Ing. Calogero Bono
Mistral ha publicado los pesos de Mistral Large 4, apodado Le Chonk, un modelo de unos mil millones de parámetros. Lo ha hecho a finales de octubre, tras una vista previa pública a principios de mes. Se descarga desde Hugging Face y también se usa a través de API. Importa porque es un modelo abierto que la empresa francesa posiciona en código y ciberdefensa, y porque nadie puede apagarlo de forma remota.
Algunos términos antes de entrar en los hechos. Los pesos (weights) son los parámetros numéricos aprendidos durante el entrenamiento, los que hacen funcionar el modelo. Open-weight significa que se pueden descargar, no que todo el código sea libre. MoE (Mixture-of-Experts) es una arquitectura en la que, para cada token, trabaja solo un pequeño grupo de "expertos" internos. Un token es un fragmento de texto que procesa el modelo. El benchmark es una prueba estándar para comparar modelos.
¿Qué es Mistral Large 4?
Según la ficha oficial en Hugging Face, es un modelo multimodal y multilingüe de tipo MoE. Acepta texto e imágenes y genera texto. Tiene unos 1T de parámetros totales, 49B activos y una ventana de contexto de 1M de tokens.
La licencia es la Mistral Ecosystem Open-Weight License, un derivado de la MIT con límites para quien quiera ofrecer el modelo como servicio. Punto Informatico informa de que admite más de 160 idiomas y de que se entrenó con 3.800 chips NVIDIA Grace Blackwell. ZDNET, en cambio, cita la declaración de Mistral sobre 4.000 GPU durante dos meses. Las dos cifras no coinciden, así que las recogemos ambas como atribuidas.
¿Qué cifras declara Mistral?
En código, la ficha de Hugging Face indica un 61,7% en DeepSWE v1.1 y un 28,3% en Terminal-Bench 4. Un Coding Agent Index del 49,8%. Para ZDNET, Terminal-Bench 4.0 ha subido al 41% frente al 28% de la vista previa, un punto por encima de GLM-5.3. En el índice general el modelo obtiene 48 frente al 49 de GLM-5.3.
Mistral afirma que compite con GLM-5.3 usando un 47% menos de tokens por tarea, como recoge TechCrunch. En la parte de ciberseguridad, Hugging Face habla de un 82% en una prueba que pide reproducir una vulnerabilidad real y luego corregirla, y de un 93% en Cybench (40 desafíos). Punto Informatico escribe que solo DeepSeek V4.1 Flash supera al modelo en el benchmark dedicado, mientras que ZDNET dice que Le Chonk queda justo por encima de DeepSeek V4.1 Flash en CyberGym. Las fuentes no coinciden en este punto.
¿Por qué importan los pesos abiertos para la seguridad?
El argumento de Mistral es el control. Pierre Stock, vicepresidente de ciencia, dijo a WIRED que la IA será como la electricidad y que no quieres que alguien pueda desconectarla. Los modelos cerrados pueden bloquear solicitudes de análisis de malware o de vulnerabilidades, porque parecen ataques. Con los pesos en casa, la política de uso y el despliegue siguen en tus manos.
También hay un reverso. Rafe Pilling, de Sophos, define el modelo como una tecnología de doble uso, porque también puede ser descargada y adaptada por quien ataca. Para Mistral, el modelo rechaza las solicitudes dañinas en el 97% de los casos (dato que recoge Punto Informatico). Hugging Face afirma que la tasa media de rechazo en prompts de ciberseguridad es más alta que la de cualquier otro modelo de pesos abiertos.
Para entender el contexto del incidente que citan los medios, lee nuestro artículo sobre el caso de Hugging Face.
¿Cómo se usa en la práctica?
El modelo tiene soporte day-0 para transformers, vLLM y llama.cpp, con cuantizaciones GGUF. También hay Inference Endpoints e Inference Providers. Los desarrolladores lo alcanzan además con Mistral Studio, API y OpenRouter.
El nivel de razonamiento puede ser low, medium o high. El valor por defecto es high y, según la ficha, el razonamiento no se puede desactivar. La versión NVFP4 para vLLM requiere GPU NVIDIA Blackwell, y el ejemplo oficial usa 8 GPU. No es un modelo para un servidor pequeño. Si necesitas una IA más al alcance, consulta la guía de IA para pymes.
Límites que conviene conocer
Casi todas las cifras las declara Mistral. ZDNET recuerda que los benchmarks deben tomarse con cautela. Las fuentes discrepan sobre quién va por delante en ciberseguridad y sobre los recursos de entrenamiento. La clasificación de Hugging Face sitúa al modelo en quinto lugar entre los de pesos abiertos en el Artificial Analysis Intelligence index, mientras que Mistral habla de lo mejor del mundo en código y ciberseguridad en el ámbito abierto, según WIRED. Son afirmaciones distintas.
No hay verificación independiente de que el modelo resista un uso malintencionado tras un fine-tuning. Faltan costes reales de ejecución y pruebas con casos en español. Además, la licencia limita ofrecerlo como servicio.
Qué cambia para quien trabaja con lo digital
Para quien desarrolla, ahora existe una alternativa europea abierta para asistentes de código y análisis de seguridad, que se puede ejecutar en casa. Para quien gestiona datos sensibles, el despliegue on-premise evita enviar código y registros a terceros. Como recordó Stock a TechCrunch, el acceso no se puede revocar.
Para una empresa pequeña, sin embargo, hace falta hardware potente o un proveedor. Mucho depende del proveedor. También importa el marco normativo, por lo que te remitimos a la guía del AI Act para desarrolladores. Si gestionas servidores, el hosting y los servidores gestionados con actualizaciones de seguridad siguen siendo la base, sea cual sea el modelo que uses.
Nuestra opinión
La jugada es interesante, y publicar los pesos tiene sentido para la defensa. Quien investiga una vulnerabilidad no debería encontrarse la puerta cerrada en mitad de un incidente. Nos convence menos el tono de carrera geopolítica. Las palabras de Pilling son un buen antídoto, porque el riesgo depende de la monitorización y los controles, no de la bandera del modelo.
Además, un modelo de mil millones de parámetros no está al alcance de casi ninguna pyme. La ventaja concreta, por ahora, es para organismos públicos, grandes empresas y proveedores. Esperamos pruebas independientes antes de llamarlo el mejor.
Preguntas frecuentes
¿Mistral Large 4 es realmente de código abierto?
Es de pesos abiertos, no de código abierto en sentido estricto. Los pesos se descargan desde Hugging Face. La licencia deriva de la MIT, pero limita ofrecerlo como servicio.
¿Se puede usar gratis?
Los pesos están disponibles de forma gratuita, según Punto Informatico. Sin embargo, ejecutar el modelo cuesta en hardware. El ejemplo oficial usa 8 GPU.
¿Es mejor que los modelos chinos?
Depende de la prueba. Mistral dice igualar o superar a modelos como DeepSeek y Z.ai. ZDNET habla de un punto por debajo de GLM-5.3 en el índice general.
¿Puede usarse para atacar?
Sí, como cualquier modelo descargable. Mistral declara que rechaza las solicitudes peligrosas en el 97% de los casos. Sin embargo, tras un fine-tuning el comportamiento podría cambiar.
¿Qué idiomas admite?
Más de 160, según Punto Informatico, incluidos todos los europeos. Acepta texto e imágenes y genera texto.
Qué vigilar en los próximos meses, entre pruebas independientes y costes reales
- Sigue las pruebas independientes, como Artificial Analysis, y no te fíes solo de las cifras de la empresa.
- Calcula el coste de ejecución, en hardware o por API, antes de migrar un flujo de trabajo. Para empezar poco a poco, mira cinco usos de la IA para pequeños negocios.
- Prepara defensas contra el abuso, empezando por jailbreak e inyección de prompts.
