Mistral presentó Mistral Large, de un billón de parámetros, y lo llama el modelo abierto más capaz fuera de China

Mistral abrió este 6 de octubre la vista previa pública de Mistral Large 4, un modelo de un billón de parámetros que la empresa francesa apoda, sin demasiada solemnidad, "le Chonk". La fecha que importa llega después: Mistral se comprometió a publicar los pesos a fin de mes, y desde ese momento será un modelo de pesos abiertosModelo de inteligencia artificial cuyos parámetros entrenados se publican para que cualquiera pueda descargarlos, modificarlos y ejecutarlos en su propia infraestructura., que cualquier empresa o gobierno podrá descargar, modificar y alojar en sus propios servidores.

Por ahora, quien quiera probarlo puede hacerlo a través de la interfaz de programación, o API, que Mistral ofrece en Mistral Studio, con el identificador mistral-large-4. Hasta que lleguen los pesos, según el anuncio de la empresa, el modelo queda en pruebas de ataque controlado con responsables de ciberseguridad, socios verificados y autoridades estatales, que usan una versión con menos moderación y capacidades de ciberseguridad ampliadas.

Los números los pone Mistral

Mistral presenta a le Chonk como el modelo de pesos abiertos más capaz desarrollado fuera de China, y según CNBC asegura que la ventaja sobre el resto es "sustancial". En su blog, la empresa afirma que el modelo compite con los mejores modelos abiertos del mundo y que supera con claridad a cualquiera desarrollado en Estados Unidos o en Europa. En tareas de empresa como ciberseguridad, finanzas y derecho, dice estar a la cabeza entre los modelos abiertos.

La arquitectura explica parte de la cifra que encabeza todo. De ese billón de parámetros, solo unos 52.000 millones son parámetros activosParte de los parámetros de un modelo de inteligencia artificial que se usa efectivamente para procesar cada token; puede ser mucho menor que el total de parámetros del modelo., los que el modelo usa en cada paso. El modelo también entiende imágenes de forma nativa y puede leer 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. en una sola consulta, el equivalente a varios libros.

Mistral sostiene además que entrenó el modelo desde cero en sus propios centros de datos en Europa. El detalle no es menor: Wired recuerda que el gobierno de Estados Unidos acusó a laboratorios chinos de abusar de la destilaciónTécnica para entrenar un modelo de inteligencia artificial a partir de las respuestas de otro más avanzado, de modo que el nuevo herede parte de sus capacidades. para acortar distancia con OpenAI y Anthropic.

Donde los modelos cerrados se niegan

El argumento más fuerte de Mistral está en la ciberdefensa. En el Artificial Analysis Cyber Index, que la empresa describe como una evaluación independiente de cuán bien un modelo encuentra y corrige fallas en software real, le Chonk queda entre los cinco primeros del mundo. En una de sus pruebas, que pide reproducir una vulnerabilidad real de software de código abierto y después corregirla, Mistral reporta un 82%, el puntaje más alto de todos los modelos. En Cybench, un conjunto de 40 ejercicios tomados de competencias de seguridad, resuelve el 93%.

El primer puesto tiene una explicación curiosa. Según Mistral, Claude Opus 5.5 y GPT-6 Astra sacan casi cero en esa prueba porque se niegan a hacer la tarea. La empresa argumenta que defender un programa muchas veces empieza por demostrar que la falla existe, justo el tipo de trabajo que bloquean los filtros de seguridad de los modelos cerrados.

Guillaume Lample, cofundador y científico jefe de Mistral, le dijo a CNBC que esas capacidades permitirán a empresas y gobiernos defenderse de atacantes que fuerzan a los modelos cerrados a saltear sus restricciones para lanzar ciberataques. A Wired le dio la versión corta: "Si usas un modelo cerrado, no hay garantía de que siga ahí mañana".

La frase tiene antecedentes. CNBC recuerda que este año Hugging Face, atacada por agentes de OpenAI fuera de control, recurrió primero a modelos cerrados estadounidenses para defenderse, pero sus barreras confundieron la defensa con un ataque, y terminó usando GLM 5.2, de la china Z.ai. Wired agrega que en junio el gobierno de Donald Trump restringió de forma temporal la distribución de modelos de OpenAI y Anthropic.

Ciento sesenta idiomas y un servidor propio

Para Latinoamérica, el cambio pasa por la dependencia. Hoy las empresas y los gobiernos de la región eligen, en general, entre modelos cerrados estadounidenses, que se usan bajo las reglas del proveedor, y modelos abiertos chinos, que se pueden alojar en casa. Mistral se suma a la segunda opción con un modelo europeo. La empresa dice que una parte importante de los datos de entrenamiento fue multilingüe, en más de 160 idiomas, entre ellos todas las lenguas oficiales de la Unión Europea, lo que incluye el español y el portugués. No detalla cuánto pesa cada uno.

Mistral también promete que el modelo estará disponible en varias regiones del mundo, con un despliegue europeo que opera de punta a punta bajo ley europea, y que podrá correr en nubes privadas o en servidores propios. Wired agrega que los modelos de pesos abiertos ya son más baratos de operar para las empresas, porque cuestan lo que consume el cómputo que usan.

Los límites también están a la vista. CNBC señala que le Chonk todavía queda por detrás de los modelos más avanzados en programación, y los propios números de Mistral lo reflejan: en una evaluación a ciegas con Surge AI, el modelo quedó segundo de cinco, detrás de Claude Opus 5. Las cifras tampoco coinciden del todo entre fuentes: Mistral dice que entrenó el modelo con unas 3.800 unidades de procesamiento gráfico, o GPU, mientras que CNBC habla de 4.000 durante dos meses. Y todos los resultados salen del anuncio de la empresa, que ni CNBC ni Wired verificaron por su cuenta.

La prueba real llega a fin de mes, cuando Mistral publique los pesos y prometa, junto con ellos, más detalles de la arquitectura, nuevas evaluaciones y su método de entrenamiento final. Recién entonces cualquiera podrá comprobar si el modelo hace lo que su ficha promete.

La ficha de le Chonk

Según la documentación de Mistral, Mistral Large 4 usa una arquitectura de mezcla de expertosArquitectura 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. granular, con 1,05 billones de parámetros en total, 52.000 millones activos y un codificador de visión de 1.600 millones de parámetros. Su contexto es de un millón de tokens. En la vista previa, con descuento, cuesta 0,68 dólares por millón de tokens de entrada y 2,09 dólares por millón de tokens de salida, la mitad de su precio de lista. En programación, Mistral reporta 61,7% en DeepSWE 1.1 y 28,3% en Terminal-Bench 4. El modelo se entrenó con GPU NVIDIA Grace Blackwell y la vista previa corre sobre esa misma infraestructura.