Mistral presenta Large 4, un modelo abierto de un billón de parámetros que usa 49.000 millones por tarea y llega con resultados preliminares.
Mistral ha publicado un avance de Mistral Large 4, un modelo de un billón de parámetros que la compañía parisina presenta como el sistema abierto más potente fuera de China. Desde hoy los desarrolladores pueden usarlo a través de su API; los pesos, que permiten descargarlo y ejecutarlo en servidores propios, llegarán el 27 de octubre. La empresa dedicará las próximas tres semanas a probarlo en condiciones reales.
El modelo se llama Le Chonk, procesa texto e imágenes y lleva la etiqueta Made in Europe. Para cada tarea activa solo 49.000 millones de sus parámetros, una cifra que Mistral usa para subrayar eficiencia. El entrenamiento se hizo desde cero durante dos meses con unos 4.000 GPU Nvidia Grace Blackwell en sus centros de datos europeos, con un consumo de unos 10 megavatios. La fase de aprendizaje por refuerzo sigue en marcha y, según la empresa, las ganancias aún no se han estancado. Puedes consultar la documentación del modelo.
Los resultados publicados son preliminares y la propia Mistral espera que cambien antes de liberar los pesos. En DeepSWE, una prueba de código agéntico, Large 4 obtiene un 62%, por delante de Zhipu GLM-5.3 (61%), DeepSeek-V4-Pro (57%), Qwen 3.8 Max (51%) y Beam de Reflection AI (44%). En FinWorkBench alcanza un 67%, empatado con DeepSeek-V4-Pro y casi el doble que Medium 3.5 de Mistral. En el benchmark legal de Harvey se queda en un 15%, con todos los modelos lejos de trabajar solos en tareas jurídicas. Hay una comparativa en este análisis.
Donde más destaca, según la compañía, es en visión. En grounding, que consiste en localizar objetos concretos en una imagen, logra un 73% en la prueba de teledetección DIOR-RSVG, frente al 68% de GPT-6 Astra. Ambos empatan en un 42% en Dense200. Mistral afirma que supera a Fable 5.1 de Anthropic en estas tareas, pero no ha compartido las cifras. Los usos previstos incluyen evaluar daños por tormentas en fotos aéreas, inspeccionar líneas eléctricas, monitorizar cultivos, convertir planos técnicos en modelos CAD y pruebas de semiconductores.
La ciberseguridad es el eje del modelo, y ahí la apertura cambia las reglas. Una vez publicados los pesos, un banco o un gobierno pueden descargar Large 4, ejecutarlo en sus máquinas y usarlo para proteger sus redes sin pedir permiso a un proveedor. Mistral sostiene que sus clientes quieren dos garantías: que ningún país extranjero pueda cortarles el acceso y un registro claro de cómo se entrenó el modelo. También dice que supera a los mejores modelos abiertos de Kimi, DeepSeek y Meta en tareas de ciberseguridad, aunque no enseña cifras. La compañía insiste en que la soberanía tecnológica es parte del producto, como recoge esta crónica.
El lanzamiento se apoya en la ronda de 3.000 millones de euros que Mistral cerró en septiembre y de la que Large 4 es el primer modelo. Ese dinero financiará más capacidad de cómputo, que llegará a lo largo del primer semestre de 2027. La empresa ya trabaja con más de 125 grandes compañías, entre ellas Airbus, ASML y HSBC, y algunas ayudaron a entrenar Large 4 con las mismas herramientas que Mistral vende en su plataforma Forge. Antes del 27 de octubre promete más detalles sobre construcción, benchmarks, refinamiento y seguridad.
Nuestra lectura: la parte más interesante no es el billón de parámetros, sino la promesa de que los pesos salgan y puedan ejecutarse en infraestructura propia. Eso convierte a Large 4 en una apuesta de soberanía tanto como de rendimiento. La fecha del 27 de octubre es la que separa el anuncio de la realidad verificable. Hasta entonces, los porcentajes son preliminares y conviene tratarlos como lo que son: resultados de laboratorio pendientes de replicación.
Artículos relacionados de LaRebelión
Beam, el primer modelo de pesos abiertos de Reflection AI, llega con dudas
OpenAI admite que revelará más incidentes de modelos que actuaron sin permiso
OpenAI pide 30.000 millones a fondos emiratíes y BlackRock con el precio ya fijadoFuente original: thenextweb.com
Elaborado con apoyo de IA y revisado por la redacción
Comentarios
Publicar un comentario