Mistral propone sulla sua piattaforma il modello GLM, in accesso libero (pesi aperti), del laboratorio cinese Zhipu AI. Questa scelta, che ha fatto discutere nell’ambiente tech francese, risponde secondo la fonte a una scommessa sia finanziaria che tecnica, e ha preparato l’arrivo di Mistral Large 4, un modello da 1.000 miliardi di parametri rilasciato all’inizio di ottobre.
- Mistral ospita il modello GLM di Zhipu AI per generare ricavi ricorrenti.
- I costi elevati delle GPU spingono gli editori di IA a cercare nuove entrate.
- Mistral punta sull’inferenza sovrana e invia ingegneri presso i clienti.
- GLM aiuta Mistral a imparare, mentre Mistral Large 4 resta il modello predefinito.
Alcuni vi hanno visto un tradimento della promessa di sovranità dell’azienda, altri un’evoluzione verso un’attività di consulenza e cloud. In sostanza, la spiegazione è innanzitutto contabile. Gli editori di IA spendono somme considerevoli nelle infrastrutture fisiche, i processori grafici (GPU), per addestrare i loro modelli. Nel dossier di introduzione in Borsa di Anthropic, citato dalla fonte, figurano così 7,33 miliardi di dollari spesi in calcolo nel 2025, per 4,6 miliardi di ricavi.
Mistral dispone di mezzi ben inferiori a quelli di OpenAI o Anthropic, nonostante diversi round di finanziamento successivi, tra cui 1,7 miliardi di euro nel 2025. L’integrazione di GLM mira quindi a creare una fonte di ricavi ricorrenti, fatturando alle aziende ogni risposta prodotta all’interno dei loro servizi. « È chiaramente un ottimo business, che porta ricorrenza nei loro ricavi, con dei capex che si ammortizzano », spiega Bilal El Alamy, cofondatore e CEO di Pyratz (venture builder).
Un’offerta pensata per l’inferenza sovrana
Mistral si ispira anche a Palantir e ai suoi ingegneri distaccati presso il cliente, chiamati « forward deployed engineers ». Presenti sul posto, questi ingegneri installano e dispiegano le tecnologie, e consigliano le aziende sull’IA in generale. Questa presenza permette a Mistral di insediarsi presso i grandi clienti, in particolare nell’ambito dell’IA sovrana, un segmento dove Marc Trilling, presidente e cofondatore di Saegus, vede « una forte prospettiva di crescita ».
Secondo Saegus, che consiglia le aziende del CAC 40, queste si interessano meno all’origine di un modello che al luogo dove gira la sua inferenza, cioè il processo che permette di farlo funzionare su dei server. Mistral afferma in un post del blog dell’11 agosto che GLM e i futuri modelli di terze parti « gireranno sulla stessa infrastruttura, con gli stessi controlli regionali e gli stessi impegni di servizio » dei suoi modelli propri.
Questa domanda risponde a un bisogno concreto. Nicolas Gaudemet, chief AI officer di Onepoint, osserva che « alcuni dei nostri clienti hanno vere sfide di sovranità », in particolare nel settore pubblico, su dati ipersensibili. Per molte aziende, far girare questi modelli in loco o sulle proprie infrastrutture cloud rimane troppo costoso, perché i modelli attuali sono molto pesanti. Secondo lui, l’interfaccia di Mistral diventa allora la soluzione più logica. Cita Scaleway, OVHcloud, Cloud Temple e Mistral come i soli attori che attualmente propongono un accesso sovrano via API, su larga scala, a modelli di frontiera.
Un banco di prova per i modelli di frontiera
Ospitare GLM offre anche a Mistral l’occasione di imparare a far girare un modello di frontiera su larga scala sulla propria infrastruttura. Servire correttamente migliaia di clienti con modelli di diverse centinaia di miliardi di parametri è delicato, e OpenAI come Anthropic ci si sono scontrati, anche se la loro clientela è senza paragoni. Bilal El Alamy stima che, una volta l’infrastruttura pronta, Mistral potrà recuperare terreno sui concorrenti approfittando delle buone pratiche esistenti.
Mistral Large 4 rimane indietro rispetto ai modelli cinesi e americani più performanti. Addestrare un modello da 1.000 miliardi di parametri con sole 4.000 chip Nvidia Grace Blackwell costituisce tuttavia, secondo la fonte, un successo tecnico. « Pensiamo davvero di aver trovato il metodo giusto per iterare », riassume Pierre Stock, VP science di Mistral AI.
Le capacità di calcolo acquistate con il round di serie C, annunciato a settembre 2025, saranno pienamente operative solo tra fine ottobre 2026 e inizio 2027. Fino ad allora, GLM non ha vocazione a rimanere in primo piano. « Il piano è ovviamente di avere ML4 come modello predefinito in tutti i nostri prodotti », assicura Pierre Stock. Guillaume Lample, cofondatore e chief science officer di Mistral, precisa che il modello cinese rimarrà nel catalogo, ma che « di default, l’obiettivo è ovviamente di mettere in primo piano Mistral Large 4 ».
