Mistral ha presentado Mistral Large 4, un modelo de inteligencia artificial de un billón de parámetros, de los que 49.000 millones están activos, que ya se puede probar en vista previa y cuyos pesos publicará a finales de este mes. La compañía lo anunció este martes en su blog, donde lo describe como su modelo más grande y más capaz hasta la fecha, multimodal de serie: entiende texto e imágenes.
Por ahora lo que hay es una API en vista previa pública dentro de Mistral Studio. Internamente lo llaman ML4 y, en broma, «le Chonk». Hasta que salgan los pesos, Mistral lo somete a pruebas de ataque controladas con responsables de ciberseguridad, socios verificados y autoridades estatales, que acceden al mismo modelo con menos moderación y más capacidades de ciberseguridad.
Un billón de parámetros, pero en cada paso solo trabajan 49.000 millones
Un billón, en español, es un millón de millones (1012), lo que en inglés se llama trillion, la palabra que usa Mistral. Los parámetros activos, en cambio, son 49.000 millones: los «49 billion» del original, que no son billones.
La ficha lo define como un modelo de mezcla de expertos (MoE, por sus siglas en inglés). En un modelo así, la red se reparte en bloques especializados y, para cada fragmento de texto que procesa, solo se enciende una parte de ellos: esos son los parámetros activos. El total marca cuánto ocupa el modelo; los activos, cuánto cálculo cuesta cada paso. La cuenta: 49.000 millones de un billón es el 4,9 %, así que en cada paso trabaja menos de una vigésima parte del modelo.
Entrenado desde cero en Europa con 3.800 GPU de Nvidia
ML4 se ha entrenado desde cero con 3.800 GPU NVIDIA Grace Blackwell en los centros de datos propios de Mistral en Europa, y la vista previa se sirve desde esa misma infraestructura. Estará en varias regiones del mundo, entre ellas un despliegue europeo que Mistral opera de principio a fin, sin depender de otros proveedores y bajo la ley europea. Sus datos de entrenamiento abarcan más de 160 idiomas, entre ellos todas las lenguas oficiales de la Unión Europea, y con ellas el español.
Mistral dice que destaca en código, agentes y ciberseguridad
Con cifras propias o de evaluaciones que ella cita, la compañía asegura que ML4 compite con los modelos abiertos más fuertes del mundo y supera con claridad a cualquier modelo de pesos abiertos desarrollado en Estados Unidos o en Europa. Donde más insiste es en ciberseguridad: en el índice de Artificial Analysis queda entre los cinco mejores modelos del mundo, y en una prueba que pide reproducir una vulnerabilidad real y corregirla saca un 82 %, la nota más alta de cualquier modelo.
Mistral afirma que varios modelos cerrados punteros, entre ellos Claude Opus 5.5 y GPT-6 Astra, sacan casi cero en esa prueba porque se niegan a hacerla, y defiende que proteger un programa empieza a menudo por demostrar que el fallo existe. A la vez, asegura que ante peticiones maliciosas de ciberseguridad rechaza más que cualquier modelo abierto.
| Prueba | Qué mide | Resultado de ML4 |
|---|---|---|
| Cybench | 40 ejercicios de competiciones de seguridad | 93 % resueltos |
| DeepSWE 1.1 | Ingeniería de software | 61,7 % |
| Terminal-Bench 4 | Trabajo complejo en la terminal | 28,3 % |
| AutomationBench | 657 flujos de trabajo de empresa | 59,9 % |
| Evaluación humana con Surge AI | Calidad del código, de 1 a 5, a ciegas | 3,74, solo por detrás de Claude Opus 5 (4,22) |
Los pesos abiertos son para quien quiere la IA en su propio servidor
Los pesos, que llegan a final de mes, son los valores que el modelo aprendió al entrenarse, y publicarlos permite ejecutarlo fuera de la nube de Mistral: en una nube privada o en servidores propios. El argumento de la compañía es la ciberseguridad: perder el acceso a una herramienta a mitad de un incidente puede ser en sí un riesgo, y con el modelo en casa eso no depende de nadie.
Mistral lo dirige a las organizaciones que necesitan una IA soberana y auditable para sus operaciones de seguridad, que podrán ejecutarlo en una nube privada o en sus propios servidores. Quien solo quiera probarlo tiene la API, que la nota tarifica en 1,36 dólares por millón de tokens de entrada y 4,18 por millón de salida.
Queda por ver lo principal. Con los pesos, Mistral promete más detalles de la arquitectura, más pruebas y su método de entrenamiento, y avisa de que el entrenamiento de esta vista previa sigue en marcha. ML4 es, según la compañía, el primer hito de la hoja de ruta que financia su ronda de 3.000 millones de euros, y la base de una nueva generación de modelos especializados.
Te puede interesar
Tech Planet participa en el programa de afiliados de Amazon. Si compras a través de estos enlaces, recibimos una pequeña comisión sin coste extra para ti, lo que nos ayuda a seguir creando contenido como este.
| Imagen | Producto | Características | Comprar |
|---|---|---|---|
![]() |
GL.iNet GL-MT3000 Beryl AX, router de viaje | Wi-Fi 6 de doble banda · WAN de 2,5 G · OpenVPN y WireGuard · OpenWrt · DNS sobre HTTPS y sobre TLS | Ver precio en Amazon |
![]() |
Beelink ME Mini, NAS de escritorio | Intel N95 (4 núcleos / 4 hilos) · 12 GB LPDDR5 · 6 ranuras M.2 NVMe de hasta 4 TB cada una · doble LAN de 2,5 Gbps | Ver precio en Amazon |
![]() |
Curso intensivo de Python, tercera edición | libro · tercera edición | Ver precio en Amazon |
![]() |
Raspberry Pi 5 | Broadcom BCM2712 · CPU Arm Cortex-A76 de 4 núcleos a 2,4 GHz · Wi-Fi de doble banda y Bluetooth 5.0 · Gigabit Ethernet con PoE+ (requiere HAT aparte) | Ver precio en Amazon |
Escrito por Eloy Andrade









