Mistral abre los pesos de Large 4: destaca en código, pero los modelos chinos logran 32 puntos frente a 26

La compañía francesa Mistral ha publicado en Hugging Face los pesos de su modelo más grande, Mistral Large 4, al que llama «Le Chonk». Es un modelo abierto que acepta texto e imágenes y genera texto y código. Tiene cerca de un billón de parámetros, pero en cada paso de generación solo se activan 52 000 millones: el resto «duerme», una consecuencia de su arquitectura de mezcla de expertos.

El laboratorio independiente Artificial Analysis reúne los resultados de nueve pruebas en un único índice de inteligencia. Large 4 obtuvo ahí 26 puntos. Es más que la mediana de los modelos abiertos de tamaño similar (23), pero menos que los chinos DeepSeek V4.

1 Flash y GLM-5.3, con 32 puntos, y que MiMo-V2.6-Pro, con 30.

Los líderes del mercado quedan lejos: Gemini 4 Carbon, de Google, tiene 59, y Claude Opus 5.5, de Anthropic, 58.

Código: líder entre los abiertos, pero no entre todos

Tras la versión preliminar pública, lanzada hace tres semanas, Mistral siguió ajustando el modelo con aprendizaje por refuerzo. El modelo recibe tareas que el propio equipo ha ideado y que sabe verificar de forma automática, y se le recompensa por las soluciones correctas. La dificultad de las tareas fue aumentando a lo largo del entrenamiento. Los investigadores Pierre Stock y Corentin Petit dijeron a los periodistas que el techo de calidad lo marca únicamente lo difícil que sea la tarea verificable que el equipo todavía pueda inventar. La propia Mistral lo describe como una «apuesta a dos años».

Este es el resultado:

• Terminal-Bench 4.0 (el agente resuelve tareas en el terminal): pasó del 28% al 41%. GLM-5.3 logra el 40%. • Coding Agent Index de Artificial Analysis: 48 puntos, es decir, prácticamente al nivel de GLM-5.3, pero con un 47% menos de tokens consumidos. Claude Code sobre Opus 5.5 logra 62. • FrontierCode 2.0 de Cognition: 19,7%, el mejor resultado entre los modelos abiertos. Opus 5.5 obtiene el 46%. • Comparación a ciegas de Surge (los evaluadores eligen el mejor código sin saber quién lo escribió): el código de Large 4 gana con más frecuencia que el de GLM-5.3, Kimi K3 y DeepSeek, pero frente a Opus 5.5 solo gana el 22% de las veces.

Hay una salvedad con Kimi K3.1 Pro, de Moonshot. No aparece en las comparaciones de Mistral porque sus pesos siguen cerrados por ahora. Moonshot promete abrirlos antes del 4 de noviembre de 2026. Kimi K3.1 Pro ya alcanza el 67% en Terminal-Bench 4.0, así que la ventaja de Large 4 en código abierto probablemente durará poco.

Ciberseguridad: aspira al primer puesto, en la práctica es tercera

Mistral presenta Large 4 como el mejor modelo abierto para ciberdefensa. Cyber Index comprueba si el modelo es capaz de encontrar una vulnerabilidad en una base de código, reproducirla y corregirla sin romper nada. Large 4 obtiene ahí 51 puntos. Pero en el propio gráfico de Mistral van por delante DeepSeek V4.1 Flash (57) y MiMo-V2.6-Pro (56), es decir, el modelo es el tercero entre los abiertos. Entre todos, lidera Kimi K3.1 Pro con 64. La versión preliminar daba 50, de modo que las tres semanas adicionales de entrenamiento aportaron aquí un solo punto.

Además, resulta caro: $1,21 por tarea, mientras que DeepSeek V4.1 Flash obtiene más puntos por una pequeña fracción de esa cifra. A cambio, el modelo rechaza el 96,6% de las solicitudes maliciosas de ciberataques, según Mistral, más que cualquier otro modelo abierto. La compañía reconoce que el modelo puede facilitar ataques reales y promete reforzar la protección en los próximos meses. Una versión específica para pruebas de penetración ya la están probando socios seleccionados como Orange Cyberdefense, con acceso previa verificación y con restricciones contractuales.

Velocidad, precio y una licencia con letra pequeña

Lo más sólido de Large 4 es su relación entre coste y velocidad:

• 161 tokens por segundo frente a los 111 de la versión preliminar; solo son más rápidos DeepSeek V4.1 Flash y Muse Wonder. • La tarea media del índice cuesta $2,06 (con la versión preliminar, $5,54).

GLM-5.3 sale por $5,01 y Kimi K3.1 Pro por $3,68, pero DeepSeek V4.

1 Flash cuesta solo $0,60 y MiMo-V2.6-Pro, $0,26. • Para completar todo el índice, el modelo generó 110 millones de tokens de salida en lugar de los 150 millones de la versión preliminar.

La mediana de los modelos comparables es de 100 millones. • Precio en la API: $0,70 por millón de tokens de entrada y $2,10 por millón de salida. Durante la versión preliminar eran $1,36 y $4,18.

A modo de comparación, Kimi K3.1 Pro cuesta $2 y $10.

La licencia es una MIT modificada. Se puede usar, modificar y aplicar con fines comerciales de forma gratuita. Pero las empresas que quieran vender Large 4 como servicio en la nube necesitan un contrato aparte con Mistral. Ejecutar el modelo en local no es sencillo: según la documentación de SGLang, la versión estándar requiere ocho GPU Nvidia B300 y la comprimida, cuatro GB300. Quien no tenga el hardware puede usar el modelo, entre otras plataformas, en Microsoft Foundry.

Qué aporta en la práctica

Mistral vende Large 4 como IA «soberana»: entrenada íntegramente en Europa y capaz de funcionar en servidores propios. Para las empresas europeas con requisitos estrictos sobre los datos, es un argumento de peso. Para tareas en las que importan el precio y la velocidad más que la máxima calidad absoluta, el modelo parece una opción razonable. Quienes necesiten el mejor resultado en código complejo y en seguridad deberían, por ahora, mirar hacia Claude y Gemini y, entre los modelos abiertos, hacia los chinos.

También conviene tener en cuenta la metodología. La versión 5 del índice salió el miércoles y tres quintas partes de sus pruebas son cerradas: no se publican ni las tareas ni las soluciones. Con el índice anterior la brecha era la misma: la versión preliminar tenía 38 puntos frente a los 45 de GLM-5.3. Mistral sostiene que trabaja con una fracción de los recursos de los laboratorios estadounidenses y chinos y que, con un capital diez veces mayor, estaría en la cima. Large 4 será la base de los modelos especializados de la compañía, pero Mistral aún no dice nada sobre versiones pequeñas basadas en él.