Mistral Large 4: un modelo de gran escala cuyo rendimiento aún debe medirse

Anuncio y acceso: una vista previa antes de los pesos

Mistral anunció Mistral Large 4 el 6 de octubre de 2026 y abrió ese mismo día una vista previa pública de su API en Mistral Studio. El modelo se presenta como su sistema más grande hasta la fecha, con capacidades multimodales, de programación y de trabajo con agentes. No es lo mismo que ofrecer inmediatamente los pesos para descargar: la empresa dijo que los publicaría a finales de octubre.

Por tanto, el acceso inicial y la disponibilidad de pesos son etapas distintas. Quien quiera probar ahora el sistema depende de la API de Mistral; el despliegue propio solo será una posibilidad cuando los pesos estén efectivamente publicados y sus condiciones permitan ese uso. La fecha anunciada no confirma por sí sola que la publicación ya haya ocurrido ni establece qué licencia se aplicará.

La compañía también promete disponibilidad en distintas regiones y una opción europea operada de extremo a extremo por Mistral, bajo legislación europea. Son características anunciadas por el proveedor; conviene comprobar las condiciones concretas del servicio, la ubicación del procesamiento y los términos contractuales antes de tratarlas como garantías operativas.

Un billón de parámetros no significa un billón activos

Mistral describe Large 4 como un modelo multimodal nativo con un billón de parámetros en total y 52.000 millones activos. La cifra activa es relevante porque no todos los parámetros de una arquitectura de gran escala necesariamente intervienen en cada operación. Sin embargo, esos dos números no bastan para deducir el coste real, la velocidad, la memoria requerida o la calidad de las respuestas.

Existe una discrepancia en las cifras de parámetros activos: la documentación de Mistral indica 52.000 millones, mientras algunas referencias aportadas hablan de 49.000 millones. No hay en la documentación disponible una explicación que permita atribuir la diferencia a una versión, configuración o método de recuento concreto. Aquí se prioriza el dato de la publicación primaria, sin presentar la discrepancia como resuelta.

Mistral afirma que el modelo se entrenó desde cero en 3.800 GPU NVIDIA Grace Blackwell instaladas en sus centros de datos europeos, y que la vista previa se ejecuta en esa misma infraestructura. La información aportada no incluye una auditoría externa que verifique el número de GPU, su ubicación o la configuración de entrenamiento. Es, por tanto, una declaración de la empresa, no una comprobación independiente.

La publicación inicial deja además detalles técnicos pendientes: Mistral promete más información sobre arquitectura y metodología de entrenamiento posterior junto con los pesos. Hasta que esa documentación esté disponible, no conviene inferir requisitos concretos de hardware ni asumir que el tamaño total se traduce directamente en una ventaja práctica.

Benchmarks: resultados prometedores, pero no comparaciones universales

En los resultados que presenta Mistral, Large 4 alcanza 38 puntos en el Artificial Analysis Intelligence Index, según la lectura descrita en la información disponible. Ese dato puede servir como referencia dentro de esa evaluación y versión concretas, pero no equivale a una medida universal de inteligencia. El resultado depende de los ejercicios incluidos, sus condiciones y el momento en que se ejecuta la prueba.

La publicación de Mistral ofrece también resultados en programación, agentes, finanzas, derecho, visión y ciencias. Parte de las cifras procede de evaluaciones propias; otras se atribuyen a evaluadores o benchmarks externos. Que una prueba tenga nombre independiente no convierte automáticamente en independiente la presentación del resultado: hacen falta la metodología, la versión del modelo, las configuraciones y los datos comparables.

Las comparaciones entre modelos pueden dejar de ser equivalentes si se usan versiones distintas, herramientas diferentes, presupuestos de ejecución no comparables o filtros de seguridad que impiden completar una tarea. Mistral destaca resultados favorables en áreas concretas, pero la documentación aportada no permite reconstruir de manera independiente todas las condiciones de esas comparaciones.

La conclusión prudente es acotada: hay indicios de una mejora sustancial respecto a modelos anteriores de Mistral en algunas evaluaciones divulgadas, pero no suficiente evidencia aquí para afirmar que Large 4 sea superior en general a sus rivales. Una clasificación puntual tampoco predice necesariamente cómo rendirá con documentos, código, datos y herramientas propios de una organización.

Agentes y multimodalidad: capacidades anunciadas que requieren pruebas de uso

Mistral presenta Large 4 como un modelo capaz de ejecutar agentes de propósito general: reunir información, utilizar herramientas y completar flujos de trabajo de varios pasos. También destaca su capacidad para analizar documentos, gráficos e imágenes, y combinar interpretación visual con acciones mediante herramientas. Son objetivos relevantes para trabajo empresarial, pero la descripción no permite asumir que el sistema complete de forma fiable cualquier proceso sin supervisión.

En una tarea de agentes, un error puede propagarse: una lectura equivocada de un documento puede producir una búsqueda incorrecta y terminar en una acción no deseada. Por eso, evaluar un sistema agéntico exige medir no solo si entrega una respuesta final, sino también la exactitud de cada paso, la calidad de las fuentes consultadas, el manejo de fallos y la posibilidad de detener o revisar acciones.

La multimodalidad también debe probarse con materiales representativos. Analizar un plano técnico, extraer datos de un PDF o buscar objetos en una imagen de gran tamaño son tareas distintas. Un resultado favorable en una demostración o benchmark no garantiza que el modelo interprete con precisión formatos, resoluciones o documentos de una organización concreta.

En aplicaciones con efectos importantes —por ejemplo, cambios en sistemas, transacciones o decisiones de seguridad— conviene limitar permisos, registrar el uso de herramientas y exigir aprobación humana para acciones irreversibles. La automatización puede ahorrar trabajo sin que el modelo tenga autonomía plena.

Ciberseguridad: potencial defensivo y límites de seguridad

La ciberseguridad ocupa un lugar central en el anuncio. Mistral afirma que Large 4 está entre los cinco modelos mejor situados en Artificial Analysis Cyber Index y publica resultados en ejercicios de reproducción y corrección de vulnerabilidades, Cybench y pruebas de resistencia a ataques. La información disponible no aporta una evaluación independiente adicional que permita confirmar aquí todas esas cifras y comparaciones.

La empresa también comunica un resultado del 93,3 % en el benchmark público B3 AI Security de Lakera y describe pruebas internas sobre análisis de malware, priorización de vulnerabilidades y redacción de reglas de detección. Deben distinguirse las afirmaciones sobre pruebas de seguridad de una garantía de que el modelo sea seguro en producción. El resultado de un benchmark mide un conjunto definido de casos, no todas las formas posibles de ataque.

Un modelo que puede ayudar a encontrar y reproducir fallos también puede facilitar usos indebidos. La posibilidad de desplegar pesos propios puede dar control a los equipos defensivos, pero también traslada a cada organización más responsabilidad sobre salvaguardas, registros, acceso y actualización. Mistral dice que está realizando pruebas de red team con entidades seleccionadas antes de publicar los pesos; eso no sustituye una evaluación pública de riesgos ni define por sí solo las condiciones finales de uso.

Para un despliegue responsable, la cuestión práctica no es solo si el modelo rechaza solicitudes maliciosas, sino cómo se separan los entornos, se controlan las herramientas y se revisan los resultados. Una evaluación útil debe incluir pruebas autorizadas, revisión humana y mecanismos para impedir que una respuesta del modelo ejecute directamente cambios en sistemas sensibles.

Qué falta por confirmar antes de sacar conclusiones

La licencia definitiva y sus permisos prácticos son una pregunta abierta en la información disponible: Mistral anunció que los pesos llegarían a finales de octubre, pero la publicación inicial no detalla la licencia. Sin verla, no se puede dar por confirmado que cualquier organización pueda modificar, redistribuir o utilizar el modelo bajo cualquier modalidad.

También quedan por comprobar las condiciones completas de coste y despliegue. La información aportada incluye cifras de API discrepantes y no permite establecer un precio único aplicable a toda modalidad o región. El coste total puede depender del uso, el almacenamiento, la infraestructura, el soporte y las condiciones vigentes del servicio.

La disponibilidad anunciada no equivale a una disponibilidad universal. La vista previa pública es el acceso confirmado; la publicación de pesos se planteó para finales de octubre, mientras que la oferta regional y el despliegue europeo se describen como modalidades previstas. Su alcance efectivo requiere revisar la documentación actualizada.

En resumen, Large 4 merece atención por su escala, su oferta de API y el plan anunciado de publicar pesos. Pero una valoración sólida debe esperar a que estén disponibles la licencia, la documentación técnica prometida y más evaluaciones independientes reproducibles. Hasta entonces, los datos de rendimiento y seguridad deben leerse como resultados comunicados, no como garantías.

Continúa explorando

Correcciones y transparencia

Si detectas un dato incorrecto o desactualizado, puedes enviarnos una corrección indicando la página y la fuente que debemos revisar.