Mistral Large 4 tiene un billón de parámetros, y Mistral dice que los publicará como pesos abiertos antes de que termine octubre. La empresa francesa de IA abrió una vista previa pública de su nuevo modelo insignia el 6 de octubre y afirmó que los pesos del modelo, los números entrenados que lo hacen funcionar, se publicarán este mismo mes, lo que dará a empresas y desarrolladores un modelo de nivel de frontera que podrán alojar, inspeccionar y modificar por su cuenta.
Eso importa más allá de las tablas de benchmarks. La mayoría de los sistemas de IA más potentes de hoy son cerrados y se alquilan a través de una API, en los términos del proveedor. Un modelo de pesos abiertos de este tamaño, construido y entrenado en Europa, ofrece otra opción a quienes crean productos en un momento en que dónde se ejecuta la IA, y quién la controla, se ha convertido en una decisión de negocio por sí misma.
Qué lanzó Mistral y cuándo
Mistral llama internamente al modelo ML4 y, en su propio anuncio, "le Chonk", en tono de broma. La API en vista previa ya está disponible en Mistral Studio, y la empresa dice que publicará los pesos antes de fin de mes. Hasta entonces, según Mistral, el modelo se somete a pruebas de red-teaming en situaciones reales con responsables de ciberseguridad, socios seleccionados y autoridades estatales, que evalúan una versión con moderación reducida y capacidades cibernéticas ampliadas.
La empresa describe ML4 como un modelo nativamente multimodal con un billón de parámetros en total y 52.000 millones de parámetros activos, es decir, solo una fracción de la red se usa para procesar cada solicitud. Ese diseño ayuda a que sea viable servir un modelo de esta escala. Mistral Large 4 es el modelo más grande y capaz de Mistral hasta la fecha, y la empresa dice que sigue mejorando a medida que avanza el entrenamiento.
Se prometen más detalles antes de que lleguen los pesos. Mistral dice que publicará información sobre la arquitectura del modelo, benchmarks adicionales y su metodología de post-entrenamiento, y que ML4 será la base de una nueva generación de modelos especializados y optimizados de la empresa.
Construido en Europa, con hardware propio
El modelo se entrenó desde cero en 3.800 GPU NVIDIA Grace Blackwell en los centros de datos propios de Mistral en Europa, y la vista previa pública funciona sobre la misma infraestructura, según la empresa. CNBC informó de una cifra de unas 4.000 GPU a lo largo de dos meses de entrenamiento.
La cobertura de idiomas es amplia. Una parte importante de los datos de entrenamiento era multilingüe y abarcaba más de 160 idiomas, incluidas todas las lenguas oficiales de la Unión Europea, algo relevante para empresas y organismos públicos que trabajan fuera del inglés. ML4 se ofrecerá en varias regiones del mundo, incluida una implantación europea que Mistral dice gestionar de principio a fin, de forma independiente de otros proveedores de servicios digitales y bajo la ley europea.
El consejero delegado Arthur Mensch presentó esa independencia como la clave. En declaraciones a la CNN, Mensch dijo que el desarrollo europeo mantiene a Mistral fuera de un "duopolio" entre Estados Unidos y China en la IA. "Hay un enorme deseo y una enorme necesidad de proveedores alternativos de tecnología", añadió Mensch.
Qué dicen los benchmarks
Los resultados publicados por Mistral sitúan a Mistral Large 4 en lo más alto, o cerca, entre los modelos de pesos abiertos en varias tareas. En ingeniería de software, la empresa informa de un 61,7% en DeepSWE v1.1, un 59,4% en SWE-Atlas-QnA y un 28,3% en Terminal-Bench 4, con una puntuación combinada del 49,8% en el Coding Agent Index, que según la empresa lo sitúa por delante de DeepSeek V4 Pro y Qwen3.8 Max. En una evaluación humana a ciegas de la calidad del código, realizada con Surge AI, ML4 quedó segundo de cinco modelos, solo por detrás de Claude Opus 5.
En automatización empresarial, Mistral informa de un 59,9% en AutomationBench, un conjunto de 657 flujos de trabajo en herramientas como Gmail, Google Sheets, Slack y Salesforce, y de 1.393 puntos Elo en AA-Briefcase, que mide tareas largas de trabajo intelectual como hojas de cálculo, presentaciones y PDF. En anclaje visual, la empresa dice que ML4 superó por poco a GPT-6 Astra en la prueba Dense 200, por un 42% frente a un 41%.
Son cifras de la propia empresa y necesitan contexto. CNBC señaló que el modelo todavía va por detrás de la frontera en áreas como la programación, y la CNN dijo que no pudo verificar de inmediato las afirmaciones de Mistral sobre coste y capacidad. Las pruebas independientes llegarán cuando los pesos sean públicos.
Por qué la ciberdefensa es el uso principal
Mistral apuesta por la seguridad. En el Artificial Analysis Cyber Index, una evaluación independiente de lo bien que los modelos encuentran y corrigen fallos en software real, la empresa dice que ML4 está entre los cinco mejores modelos del mundo y lidera los modelos de pesos abiertos desarrollados fuera de China. En una prueba que pide al modelo reproducir una vulnerabilidad real en software de código abierto y después corregirla, ML4 obtuvo un 82%, que según Mistral es la puntuación más alta de cualquier modelo, y resolvió el 93% de Cybench, un conjunto de 40 ejercicios de competiciones de seguridad.
El argumento de la empresa gira en torno a las negativas. Afirma que varios modelos cerrados de referencia puntúan cerca de cero en esa prueba de vulnerabilidades porque rechazan la tarea, aunque demostrar que un fallo es real suele ser el primer paso para defenderse de él. Un modelo de pesos abiertos que funciona en los sistemas de la propia organización evita ese problema y mantiene los datos sensibles en casa. El cofundador y científico jefe Guillaume Lample dijo a CNBC que las capacidades de ciberdefensa del modelo permitirán a empresas y gobiernos defenderse de actores maliciosos que están forzando modelos cerrados para lanzar ciberataques.
Otras empresas han defendido lo mismo a partir de la experiencia. El consejero delegado de Hugging Face, Clement Delangue, dijo a la CNN en julio que, durante un incidente de seguridad en la empresa, ejecutar un modelo en su propia infraestructura fue obligatorio porque los datos implicados eran privados, y que solo los modelos abiertos lo hacían posible.
Qué significan los pesos abiertos para los creadores más pequeños
Para startups, pequeñas agencias y desarrolladores independientes, los pesos abiertos cambian la posición negociadora. Un equipo puede ajustar el modelo con sus propios datos, ejecutarlo en su propia cuenta en la nube o en la región que elija y evitar que un producto dependa de las decisiones de precios o de políticas de un único proveedor. El vicepresidente de ciencia de Mistral, Pierre Stock, dijo a la CNN que el modelo se construyó con una "fracción de la computación" de la competencia, lo que según la empresa lo hace más barato de construir y de usar.
Hay un límite práctico. Un modelo de un billón de parámetros no es algo que la mayoría de los equipos pequeños vaya a ejecutar en un portátil o en un solo servidor; servirlo exige hardware potente. Para muchos creadores, el camino realista será la API alojada, un proveedor en la nube que ofrezca los pesos abiertos o los modelos especializados más pequeños que Mistral dice que derivará de ML4. El sentido de los pesos abiertos es que esas opciones existan y compitan entre sí, no que cada equipo ejecute el modelo completo por su cuenta.
En MW3.biz creemos que la IA capaz debe estar al alcance del mayor número posible de creadores, y no solo de las grandes empresas. Desde la perspectiva de la democratización tecnológica, un modelo de nivel de frontera publicado con pesos abiertos amplía el grupo de personas que pueden estudiar, adaptar y desplegar IA avanzada. Las preocupaciones sobre el mal uso son reales y merecen un trato cuidadoso, y el red-teaming por etapas de Mistral es una respuesta a ellas. Nuestra opinión es que un acceso más amplio y responsable sigue siendo la mejor respuesta a largo plazo.
Los próximos pasos de Mistral
La empresa tiene dinero para seguir creciendo. Mistral cerró en septiembre una ronda Serie D de 3.000 millones de euros con una valoración de 21.000 millones de euros, según CNBC, y Lample dijo que las capacidades del modelo mejorarán a medida que crezca la capacidad de entrenamiento gracias a esa ronda. La CNN situó la financiación total de Mistral en unos 6.000 millones de dólares desde su fundación hace tres años, una fracción de lo que han captado los mayores laboratorios estadounidenses.
La competencia es intensa. Laboratorios chinos como DeepSeek, Alibaba y Z.ai dominan buena parte del mercado de pesos abiertos, y la startup estadounidense Reflection lanzó su propio modelo abierto, Beam, un día antes del anuncio de Mistral. Para quien compara opciones, nuestra cobertura de la semana pasada sobre OpenAI Codex trabajando en la nube muestra lo rápido que avanzan también las herramientas cerradas de programación.
El siguiente hito son los propios pesos. Cuando Mistral Large 4 se pueda descargar, los benchmarks independientes, los términos de la licencia y el hardware necesario para servirlo mostrarán hasta dónde llega realmente un modelo abierto de un billón de parámetros más allá de la infraestructura de Mistral.
