Mistral abre la vista previa y destaca la capacidad que sus rivales retienen
Mistral AI lanzó una vista previa pública de Mistral Large 4 el 6 de octubre, un modelo al que llama ML4 y, de manera menos formal, “le Chonk”. Es un modelo de mezcla de expertos nativamente multimodal con un billón de parámetros totales y 49.000 millones activos por token, y Mistral afirma que es el mayor y más capaz que ha construido. Los pesos aún no están disponibles: la empresa dijo que los publicará a finales de octubre, cuando termine el trabajo de red teaming.
Hasta entonces el acceso está dividido en dos. La API de vista previa está abierta en Mistral Studio a 1,36 dólares por millón de tokens de entrada y 4,18 dólares por millón de salida. Un segundo grupo —“líderes en ciberseguridad, socios verificados y autoridades estatales”, en palabras de Mistral— recibe el mismo modelo con moderación reducida y capacidades cibernéticas ampliadas.
El argumento es un modelo que no se negará
La afirmación central de Mistral trata del trabajo de seguridad, y es inusualmente directa sobre con quién se compara. En el Artificial Analysis Cyber Index, una evaluación independiente de la capacidad de los modelos para encontrar y corregir fallos en software real, Mistral dijo que ML4 figura entre los cinco mejores modelos del mundo. En la prueba del índice que pide a un modelo reproducir una vulnerabilidad real en software de código abierto y después parchearla, Mistral declaró un 82%, que según la empresa es la puntuación más alta de cualquier modelo.
El motivo, según su relato, no es solo la capacidad. La compañía dijo que Claude Opus 5.5 y GPT-6 Astra “puntúan casi cero en la misma prueba porque se niegan a realizar la tarea”. Su argumento es que demostrar que un fallo es real es el punto de partida de la defensa, y que una negativa del proveedor en plena incidencia es en sí misma un riesgo de seguridad. En Cybench, un conjunto de 40 ejercicios tomados de competiciones de seguridad, Mistral declaró un 93%, una cifra de sus propias pruebas y no de una verificación independiente.
El planteamiento llega pocos días después de que Google entregara su primer modelo Gemini 4 a los defensores cibernéticos con las salvaguardas cibernéticas relajadas, y señala la misma cuestión sin resolver: a quién se entrega un modelo que hará trabajo de seguridad ofensiva cuando se le pida.
El resto de las cifras son casi todas de Mistral
En programación, Mistral declaró un 61,7% en DeepSWE v1.1, un 28,3% en Terminal-Bench 4 y un 59,4% en SWE-Atlas-QnA, además de un Coding Agent Index combinado del 49,8% que sitúa por delante de DeepSeek V4 Pro y Qwen3.8 Max. En AutomationBench —657 flujos de trabajo empresariales con herramientas como Gmail, Google Sheets, Slack y Salesforce— declaró un 59,9%.
Una evaluación humana a ciegas realizada con Surge AI colocó a ML4 segundo de cinco modelos en calidad de código, con 3,74 sobre 5, por delante de Kimi K3 de Moonshot AI con 3,59 y de GLM-5.3 con 3,60, y por detrás de Claude Opus 5 con 4,22. En anclaje visual, Mistral dijo que ML4 obtiene un 42% en Dense 200 frente al 41% de GPT-6 Astra, el único punto en el que afirma superar a un modelo cerrado de frontera.
El propio resumen de Mistral está cuidadosamente acotado: ML4 es “competitivo con los modelos de código abierto más fuertes del mundo” mientras “supera significativamente a cualquier modelo de pesos abiertos desarrollado en Estados Unidos o Europa”. Es una afirmación sobre un campo regional, no sobre el global, y los modelos chinos de pesos abiertos siguen siendo la referencia a batir.
Entrenado en Europa, en 3.800 chips
Mistral dijo que ML4 se entrenó desde cero en 3.800 GPU Nvidia Grace Blackwell en sus propios centros de datos europeos, y que la vista previa pública se sirve en esa misma infraestructura. Una parte significativa de los datos de entrenamiento era multilingüe, según la empresa, con más de 160 idiomas incluidas todas las lenguas oficiales de la Unión Europea, y un despliegue europeo funcionará de principio a fin bajo derecho europeo, con independencia de otros proveedores de servicios digitales.
Lo que falta es todo lo que permitiría a alguien de fuera comprobar las afirmaciones: los pesos, la arquitectura, la metodología de post-entrenamiento y los términos de la licencia. Mistral dijo que todo ello llegará con el lanzamiento de fin de mes. Hasta entonces, cada cifra anterior es un dato del fabricante, con la única excepción de la posición en el índice de Artificial Analysis.
