Mistral AI liberó el 29 de octubre los pesos de Mistral Large 4, el modelo que llevaba en versión preliminar pública desde el 6 de octubre. Un billón de parámetros, entrenamiento en centros de datos europeos y una licencia abierta con una sola condición: quien quiera ofrecerlo como servicio tendrá que negociar antes con la compañía.
Qué cambia cuando Mistral abre los pesos de Large 4
Los pesos de un modelo son los archivos que guardan lo aprendido durante el entrenamiento. Publicarlos significa que cualquiera puede descargarlos, ejecutarlos en su propio hardware y ajustarlos sin pedir permiso. Con la API el modelo sigue en servidores ajenos; con los pesos, pasa a ser un archivo que vive en tu infraestructura.
Lo nuevo es el tamaño. Large 4 es su modelo insignia, el que hasta hace unas semanas solo se podía usar a través de sus servidores, y ahora se puede descargar desde Hugging Face.
Para un equipo que trabaja con datos sensibles, el cambio es práctico antes que simbólico. Un banco, un hospital o una administración pública pueden ejecutar el modelo dentro de su propia red, sin que las consultas salgan de casa.
La contrapartida es el coste: un modelo así no corre en un portátil y exige un clúster con alguien que lo administre.
Un billón de parámetros, pero solo 50.000 millones activos
El número grande asusta y engaña. Large 4 tiene un billón de parámetros totales, pero usa una arquitectura de mezcla de expertos (MoE, por sus siglas en inglés). En lugar de recorrer toda la red para cada palabra que genera, activa una fracción: alrededor de 50.000 millones de parámetros por unidad de texto procesada.
La idea se entiende con una comparación de oficina. Una empresa con mil empleados no convoca a todo el mundo para cada decisión; llama al departamento que corresponde. La mezcla de expertos hace lo mismo con subredes especializadas y consigue la capacidad de un modelo enorme con un coste de cómputo mucho menor.
VentureBeat cifra la activación en 49.000 millones y la nota de Mistral hablaba de 52.000. Son redondeos y la conclusión no cambia: se paga por una fracción de lo que se almacena.
Para comparar, la generación anterior, Large 3, tenía 675.000 millones de parámetros totales y 41.000 millones activos. El salto de escala es real, aunque el salto en coste por consulta no lo es tanto.
Acepta texto e imágenes como entrada y responde solo con texto: no genera imágenes ni audio.
Cuatro mil aceleradores y dos meses en suelo europeo
Mistral entrenó Large 4 desde cero en sus propios centros de datos en Europa, con unos 4.000 aceleradores Nvidia Grace Blackwell y un proceso de aproximadamente dos meses, según VentureBeat. La generación anterior se había entrenado con 3.000 H200.
Ese dato importa: buena parte de los modelos abiertos potentes se entrena en instalaciones estadounidenses o asiáticas, y el origen del cómputo se ha vuelto argumento comercial para gobiernos y empresas europeas con requisitos de soberanía.
El modelo cubre más de 160 idiomas, entre ellos todas las lenguas oficiales de la Unión Europea. Para el español eso significa algo concreto: no es un modelo entrenado casi en exclusiva en inglés al que se le añadió un diccionario, sino uno con datos repartidos entre muchos idiomas.
Tres niveles de razonamiento en lugar de dos
La versión preliminar traía dos modos. Ahora hay tres. El nivel bajo resuelve tareas simples y sustituye al antiguo modo sin razonamiento. El medio cubre el uso diario. El alto viene activado por defecto y se reserva para los problemas más difíciles.
Poner el nivel alto por defecto tiene un coste y una lógica. El coste es que las consultas triviales gastan más de lo necesario si nadie cambia el ajuste. La lógica es que quien no toca la configuración suele ser quien necesita la respuesta buena a la primera.
En la práctica, conviene bajar el nivel en tareas de clasificación o extracción de datos; para programación y análisis, el alto es donde están los números que Mistral presume.
Los números de programación que Mistral pone sobre la mesa
Todas las cifras de esta sección son de Mistral, no de una auditoría independiente.
En FrontierCode 2.0, una prueba privada de Cognition que mide si el código generado acaba fusionado en un repositorio real, Large 4 obtiene 19,7 %, el mejor resultado entre modelos de pesos abiertos. Le siguen DeepSeek V4.1 Flash con 19,3 %, GLM-5.3 con 17,8 % y Kimi K3 con 17,3 %.
En Terminal-Bench 4.0 marca 41 %, trece puntos más que la versión preliminar, y la compañía asegura que necesita un 30 % menos de tokens de salida para llegar al mismo sitio.
El dato más interesante es el del índice de agentes de programación de Artificial Analysis: 48 %, prácticamente empatado con GLM-5.3, pero con un 47 % menos de tokens por tarea. Si esa cifra se sostiene fuera del laboratorio, importa más que la posición exacta en la tabla.
Mistral cita además un 62 % en DeepSWE v1.1, frente al 61 % de GLM-5.3 y el 57 % de DeepSeek V4 Pro 0813. VentureBeat advierte que cada laboratorio mide con su propio arnés, así que las comparaciones entre filas no son limpias.
El resultado menos publicitado es Surge Code, una prueba ciega de preferencia humana. Large 4 gana el 64 % de las veces contra GLM-5.3, el 56 % contra Kimi K3 y el 78 % contra DeepSeek V4.1 Flash. Contra Claude Opus 5.5 gana solo el 22 %.
Ese último número es el más honesto del conjunto: compite con los mejores abiertos y queda lejos del mejor cerrado.
Seguridad: el argumento menos vistoso y el más discutido
Mistral dedica media nota a la seguridad, y ahí el relato se vuelve delicado: el mismo modelo que rechaza ataques sirve para ejecutarlos.
En el índice de ciberseguridad de Artificial Analysis, que mide localizar fallos en el código, reproducirlos y parchearlos sin romper lo que funcionaba, Large 4 anota 51 %. En rechazo de peticiones maliciosas de tipo red, calculado sobre JailbreakBench, StrongREJECT y AgentHarm, la media es del 96,6 %, y la empresa lo presenta como el valor más alto que ha medido en un modelo abierto.
En B3, una prueba de seguridad para agentes, resiste el 97,1 % de los ataques, frente al 93,3 % de la preliminar. En Finch, de finanzas, llega al 73,3 %, y en BrowseComp alcanza el 84,5 %.
La parte incómoda la dice la propia Mistral: al observar tráfico real, el modelo rechaza ataques de caja negra contra objetivos en producción, pero la empresa ve margen para que se use en ataques reales y dice estar ajustando las barandillas.
De ahí sale una decisión poco habitual: una variante específica para ciberseguridad, ofrecida a socios como Orange Cyberdefense para pruebas de penetración, evaluación de vulnerabilidades y equipos rojos. El acceso exige revisión y contrato, y solo cubre sistemas propios o autorizados.
La licencia tiene una letra pequeña para quien revende
La licencia es la propia de Mistral para pesos abiertos, no una licencia de código abierto reconocida. Tiene una sola condición adicional: si una empresa ofrece el modelo como servicio gestionado a terceros, necesita una licencia comercial aparte.
Traducido a la práctica: puedes descargarlo, usarlo en producción, ajustarlo y desplegarlo dentro de tu organización sin pagar. Lo que no puedes es montar un negocio de reventa encima sin hablar con Mistral.
Cómo probarlo y cuánto cuesta
Los pesos están en Hugging Face. Para servirlos hace falta vLLM o SGLang sobre hardware propio. Quien prefiera no administrar nada tiene Mistral Studio, la API de la compañía, OpenRouter, los endpoints gestionados de Nvidia o el entorno Vibe Code.
El precio de la API es de 0,70 dólares por millón de tokens de entrada, 0,07 para la entrada cacheada y 2,10 por millón de salida. El informe técnico está anunciado y aún no ha salido, así que la arquitectura y los datos de entrenamiento siguen sin publicarse.
Para un equipo que evalúa alternativas abiertas, la pregunta ya no es si Large 4 es bueno en abstracto, sino si el ahorro de tokens compensa montar la infraestructura. Con estos números, lo razonable es medirlo en las tareas propias antes de tocar producción.
