuscito. Un modello caricato da solo non è ancora un risultato utilizzabile.
Conserva quindi il comando che hai effettivamente usato e l'output che hai osservato insieme alla versione dell'artefatto. Se manca un prerequisito, resta aperto proprio quel passaggio. Dal punto di vista tecnico, è più utile dell'affermazione generica che il modello sia ora disponibile in locale.
La novità di Mistral apre una concreta via di anteprima tramite API e descrive un rilascio pianificato dei pesi. Chi tiene separati questi livelli può seguire lo sviluppo con interesse e aggiungere in seguito un proprio test tracciabile. Il confine netto tra annunciato, presente ed eseguito rende comprensibile nella pratica un grande annuncio di modello.
Fonti e stato
Fonti aggiornate al 25 ottobre 2026. Introducing Mistral Large 4 · Scheda del modello Mistral Large 4.
