Mistral publica los pesos de Large 4: un modelo abierto de 1 billón de parámetros para código

Mistral AI ha publicado los pesos de Mistral Large 4, su nuevo modelo insignia. Es un sistema multimodal de 1 billón de parámetros: no trabaja solo con texto, sino también con otros tipos de datos. Los «pesos» son los números en los que se almacena la red neuronal ya entrenada. Al ser abiertos, el modelo puede descargarse, ejecutarse en hardware propio y afinarse para necesidades concretas. Mistral entrenó el modelo desde cero en infraestructura europea. Tras la versión preliminar pública, lo afinó con aprendizaje por refuerzo (RL, un método en el que el modelo recibe una «puntuación» por el resultado y se ajusta en función de ella) en dos tipos de tareas: programación y ciberseguridad.

Qué muestran las mediciones independientes

Las cifras proceden de los rankings de Artificial Analysis. Esta compañía ejecuta los modelos de forma independiente con conjuntos de pruebas estándar y publica la comparativa.

• Coding Agent Index — 48%. El índice evalúa agentes de programación: el modelo recibe una tarea en una base de código real, lee los archivos, introduce cambios y ejecuta comprobaciones por sí mismo. El 48% es la puntuación final de Mistral Large 4.
• Un 47% menos de tokens que GLM-5.3. El token es la unidad de texto por la que paga el usuario. Para resolver la misma tarea, Mistral Large 4 gasta casi la mitad de tokens que el modelo abierto GLM-5.3. Esto importa para los agentes: encadenan decenas de pasos y cada paso cuesta dinero.
• Artificial Analysis Cyber — 51%. Esta prueba mide tres habilidades: encontrar una vulnerabilidad en el código, reproducirla (demostrar que el fallo funciona de verdad) y escribir un parche que la cierre.

Por separado, Mistral afirma que el modelo audita código sin falsos positivos de los filtros de seguridad. El problema es conocido: muchos modelos se niegan a analizar código vulnerable porque interpretan la petición de un defensor como un intento de ataque. Para un especialista en seguridad, una negativa así es tiempo perdido. Qué tal funciona esto en la práctica lo dirán las verificaciones independientes.

Modos de razonamiento y precio

Para controlar el coste, el modelo incorpora tres modos de razonamiento:

• Low: razonamiento mínimo, respuestas rápidas y baratas;
• Medium: punto intermedio;
• High: modo por defecto, con el máximo de razonamiento en tareas complejas.

El desarrollador decide cuántos tokens dedicar a la «reflexión». Para una corrección de una sola línea basta con Low; para buscar una vulnerabilidad en un proyecto grande conviene High.

Precios de la API oficial de Mistral:

• $0,70 por millón de tokens de entrada;
• $0,07 por millón de tokens de entrada cuando hay acierto de caché, es decir, diez veces menos;
• $2,10 por millón de tokens de salida.

El descuento por caché beneficia sobre todo a los agentes. En una sesión larga envían al modelo una y otra vez el mismo contexto: la descripción del proyecto, los archivos leídos y el historial de pasos.

Dónde probarlo y qué pasa con la licencia

No es obligatorio ejecutar el modelo en local. Está disponible a través de:

• la API de Mistral;
• OpenRouter, una pasarela única a muchos modelos;
• Vibe Code, el entorno de desarrollo de Mistral;
• los contenedores optimizados NVIDIA NIM, listos para desplegarse en GPU.

Los pesos están en Hugging Face, en el repositorio Mistral-Large-4-1T-A52B. A juzgar por el nombre, el modelo sigue una arquitectura de mezcla de expertos: de 1 billón de parámetros, se activan unos 52 mil millones por cada token. Eso acelera el funcionamiento y lo abarata frente a un modelo denso del mismo tamaño. Aun así, hay que almacenar todos los pesos completos. En formato de 8 bits ocupan alrededor de un terabyte, así que sin un clúster de varios servidores con GPU no se puede ejecutar el modelo.

La licencia es MIT modificada. La MIT básica apenas impone restricciones, pero Mistral ha añadido condiciones propias. Cuáles son exactamente se puede ver en el archivo LICENSE del repositorio. Los equipos legales de las empresas deberían leerlo antes de la implantación, sobre todo si se trata de productos comerciales.

Qué significa para ingenieros y empresas

Los equipos que necesitan un agente de programación y quieren controlar sus datos cuentan con otra opción seria de pesos abiertos. El modelo puede mantenerse dentro del perímetro propio y afinarse con el código de la empresa. Su origen europeo y su entrenamiento en infraestructura europea son un argumento para las compañías con requisitos de localización de datos.

Conviene comparar el modelo con las tareas propias. El índice de Artificial Analysis es una buena referencia, pero no sustituye a una prueba en su propio repositorio. El ahorro del 47% de tokens frente a GLM-5.3 solo supone un beneficio real con sus volúmenes y sus escenarios. Y el 51% en ciberseguridad significa que el modelo resuelve aproximadamente la mitad de las tareas de la prueba. Todavía no sustituye el trabajo de un especialista en seguridad, pero ya resulta útil como asistente en la auditoría de código.