Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Mistral ha abierto las tripas de su modelo más grande y el gesto no es menor.
El 29 de octubre de 2026 publicó los pesos de Mistral Large 4, un sistema de 1,05 billones de parámetros al que la propia empresa apoda Le Chonk. No llega como una caja negra más, sino como un modelo abierto con licencia derivada de MIT que permite uso comercial, aunque quien quiera venderlo como servicio necesita un contrato aparte.
Solo activa una fracción del cerebro que entrenó
Su tamaño impresiona, pero el detalle decisivo está en cómo trabaja. Mistral usa una arquitectura de mezcla de expertos con 128 bloques especializados, de los que cuatro intervienen en cada token junto a uno compartido, de modo que cada respuesta activa unos 52.000 millones de parámetros en lugar de mover el conjunto completo.
Ahí está buena parte de la lógica del modelo, igual que una redacción grande no moviliza a todos sus periodistas para cada noticia. Ese diseño ayuda a explicar por qué consume un 47 % menos de tokens por tarea en el índice de agentes de programación de Artificial Analysis.
Además, acepta texto e imágenes, responde con texto y trabaja con un contexto de un millón de tokens.
Entrenarlo en Europa también forma parte del mensaje
Mistral lo entrenó desde cero con 3.800 procesadores gráficos NVIDIA Grace Blackwell en centros de datos propios en Europa. En un momento en que la soberanía tecnológica europea aparece una y otra vez en el debate sobre inteligencia artificial, ese dato pesa casi tanto como las cifras de rendimiento y enlaza con el debate europeo sobre IA propia.
No se queda en el inglés ni en un puñado de idiomas de mercado. Mistral Large 4 domina más de 160 idiomas, incluidos todos los oficiales de la Unión Europea, una amplitud que lo coloca más cerca de una infraestructura general que de una herramienta pensada para unos pocos países.
El código mejora, pero no manda en todas las pruebas
Durante tres semanas de entrenamiento por refuerzo, Terminal-Bench 4.0 pasó del 28 % al 41 % y el modelo redujo un 30 % sus tokens de salida. No es un matiz menor, porque en estos sistemas gastar menos tokens también significa abaratar tareas repetidas y acelerar flujos de trabajo.
En FrontierCode 2.0 marcó un 19,7 %.
Artificial Analysis le asigna un 48 % en su índice de agentes de programación, y los evaluadores humanos de Surge Code lo prefirieron frente a GLM-5.3, Kimi K3 y DeepSeek V4.1 Flash. Aun así, Claude Opus 5.5 ganó esa misma evaluación, ya que Mistral solo se impuso en el 22 % de los casos, una diferencia que enfría cualquier lectura triunfalista y recuerda que el liderazgo depende mucho de qué examen se mire.
También el precio entra en la ecuación cotidiana de quien desarrolla. La API está disponible con carácter general desde el 5 de noviembre y cuesta 0,70 dólares por millón de tokens de entrada, 2,10 dólares por millón de salida y 0,07 dólares cuando la entrada va en caché, con tres modos de razonamiento que el desarrollador puede ajustar entre bajo, medio y alto, una carrera de eficiencia donde ya había señales en precios de la gama Medium.
La apertura obliga a mirar de frente el riesgo
El modelo rechaza de media el 96,6 % de las peticiones maliciosas de ciberseguridad en pruebas como JailbreakBench, StrongREJECT y AgentHarm. En el índice de ciberseguridad de Artificial Analysis obtiene un 51 % al localizar, reproducir y corregir vulnerabilidades, y resistió el 97,1 % en la prueba B3 frente a ataques dirigidos a sus propios agentes.
Amy Chang, responsable de investigación de amenazas de IA en Cisco, pone el foco en esa ambivalencia.
"Los modelos abiertos permiten estudiar cómo se comportan, incluido dónde podrían usarse de forma indebida" - Amy Chang, responsable de investigación de amenazas de IA en Cisco
Laura Heuvinck, jefa de comunicación de la agencia europea ENISA, describe otro uso muy distinto y mucho más defensivo.
"Lo prueban para identificar vulnerabilidades de seguridad, auditar código y analizar registros defensivos" - Laura Heuvinck, jefa de comunicación de la agencia europea ENISA
Esa tensión atraviesa todo el lanzamiento. Mistral reconoce ver un potencial de ayuda para llevar a cabo ataques reales, mientras Orange Cyberdefense y otros socios prueban una variante especializada en test de penetración y simulación de ataques.
Belfius y Crédit Agricole valoran ejecutarlo en su propia infraestructura.
Al final, el retrato que deja Mistral Large 4 no cabe en una sola cifra. Suma 26 puntos en el índice general de Artificial Analysis, rechaza el 96,6 % de las peticiones maliciosas y aun así nace con una advertencia explícita sobre su posible uso ofensivo.