Mistral abre su modelo de un billón de parámetros para programar y ciberdefensa

Mistral AI, la empresa francesa de inteligencia artificial, publicó el 29 de octubre los pesos de Mistral Large 4, su modelo más grande, con alrededor de un billón de parámetros, según su anuncio oficial. Cualquier empresa u organismo puede descargarlo y correrlo en sus propios servidores, sin mandar sus datos a otro país. Los pesos son los valores que el modelo aprendió al entrenarse, y tenerlos equivale a tener el modelo completo.

Hasta ahora Large 4 solo se usaba en la nube de Mistral, en una versión preliminar presentada a comienzos de octubre, según Silicon UK. Mistral lo orienta a dos tareas, programar con agentes que trabajan solos durante varios pasos y defender sistemas informáticos.

Un billón de parámetros que trabajan por turnos

Un billón, en español, es un millón de millones. Pero Large 4 no usa todo ese tamaño en cada respuesta. Es un modelo de mezcla de expertosmezcla de expertos (MoE) Arquitectura de modelos de inteligencia artificial que divide la red en subredes especializadas y activa solo algunas para cada parte del texto, lo que reduce el cómputo necesario., una arquitectura que reparte el conocimiento en 128 bloques y activa solo cuatro por vez, y según la ficha técnica en Hugging Face cada palabra procesada pasa por unos 49.000 millones de parámetros, 52.000 millones si se cuentan las capas de entrada y salida. La misma ficha indica que admite textos de hasta un millón de tokensUnidad mínima de texto que procesa un modelo de lenguaje, como una palabra, parte de una palabra o un signo. Se usa para medir cuánto lee y escribe un modelo y para cobrar su uso., las unidades en que el modelo divide el texto, y Mistral afirma que maneja más de 160 idiomas y que también lee imágenes.

La licencia, que Mistral llama "Ecosystem Open-Weight", es una versión modificada de la licencia MIT. Permite usar, modificar, reentrenar y comercializar el modelo con una sola condición. Las empresas que vendan el modelo como servicio a terceros necesitan una licencia comercial aparte de Mistral. Un banco que lo instala para uso propio queda libre; un proveedor de nube que lo revenda, no.

Para quien no quiera instalarlo, la APISigla en inglés de interfaz de programación de aplicaciones: conjunto de reglas que permite que un programa le pida datos o funciones a otro de manera estandarizada. de Mistral cobra 0,70 dólares por millón de tokens de entrada y 2,10 dólares por millón de salida, según el anuncio. The Next Web, en su nota del 29 de octubre, todavía decía que el precio no estaba publicado.

Los números son de Mistral

Todas las comparaciones las publicó la propia empresa. En Terminal-Bench 4.0, una prueba de tareas de programación en la terminal, Large 4 marcó 41 %, contra 28 % de la versión preliminar, y quedó apenas por encima de GLM-5.3, el modelo abierto de la china Z.ai, con 40 %, según los gráficos que recoge The Next Web. En una prueba de preferencia de programadores, Mistral dice que solo lo supera Claude Opus 5.5, de Anthropic, y en otras pruebas queda detrás de Kimi K3, otro modelo abierto chino.

En ciberseguridad, Mistral afirma que el modelo rechaza en promedio el 96,6 % de los pedidos maliciosos, la tasa más alta que midió entre modelos abiertos. Pero el anuncio también admite un riesgo. La empresa dice que ve "un potencial de ayuda para realizar ataques reales" y que está reforzando sus salvaguardas. Por eso la variante especializada en pruebas de penetración y búsqueda de fallas, la parte más sensible, no se publicó y sigue en prueba con socios verificados como Orange Cyberdefense y con contratos que limitan su uso a sistemas propios o autorizados.

Soberanía con un costo de entrada

El argumento de venta de Mistral es la soberanía. Pierre Stock, vicepresidente de ciencia de la empresa, sostuvo, según The Next Web, que la IA será como la electricidad y que ninguna empresa debería depender de un proveedor que le pueda cortar el acceso. En el mismo anuncio, Microsoft, socia de Mistral, matiza la idea: "La soberanía no siempre exige alojar el modelo uno mismo".

El matiz importa en Latinoamérica, porque tener el modelo no es lo mismo que poder correrlo. Según The Next Web, la versión comprimida necesita cuatro procesadores B200 o B300 de NVIDIA, chips de centro de datosInstalación que concentra servidores, almacenamiento y equipos de red para procesar y guardar datos de forma continua, con un consumo eléctrico alto y constante. de la última generación, y los ejemplos de instalación de la ficha técnica usan un servidor de ocho. Para un ministerio, un banco o una universidad de la región, la licencia es gratuita pero la infraestructura no. La alternativa intermedia es un proveedor local que lo aloje, y ahí aparece la licencia comercial que exige Mistral.

Mistral no anunció socios ni clientes en la región en este lanzamiento. Los que cita son europeos, como La Banque Postale y ABN AMRO. El mismo 29 de octubre, Microsoft y el Centro Nacional de Inteligencia Artificial de Chile (CENIA) firmaron un acuerdo de dos años para apoyar a Latam GPT, el modelo abierto de la región, con 250.000 dólares en créditos de nube, según el comunicado de Microsoft. Latam GPT reúne a unas 60 instituciones de 15 países y se entrenó con más de 300.000 millones de tokens en español y portugués, dos idiomas que, según ese comunicado, suman alrededor de un 6 % de los datos con que se entrenan los grandes modelos.

Mistral también prometió versiones más chicas del modelo, incluida una para computadoras portátiles, aunque sin fecha, según The Next Web.

Ficha técnica

Repositorio mistralai/Mistral-Large-4-1T-A52B e identificador de API mistral-large-4-0. Mezcla de expertos con 128 expertos, 4 activos por token y uno compartido. Entrenado en 3.800 GPU Grace Blackwell en Europa. Versión cuantizada NVFP4 para GPU Blackwell, servida con vLLM o SGLang. Entrada con caché, 0,07 dólares por millón de tokens.