Mistral Large 4 publica sus pesos: escala, licencia y resultados iniciales

Qué cambia con la publicación de los pesos

Mistral Large 4, apodado «Le Chonk», pasó de una vista previa disponible por API a una versión cuyos pesos, según una actualización fechada el 29 de octubre, ya se habían publicado. El cambio importa porque descargar los pesos permite desplegar el modelo fuera del servicio de API, sujeto a los requisitos de hardware y a las condiciones de licencia. La información sobre la disponibilidad y la licencia procede de una actualización secundaria; los materiales primarios aportados para el anuncio inicial no confirman por sí solos que ambos extremos se hayan materializado.

La actualización describe los pesos como distribuidos bajo una licencia MIT modificada. Esa descripción no equivale necesariamente a una licencia MIT sin cambios: las condiciones concretas y cualquier limitación para determinados usos deben leerse en el texto legal aplicable. Tampoco basta con que los pesos sean descargables para concluir que el modelo sea de código abierto en todos los sentidos o que su uso comercial carezca de restricciones.

Escala y arquitectura: qué significa un billón de parámetros

Mistral presentó Large 4 como un modelo multimodal de mezcla de expertos, o MoE, con un billón de parámetros totales y 52.000 millones activos. En un MoE, el sistema activa una parte de sus componentes para procesar cada entrada, en vez de utilizar todos los parámetros en cada paso. Por eso, el total y la cantidad activa describen aspectos distintos: el primero da cuenta de la escala del modelo y el segundo de la parte que participa en una inferencia concreta. Ninguna de las dos cifras, por sí sola, determina la memoria exacta necesaria para desplegarlo.

El anuncio inicial de Mistral indica que el modelo se entrenó desde cero con 3.800 GPU NVIDIA Grace Blackwell en centros de datos propios de la empresa en Europa. También afirma que los datos de entrenamiento abarcaron más de 160 idiomas. Son datos declarados por el fabricante y describen el entrenamiento; no demuestran que cada idioma tenga la misma calidad, ni que cualquier despliegue futuro vaya a utilizar la misma infraestructura.

Benchmarks: resultados que no deben mezclarse

En la actualización del 29 de octubre se informa de que Large 4 obtuvo un 26 en la versión 5 del Intelligence Index de Artificial Analysis. La misma actualización compara esa puntuación con 32 para DeepSeek V4.1 Flash y GLM-5.3, y 30 para MiMo-V2.6-Pro. Son resultados atribuidos a Artificial Analysis y corresponden a una versión posterior del índice: no deben confundirse con la cifra 38 que fuentes secundarias asociaron al modelo durante la vista previa y bajo una versión anterior. Un cambio de versión puede alterar tanto las tareas como la escala, por lo que una puntuación no se compara de forma directa con otra sin comprobar la metodología.

La actualización también recoge que el rendimiento en Terminal-Bench 4.0 habría pasado de alrededor del 28 % en la vista previa a un 41 % tras semanas adicionales de entrenamiento. El dato se presenta como una cifra de Mistral, no como una medición independiente comprobada aquí. En el mismo texto se atribuye a Artificial Analysis un resultado de 51 en el Cyber Index para la versión posterior. Las diferencias entre puntuaciones del lanzamiento y de la actualización pueden reflejar entrenamiento adicional, nuevas configuraciones o versiones distintas de las evaluaciones; el material aportado no permite atribuir cada cambio a una sola causa.

Ciberseguridad: capacidad útil, pero no una garantía de defensa

La ciberseguridad es uno de los usos que Mistral destaca. En su anuncio inicial, la empresa atribuyó a Large 4 un 82 % en una prueba de reproducir y corregir una vulnerabilidad y un 93 % en los retos de Cybench. También afirmó que el modelo resiste el 93,3 % de los ataques del benchmark B3 de Lakera. Son resultados comunicados por Mistral en el anuncio; aunque este identifica algunas evaluaciones como independientes, no se aportaron aquí los protocolos completos, los conjuntos de datos ni las ejecuciones originales necesarias para reproducirlos.

Una puntuación elevada en una prueba de vulnerabilidades no demuestra que un sistema pueda proteger una red real ni que todo resultado sea seguro. La prueba de reproducir un fallo y proponer un parche evalúa una tarea delimitada; en una operación de seguridad intervienen el entorno, los permisos, la revisión humana y la validación del cambio. La propia diferencia entre tareas defensivas autorizadas y solicitudes maliciosas también importa: permitir análisis de vulnerabilidades puede facilitar usos legítimos y, a la vez, requiere controles para reducir el riesgo de abuso.

Coste, velocidad y uso con agentes

Una evaluación de inteligencia general no basta para decidir si Large 4 conviene en un agente de programación. En estos flujos, el modelo debe interpretar el repositorio, seleccionar herramientas, ejecutar comandos y comprobar el resultado. Una salida convincente puede no corresponder a un archivo creado o a una tarea terminada. En la vista previa, Mistral comunicó resultados propios de 61,7 % en DeepSWE v1.1, 59,4 % en SWE-Atlas-QnA y 28,3 % en Terminal-Bench 4, con 49,8 % en un índice combinado de agentes de programación. Son cifras del fabricante y dependen del protocolo de evaluación.

La actualización posterior atribuye a Artificial Analysis una velocidad de 161 tokens por segundo y un coste medio de 2,06 dólares por tarea del índice, frente a 5,54 dólares para la vista previa. También señala que Large 4 generó 110 millones de tokens de salida en el conjunto de tareas, frente a 150 millones en la vista previa. Estas cifras ilustran por qué el precio por millón de tokens no basta para estimar el coste real de una tarea: influyen la longitud de la salida, el número de pasos y los intentos necesarios. No son una garantía de que el modelo sea más barato en cualquier aplicación.

Disponibilidad y límites de lo confirmado

La actualización del 29 de octubre afirma que los pesos se publicaron en Hugging Face y describe una licencia MIT modificada. Sin embargo, la fuente primaria aportada es el anuncio inicial de Mistral, que solo prometía publicar los pesos hacia finales de octubre; no incluye la página del repositorio ni el texto de la licencia. Por ello, la publicación y las condiciones legales se pueden describir como información comunicada en la actualización, pero no como hechos comprobados directamente en el repositorio con el material disponible aquí.

La fecha también afecta a la lectura de los resultados. El anuncio inicial corresponde a una vista previa; la actualización habla de una versión posterior y de entrenamiento adicional. Las puntuaciones, el precio y el rendimiento pueden cambiar con la versión, el modo de razonamiento, el proveedor y el entorno de ejecución. Para una decisión de despliegue, conviene identificar la versión exacta, revisar la licencia aplicable y contrastar el comportamiento en tareas propias antes de depender del modelo en operaciones críticas.

Continúa explorando

Correcciones y transparencia

Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.