Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarMistral AI Blog→ original

Mistral publica los pesos de Large 4: el 19,7 % de las correcciones de un agente serían aceptadas por los mantenedores

Mistral ha publicado los pesos de Large 4 (Le Chonk), un modelo abierto de 1 billón de parámetros orientado al código. En FrontierCode 2.0, una prueba cerrada de Cognition, se evalúa si el mantenedor de un repositorio aceptaría la corrección de un agente: Large 4 logra un 19,7 %, frente al 19,3 % de DeepSeek V4.1 Flash. En el Coding Agent Index de Artificial Analysis obtiene un 48 %, igual que el líder GLM-5.3, pero consume un 47 % menos de tokens por tarea. Para un agente de código desplegado en servidores propios, esto puede traducirse en una factura de tokens más baja.

Procesado por IA desde Mistral AI Blog; editado por Hamidun News
Mistral publica los pesos de Large 4: el 19,7 % de las correcciones de un agente serían aceptadas por los mantenedores
Fuente: Mistral AI Blog. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalMistral AI Blog ↗
Editor jefe
Terminal-Bench 4.041 %, 13 puntos porcentuales por encima de la versión preliminar y un 30 % menos de tokens de salida
Cyber Index51 %; rechaza las consultas cibernéticas maliciosas en el 96,6 % de los casos
Tres modos de razonamientoLow, Medium y High (por defecto)

Mistral ha publicado los pesos de Mistral Large 4, a la que la compañía llama Le Chonk. Se trata de un modelo multimodal insignia de 1 billón de parámetros, entrenado desde cero en infraestructura europea. Puede descargarse, desplegarse en servidores propios y ajustarse sin depender de la API de Mistral.

La cifra principal del lanzamiento es el 19,7 % obtenido en FrontierCode 2.0, una prueba cerrada de Cognition. La prueba es muy práctica: el agente modifica un repositorio real y se evalúa si el código en conjunto es correcto y si lo aceptaría el mantenedor del proyecto.

Por tanto, casi una de cada cinco correcciones de Large 4 llegaría a fusionarse. Entre los modelos abiertos, es el mejor resultado de la tabla de Mistral.

Todas las cifras siguientes provienen de la propia Mistral. Algunas pruebas fueron realizadas por equipos externos, pero el artículo no incluye una verificación independiente.

Programación: más fuerte que sus competidores y más eficiente en tokens

La versión preliminar del modelo se publicó a principios de este mes. Después, el equipo continuó durante tres semanas más el entrenamiento por refuerzo (RL), en el que el modelo recibe una recompensa por resolver correctamente las tareas. El resultado mejoró, y Mistral no detecta señales de saturación.

En FrontierCode 2.0, junto a Large 4 aparecen DeepSeek V4.1 Flash (19,3 %), GLM-5.3 (17,8 %) y Kimi K3 (17,3 %). La ventaja es pequeña, pero se aprecia.

En el Artificial Analysis Coding Agent Index, Large 4 alcanza el 48 %, casi lo mismo que GLM-5.3, el líder entre los modelos abiertos. Sin embargo, por tarea consume de media un 47 % menos de tokens. Si un agente resuelve cientos de tareas al día, la diferencia se nota en la factura de inferencia.

En escenarios de terminal, en los que el agente ejecuta comandos por sí mismo, el modelo logra un 41 % en Terminal-Bench 4.0. Es 13 puntos porcentuales más que la versión preliminar y el mejor resultado entre los modelos abiertos de la comparativa. Además, genera un 30 % menos de tokens de salida.

En las comparaciones ciegas por parejas de Surge Code, los evaluadores eligieron las respuestas de Large 4 con más frecuencia que las de GLM-5.3 (64 %), Kimi K3 (64 %) y DeepSeek V4.1 Flash (56 %). Solo perdió frente a Claude Opus 5.5, que ganó el 78 % de las veces.

Ahora hay tres modos de razonamiento:

  • Low, para tareas sencillas; sustituye al antiguo modo sin razonamiento;
  • Medium, para el trabajo cotidiano;
  • High, para las tareas más complejas que requieren precisión. Es el modo por defecto.

Ciberseguridad: ayudar a los defensores, no a los atacantes

En el Artificial Analysis Cyber Index, el modelo alcanza el 51 %. El índice evalúa tres pasos: encontrar una vulnerabilidad en el código, reproducirla y confirmarla, y después corregirla sin romper nada. En el gráfico de Mistral aparecen modelos con puntuaciones más altas, de hasta el 57 %. Mistral pone el acento en otro aspecto: en tareas legítimas de defensa, Large 4 no rechaza peticiones sin motivo.

Las restricciones integradas separan la defensa del ataque. Ante consultas cibernéticas maliciosas, el modelo rechaza en promedio el 96,6 % de los casos. Es el valor más alto entre los modelos abiertos medidos por Mistral. Las pruebas se hicieron con consultas de JailbreakBench, StrongREJECT y AgentHarm. Para comparar, en el mismo gráfico DeepSeek-V4-Pro tiene alrededor del 51 %, Gemma-4-31B alrededor del 84 %, GLM-5.3 alrededor del 87 % y Kimi K3 alrededor del 94 %.

Los socios también muestran interés. Booz Allen afirma que el modelo iguala a otras soluciones de ciberseguridad avanzadas en exhaustividad en la detección de vulnerabilidades, con un coste más favorable. La agencia ENISA lo está probando en búsqueda de vulnerabilidades, auditoría de código y análisis de registros de defensa. Elastic ya admite los modelos abiertos de Mistral en Elastic Security. También han dado su opinión Cisco, Cloudflare, CrowdStrike, Fortinet, NVIDIA, Orange Cyberdefense, Rubrik y Zscaler. Casi todos repiten el mismo argumento: los defensores necesitan un modelo que controlen ellos mismos.

Soberanía y limitaciones

Para la banca, las administraciones públicas y los sectores regulados de Europa, es importante que el modelo esté entrenado íntegramente en Europa y que su origen pueda rastrearse desde el principio hasta el lanzamiento. Los datos no tienen que enviarse a una jurisdicción extranjera, y la arquitectura puede estudiarse y auditarse. Mistral lo denomina «IA soberana».

Aun así, hay matices. Los resultados de las pruebas los publica la propia compañía, y FrontierCode 2.0 es cerrado, por lo que no puede reproducirse manualmente. El liderazgo en programación se refiere a los modelos abiertos: en la comparación ciega, Claude Opus 5.5 resultó superior. Un modelo de 1 billón de parámetros requerirá un parque de GPU considerable.

La conclusión práctica es sencilla. Si construye un agente de código o de defensa y quiere mantenerlo en su propia infraestructura, incluya Large 4 en la comparativa. Pruébela con sus propias tareas y compare cuántos tokens consume en los modos Medium y High. Ese ahorro será el principal argumento a favor o en contra de elegirla.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Programación: más fuerte que sus competidores y más eficiente en tokens?

La versión preliminar del modelo se publicó a principios de este mes. Después, el equipo continuó durante tres semanas más el entrenamiento por refuerzo (RL), en el que el modelo recibe una recompensa por resolver correctamente las tareas. El resultado mejoró, y Mistral no detecta señales de saturación. En FrontierCode 2.0, junto a Large 4 aparecen DeepSeek V4.1 Flash (19,3 %), GLM-5.3 (17,8 %) y Kimi K3 (17,3 %). La ventaja es pequeña, pero se aprecia.

¿Qué se sabe sobre Ciberseguridad: ayudar a los defensores, no a los atacantes?

En el Artificial Analysis Cyber Index, el modelo alcanza el 51 %. El índice evalúa tres pasos: encontrar una vulnerabilidad en el código, reproducirla y confirmarla, y después corregirla sin romper nada. En el gráfico de Mistral aparecen modelos con puntuaciones más altas, de hasta el 57 %. Mistral pone el acento en otro aspecto: en tareas legítimas de defensa, Large 4 no rechaza peticiones sin motivo. Las restricciones integradas separan la defensa del ataque.

¿Qué se sabe sobre Soberanía y limitaciones?

Para la banca, las administraciones públicas y los sectores regulados de Europa, es importante que el modelo esté entrenado íntegramente en Europa y que su origen pueda rastrearse desde el principio hasta el lanzamiento. Los datos no tienen que enviarse a una jurisdicción extranjera, y la arquitectura puede estudiarse y auditarse. Mistral lo denomina «IA soberana». Aun así, hay matices.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…