Mistral abrió el 6 de octubre una versión preliminar de Mistral Large 4, apodado "le Chonk", que puede probarse mediante su API. La empresa francesa prepara la publicación de sus pesos, los archivos que permitirán ejecutar el modelo en servidores propios, para finales de mes.
Reuters precisa que la apertura está prevista para el 27 de octubre. Hasta entonces, el acceso público depende del servicio de Mistral.
De la API a los servidores propios
Publicar los pesos permitiría a una organización conservar una copia del modelo y decidir dónde ejecutarla. La consecuencia práctica sería reducir su dependencia de la continuidad del acceso a una API externa. Mistral vincula esa autonomía con el trabajo de ciberdefensa, donde una interrupción del servicio puede afectar la respuesta a un incidente.
El entrenamiento también forma parte de ese argumento. Según su comunicado, Large 4 se entrenó desde cero con 3,800 GPU Nvidia Grace Blackwell en centros de datos propios en Europa. La versión preliminar funciona sobre esa misma infraestructura.
La apertura de los archivos y el despliegue propio son etapas distintas: una empresa que reciba los pesos también tendrá que disponer del equipo y el software para ejecutarlos. El anuncio reserva para finales de octubre más detalles de arquitectura y entrenamiento.
El tamaño total crece más que la parte activa
La ficha técnica de Mistral detalla 1.05 billones de parámetros totales y 49,000 millones activos. Los parámetros son valores numéricos ajustados durante el entrenamiento. Su arquitectura de mezcla de expertos, o MoE, utiliza solo una parte del modelo al procesar información.
La comparación con su antecesor permite dimensionar el cambio. Large 3, presentado el 2 de diciembre de 2025, tenía 675,000 millones de parámetros totales y 41,000 millones activos, según el anuncio de aquella versión.
A partir de esas cifras, el total de parámetros aumenta aproximadamente 55.6%, mientras que los parámetros activos crecen 19.5%. El salto se concentra, por tanto, en el tamaño completo de la red. Esos porcentajes describen su escala; la mejora en cada tarea debe medirse con evaluaciones de rendimiento.
Large 4 admite texto e imágenes y genera respuestas en texto. Su documentación incluye uso de herramientas y salidas estructuradas, funciones que permiten integrarlo en agentes: sistemas que encadenan acciones para completar una tarea. La empresa lo dirige a trabajos de programación, análisis y procesamiento de documentos.
Las pruebas generales y las especializadas miden cosas distintas
En su anuncio, Mistral sostiene que Large 4 supera a los modelos de pesos abiertos desarrollados en Estados Unidos y Europa, y destaca sus resultados en ciberseguridad y finanzas.
Una referencia independiente aporta otra medida. Al 6 de octubre, Artificial Analysis asigna a Large 4 Preview 38 puntos en su índice de inteligencia, frente a una mediana de 26 entre modelos de razonamiento de un rango de precio similar. Ese índice combina pruebas de razonamiento, conocimientos, matemáticas y programación.
La diferencia de alcance importa: estar por encima de esa mediana describe su resultado en una comparación general por precio, mientras que el argumento de Mistral destaca también tareas especializadas. Para una organización, evaluar el trabajo concreto que quiere automatizar permite saber cuál de esas mediciones resulta pertinente.
Durante esta fase, Mistral prueba el modelo con especialistas en ciberseguridad, socios autorizados y autoridades estatales. El entrenamiento por refuerzo sigue en curso, por lo que la versión evaluada hoy todavía puede cambiar antes de la entrega final.
