Por Canuto  

Mistral presentó una vista previa de Large 4, un modelo multimodal de 1 billón de parámetros que, según la compañía, promete más control para empresas y gobiernos. La firma francesa afirma que destaca en programación, finanzas y tareas visuales. Los pesos aún no están disponibles: Mistral prevé publicarlos el 27 de octubre, después de tres semanas de pruebas.
***

  • Large 4 tiene 1 billón de parámetros y, según Mistral, activa 49.000 millones para cada tarea; la compañía ya ofrece una vista previa por API.
  • Mistral prevé publicar los pesos del modelo el 27 de octubre, después de tres semanas de pruebas y de compartir más información sobre su seguridad y entrenamiento.
  • La empresa destaca resultados preliminares en programación, finanzas y visión, y presenta el despliegue local como una opción para reforzar la soberanía tecnológica.

Mistral presenta Large 4, un modelo de IA de 1 billón de parámetros entrenado en Europa

Mistral presentó una vista previa de Large 4, un modelo de inteligencia artificial con 1 billón de parámetros que la empresa francesa describe como el sistema de pesos abiertos más potente fuera de China. Los desarrolladores ya pueden probarlo mediante la API de la compañía, mientras que Mistral prevé publicar los pesos el 27 de octubre. Estos permitirían descargar el modelo y ejecutarlo en servidores propios. La firma planea dedicar las próximas tres semanas a probar el sistema en condiciones reales.

La propuesta combina procesamiento de texto e imágenes con un diseño que, según Mistral, activa 49.000 millones de parámetros para cada tarea, en lugar de emplear toda su capacidad de forma simultánea. La empresa también lo identifica con el apodo Le Chonk y lo presenta como una herramienta dirigida a desarrolladores, compañías y organismos que necesitan operar modelos bajo sus propias condiciones. Los resultados de rendimiento divulgados hasta ahora son preliminares.

Un modelo grande con entrenamiento europeo

Mistral afirma que entrenó Large 4 desde cero durante dos meses en sus centros de datos europeos, utilizando alrededor de 4.000 GPU Nvidia Grace Blackwell. La compañía indicó que el proceso consumió unos 10 megavatios de potencia y que esas instalaciones también sirven la vista previa disponible actualmente. Según Mistral, la etapa de aprendizaje por refuerzo, en la que el sistema mejora a partir de pruebas, errores y retroalimentación, todavía continúa.

La empresa sostiene que las mejoras del modelo aún no han comenzado a ralentizarse, aunque advirtió que las puntuaciones de referencia pueden cambiar antes de que publique los pesos. Esa cautela importa porque las cifras divulgadas describen una versión en evaluación, no necesariamente el desempeño definitivo de Large 4. Mistral anticipó que compartirá nuevos resultados y detalles técnicos durante las semanas previas a la publicación.

En la prueba de programación agéntica DeepSWE v1.1, que evalúa cómo los modelos resuelven tareas de ingeniería de software, Large 4 obtuvo 62%, según los resultados divulgados por Mistral. La cifra supera por poco al 61% de GLM-5.3, de Zhipu, y al 57% de DeepSeek-V4-Pro; también queda por encima de Qwen 3.8 Max, con 51%, y Beam, de Reflection AI, con 44%. La compañía presentó estos resultados como preliminares.

En el benchmark financiero FinWorkBench, Large 4 alcanzó 67%, empatado con DeepSeek-V4-Pro y ligeramente por encima del 65% de GLM-5.3, de acuerdo con Mistral. La comparación también favorece al nuevo modelo frente al 37% de Medium 3.5, el sistema anterior de la compañía. El material de Mistral identifica el apartado como Finch y describe el benchmark financiero como FinWorkBench, por lo que conviene interpretar estos datos dentro del marco de pruebas comunicado por la empresa.

Visión artificial y usos para industrias

Las tareas visuales son el área en la que Mistral afirma tener su mayor ventaja. En DIOR-RSVG, una prueba de teledetección que mide la localización de objetos concretos en imágenes, Large 4 logró 73%, frente al 68% de GPT-6 Astra, de OpenAI. En Dense200, ambos sistemas obtuvieron 42%, según los resultados preliminares difundidos por la compañía.

Mistral también aseguró que Large 4 supera a Fable 5.1, de Anthropic, en tareas de visión y grounding, es decir, en la identificación de elementos específicos dentro de una imagen. Sin embargo, no publicó puntuaciones para esa comparación, de modo que el anuncio no permite medir la diferencia entre ambos modelos. La empresa dijo que prevé ampliar la información antes de publicar los pesos.

La compañía plantea aplicaciones industriales para estas capacidades, como ayudar a aseguradoras a evaluar daños causados por tormentas mediante fotografías aéreas. También menciona la inspección de líneas eléctricas y el monitoreo de cultivos como posibles usos para empresas de servicios públicos y explotaciones agrícolas. En estos escenarios, el valor práctico dependería de que el modelo interprete imágenes con suficiente precisión para apoyar el trabajo especializado.

Large 4 también puede transformar planos técnicos en modelos CAD, según Mistral, que además señaló un rendimiento sólido en pruebas relacionadas con semiconductores. Estas funciones apuntan a clientes industriales, más allá de los usos habituales de generación y análisis de texto. La compañía no detalló en la información divulgada las métricas de esos casos específicos, por lo que no corresponde equipararlos con las puntuaciones cuantificadas de los benchmarks.

En la evaluación Legal Agent de Harvey, el sistema obtuvo 15%, por delante del 13% de Kimi K3 y del 5% de GPT-6 Astra, de acuerdo con Mistral. La compañía incluyó esa comparación entre sus resultados, pero las puntuaciones bajas de todos los modelos reflejan los límites actuales para resolver tareas legales de manera autónoma. La cifra no demuestra que Large 4 pueda sustituir el criterio profesional ni gestionar por sí solo trabajo jurídico complejo.

Pesos abiertos y ciberseguridad

La disponibilidad de los pesos es central para la estrategia de Mistral, porque permitirá descargar el modelo y ejecutarlo en infraestructura propia una vez que la empresa los publique. Esa opción contrasta con los sistemas cerrados, que se utilizan a través de los servidores de sus proveedores y quedan sujetos a las condiciones que estos establecen. Para bancos y gobiernos, operar localmente puede dar mayor control sobre dónde se procesa la información y cómo se integra el sistema.

La firma pone especial énfasis en la ciberseguridad y sostiene que los equipos defensivos necesitan revisar sus sistemas con frecuencia para encontrar nuevas vulnerabilidades. Según su argumento, algunos modelos cerrados pueden resultar costosos para ese volumen de trabajo, imponer restricciones o rechazar ciertas solicitudes. La disponibilidad de pesos propios podría ofrecer a las organizaciones más margen operativo, aunque también exige que cada usuario administre sus sistemas y evalúe los riesgos de uso.

Mistral afirma que Large 4 supera a los principales modelos abiertos de Kimi, DeepSeek y Meta en tareas cibernéticas, pero no divulgó cifras para sustentar esa comparación. Guillaume Lample, cofundador y científico jefe de la compañía, dijo que las capacidades defensivas ayudarían a empresas y gobiernos a protegerse de actores que hacen jailbreak a modelos cerrados para ejecutar ciberataques. La declaración expresa la postura de la empresa y no viene acompañada, por ahora, de resultados cuantitativos públicos.

La apertura también se relaciona con la idea de soberanía tecnológica que Mistral defiende para sus clientes. La compañía sostiene que empresas y gobiernos no deberían depender de un proveedor capaz de retirar el acceso a sus herramientas, y afirma que sus compradores buscan garantías de continuidad y claridad sobre cómo se entrenó el modelo. Ejecutarlo en servidores propios es una de las alternativas que ofrece para responder a esas preocupaciones, una vez que los pesos estén disponibles.

Soberanía, despliegue y próximos pasos

Además de la instalación local prevista tras la publicación de los pesos, Mistral permitirá utilizar Large 4 a través de su API en una región elegida por el cliente. Entre las opciones figura una región europea en la que los datos quedan protegidos por la legislación de la Unión Europea, según la compañía. La empresa también indica que entrenó el modelo en más de 160 idiomas, incluidos todos los idiomas oficiales de la UE y el coreano, con el objetivo de ampliar su utilidad más allá del inglés.

La división entre la API pública y las versiones destinadas a ciertos clientes también forma parte del despliegue. Mistral dijo que desarrolladores, compañías de ciberseguridad y agencias gubernamentales recibirán una versión con menos restricciones y más funciones cibernéticas que la API abierta al público. La información divulgada no especifica todos los controles que distinguirán esas versiones, por lo que la compañía deberá aportar más detalles para que los usuarios evalúen sus alcances.

El lanzamiento llega después de que Mistral cerrara una ronda de financiación de EUR 3.000 millones en septiembre, capital que, según la empresa, respaldará el desarrollo de sus modelos. La compañía también espera incorporar más capacidad de cómputo durante la primera mitad de 2027. Mistral afirma que trabaja con más de 125 grandes empresas, entre ellas Airbus, ASML y HSBC, y que algunas participaron en el entrenamiento de Large 4 mediante las herramientas que la firma ofrece en su plataforma Forge.

Antes de publicar los pesos el 27 de octubre, Mistral planea revelar más información sobre la arquitectura, nuevos resultados de benchmarks, el refinamiento posterior al entrenamiento principal y las pruebas de seguridad. La empresa prevé utilizar Large 4 como base para una nueva familia de modelos especializados, de modo que la versión disponible hoy constituye un punto de partida y no el producto terminado. En una conferencia en Abu Dabi previa al lanzamiento, Arthur Mensch sostuvo que la idea de que Europa no puede competir en inteligencia artificial es falsa.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados